STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)"

Átírás

1 STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69) 1. AZ ISO SZABVÁNYOK TÉRKÉPE 2. A SZABVÁNYOK BEMUTATÁSA 3. HASZNÁLATI TANÁCSOK 4. A STATISZTIKAI SZABVÁNYOK ÉS AZ ISO JAVASLATOK

2 Átlag Medián ANOVA Statisztikai próbák Kísérlettervezés Méréses, Minősítéses, Ömlesztett anyag Mintavétel Normális eloszlás Leírás Összehasonlítás Magyarázat Átvétel Terminológia Döntés Megbízhatóság Időbeli változás Mérésirányítás Pontosság (ISO 5725) Észlelés képessége Fejlesztés (SPC és PC) Mérési bizonytalanság 1. ISO STATISZTIKAI SZABVÁNYOK TÉRKÉPE Metrológia (GUM,VIM)

3 2.A SZABVÁNYOK BEMUTATÁSA

4 TERMINOLÓGIA Statisztika Szótár és jelölések (ISO 3534 sorozat) ISO :2006: 1. rész Általános statisztikai és valószínűségi fogalmak ISO :2006: 2. rész Alkalmazott statisztika ISO :1999: 3. rész Kísérlettervezés

5 ISO felépítése Sorszám A csoport megnevezése A csoportban lévő fogalmak száma Általános statisztikai fogalmak (65 fogalom) B.1. Alapsokaság és minta fogalmai 16 B.2. A minta momentumaira vonatkozó fogalmak 11 B.3. A becslés fogalmai 21 B.4. A statisztikai próbák fogalmai 15 B.5. Az osztályok és tapasztalati eloszlások fogalmai 15 B.6. A statisztikai következtetések fogalmainak diagramja 13 Valószínűségi fogalmak (70 fogalom) C.1. A valószínűség alapvető fogalmai 18 C.2. A momentumokra vonatkozó fogalmak 21 C.3. A valószínűségi eloszlások fogalmai 20 C.4. A folytonos eloszlások fogalmai 19 Megjegyzés: egyes fogalmak több csoportban is szerepelhetnek.

6 ISO felépítése Fejezet Csoport megnevezése Fogalmak száma 1. Adatok előállítása és gyűjtése 2. Statisztikai folyamatmenedzsment 3. Előírások, értékek és vizsgálati eredmények 4. Ellenőrzés és átvételi mintavétel 5. Ömlesztett anyagok mintavétele fogalom

7 2.1. Statisztikai adatok értelmezése és feldolgozása

8 sokaság leírása valószínűségi eloszlással sokaság-paraméter [A] sokaság 4 sokaság-paraméter származtatása 3 1 minta kivétele minta-statisztika megfigyelt értéke[c] minta-statisztika [B] 2 minta minta-statisztika kiszámítása [A] A sokaság paramétereit dőlt görög kis betűk jelölik. [B] A minta-statisztikákat dőlt latin nagy betűk jelölik. [C] A megfigyelt minta-statisztika értékeket latin kis betűk jelölik. 2.ábra Statisztikai kapcsolatok folyamata

9 becslés szórása (standard hiba) intervallum becslési függvény konfidencia intervallum egyoldali konfidencia intervallum becslési függvény becslés paraméter előrejelzési intervallum statisztikai tolerancia intervallum statisztikai toleranciahatár becslés hibája (eltérése) torzítás valószínűségi sűrűségfüggvény eloszláscsalád maximum likelihood becslési függvény becslési módszer (eljárás) torzítatlan becslési függvény valószínűségi tömegfüggvény maximum likelihood becslési módszer likelihood függvény metszet likelihood függvény 7.ábra Becslés fogalmai

10 próbastatisztika Statisztikai próba (vizsgálat) p-érték hipotézis nullhipotézis ellenhipotézis egyszerű hipotézis összetett hipotézis szignifikancia szint erőfüggvény görbéje eloszláscsalád 1.fajú hiba 2.fajú hiba próba ereje szignifikancia vizsgálat 8.ábra Statisztikai próba fogalmai

11 Vizsgálati adatok és eredmények statisztikai értelmezése/1 ISO 2602:1980 :Átlag becslése-konfidencia intervallum ISO 2854:1976 :Az átlagra és a varianciára vonatkozó becslési és vizsgálati módszerek (próbák) ISO 3301:1975 :Két átlag összehasonlítása párosított megfigyelések esetén ISO 3494:1976:Az átlagra és a varianciára vonatkozó statisztikai próbák ISO 5749:1997:Próbák a normális eloszlástól való eltérésre ISO 11453:1996 Hányadokra vonatkozó próbák és konfidencia intervallumok

12 Vizsgálati adatok és eredmények statisztikai értelmezése/2 ISO/TR 13425:2006: Irányelv a statisztikai módszerek kiválasztására a szabványosítás és a specifikáció esetében ISO :2005: Statisztikai tolerancia intervallumok meghatározása ISO :2001: Medián-Becslés és konfidencia intervallumok ISO :2004: Előre jelzési intervallumok meghatározása

13 2.2. FOLYAMATMENEDZSMENT (SPC és PC)

14 folyamat folyamatmenedzsment statisztikai folyamatmenedzsment statisztikai módszerek folyamattervezés folyamatszabályozás folyamatfejlesztés szabályozási terv folyamatelemzés statisztikai folyamatszabályozás 4.ábra Folyamatra vonatkozó általános fogalmak

15 átvételi szabályozókártya statisztikai folyamatszabályozás szabályozókártya folyamat-beállítási kártya CUSUM kártya Shewhart szabályozókártya mozgó-átlag szabályozókártya méréses szabályozókártya minősítéses szabályozókártya EWMA szabályozókártya X-átlag kártya R-kártya c-kártya trend szabályozókártya medián szabályozókártya s-kártya u-kártya többváltozós kártya egyedi értékek szabályozókártya mozgóterjedelem kártya p-kártya több-jellemzős kártya 6.ábra Szabályozókártyával kapcsolatos fogalmak minőségpontszám kártya

16 folyamat kimeneteinek mérőszámai és becslései folyamatteljesítmény folyamatképesség folyamatteljesítmény hányados folyamatteljesítmény index folyamat relatív szórása folyamatképesség index folyamatképesség hányados alsó folyamatteljesítmény index felső folyamatteljesítmény index alsó folyamatképesség index felső folyamatképesség index minimális folyamatteljesítmény index minimális folyamatképesség index 9.ábra Folyamatteljesítmény és folyamatképesség (méréses adatok)

17 Szabályozókártyák és folyamatképesség-vizsgálat ISO 7870:1993: Szabályozókártyák Általános útmutató és bevezetés ISO/TR 7871: Kumulatív összeg kártyák Útmutató a minőségszabályozásra és adatelemzésre CUSUM módszerek felhasználásával ISO 7873:1993: Számtani átlagra vonatkozó szabályozókártyák figyelmeztető határokkal ISO 7966:1993: Átvételi szabályozókártyák ISO 8258:1991: Shewhart szabályozókártyák ISO :2001:Irányelvek az SPC bevezetésére 1.rész: Az SPC elemei ISO/TS 21747:2006:Folyamatteljesítmény és-képesség statisztikái méréses minőségjellemzőkre

18 2.3. MÉRÉSI MÓDSZEREK

19 pontosság precizitás valódiság torzítás meghatározott feltételek megismételhetőségi feltételek közbenső precizitási feltételek reprodukálhatósági feltételek megismételhetőség közbenső precizitás reprodukálhatóság megismételhetőség kritikus különbsége és határa megismételhetőség szórása közbenső precizitás szórása közbenső precizitás kritikus különbsége és határa reprodukálhatóság szórása reprodukálhatóság kritikus különbsége és határa 12.ábra Vizsgálati és mérési módszerek tulajdonságai

20 Mérési módszerek és eredmények pontossága (valódi értéke és precizitása)/1 (ISO 5725 sorozat) ISO :1994: 1.rész Általános alapelvek és meghatározások ISO :1994: 2.rész Alapvető módszer szabványos (előírt) mérési módszer ismételhetőségének és reprodukálhatóságának meghatározására ISO :1994: 3.rész Szabványos (előírásos) mérési módszer precizitásának közbenső mérőszámai ISO :1994: 4.rész Alapvető módszerek szabványos(előírt) mérési módszer valódi értékének (valódiságának) meghatározására

21 Mérési módszerek és eredmények pontossága (valódi értéke és precizitása)/2 (ISO 5725 sorozat) ISO :1998: 5.rész Alternatív módszerek a szabványos (előírt) mérés precizitásának meghatározására ISO :1994: 6.rész A pontossági értékek használata a gyakorlatban ISO/TS 21748:2004: Útmutató az ismételhetőség, reprodukálhatóság és valódi érték (valódiság) becsléseinek felhasználására a mérési bizonytalanság becslésében ISO/TS 21749:2005: Mérési bizonytalanság metrológiai alkalmazásokban Ismételt mérések és beágyazott (nested) kísérletek

22 Mérési módszerek és eredmények pontossága (valódi értéke és precizitása)/3 Gyakorlati útmutató az ISO :1994 használatára a laboratóriumok között ismételhetőségi és reprodukálhatósági eredmények tervezésében, létrehozásában és elemzésében

23 2.3/a. KALIBRÁLÁS (ÉSZLELÉS KÉPESSÉGE) (ÉRTÉKMUTATÁS KÉPESSÉGE)

24 tényleges állapot rendszer referencia állapot állapot állapot-változó rendszer-jellemző alap-állapot nettó állapotváltozó kalibrálási függvény válasz-változó nettó állapotváltozó kritikus értéke nettó állapotváltozó legkisebb észlelhető értéke kalibrálás válasz-változó kritikus értéke 14.ábra Észlelés képessége mérés-sorozat

25 Észlelési (Érzékelési,Detektálási) képesség (ISO sorozat) (Kalibrálás) ISO :1997: 1.rész Fogalmak és meghatározások ISO :2000: 2.rész Módszertan lineáris kalibrálás esetében ISO :2003: 3.rész A válaszváltozóra vonatkozó kritikus érték meghatározási módszertana, ha kalibrálási adatokat nem használnak fel ISO :2003: 4.rész Módszertan a minimális észlelhető értéknek egy adott értékkel való összehasonlítására ISO 13528:2005: Statisztikai módszerek felhasználása laboratóriumok közötti jártassági (szakértői) vizsgálatokban ISO 11095:1996: Lineáris kalibrálás referencia anyagok felhasználásával

26 2.4. ÁTVÉTELI MINTAVÉTEL

27 méréses átvételi mintavételes ellenőrzés mintavételes átvételi mintavételes ellenőrzés egylépcsős átvételi mintavételes ellenőrzés kétlépcsős átvételi mintavételes ellenőrzés átvételi mintavételes ellenőrzés igazoló átvételi mintavételes ellenőrzés többlépcsős átvételi mintavételes ellenőrzés folytonos átvételi mintavételes ellenőrzés szekvenciális átvételi mintavételes ellenőrzés tétel-elhagyásos átvételi mintavételes ellenőrzés lánc-mintavételes átvételi ellenőrzés egyszintű folytonos átvételi mintavételes ellenőrzés többszintű folytonos átvételi mintavételes ellenőrzés 16.ábra Átvételi mintavételes ellenőrzés típusai

28 Mintavételi eljárások alternatív jellemzők alapján/1 (ISO 2859 sorozat) ISO :1999:Tételenkénti ellenőrzés átvételi hibaszinttel (AQL-el)jelzett mintavételi sémái ISO :1985:Egyedi tételek ellenőrzésének visszautasítási hibaszinttel (LQ) jelzett mintavételi tervei ISO :2005:Tétel-el(ki)hagyásos mintavételi eljárások ISO :2002:Kinyilvánított hibaszintek (minőségszintek) értékelésének eljárásai ISO :2005:Tételenkénti ellenőrzés átvételi hibaszinttel (AQL-el) jelzett szekvenciális mintavételi terveinek rendszere

29 Mintavételi eljárások alternatív jellemzők alapján/2 ISO :2006: Bevezetés az ISO 2859 szabványsorozathoz ISO 8422:2006:Alternatív jellemzőkön alapuló ellenőrzés szekvenciális mintavételi tervei ISO :2005:A prioritási elvek elosztásán (APP-n) alapuló átvételi mintavételi eljárások 1.rész Irányelvek az APP eljárásra ISO :2005:A prioritási elvek elosztásán (APP-n) alapuló átvételi mintavételi eljárások Alternatív jellemzőkön alapuló átvételi mintavétel koordinált, egylépcsős mintavételi tervei

30 Mintavételi eljárások alternatív jellemzők alapján/3 ISO 14560:2004: Átvételi mintavételi eljárások alternatív jellemzők alapján-- Előírt hibaszintek a nem-megfelelő egyedek egy milliomod részében (ppm-ben) kifejezve ISO 18414:2006: Átvételi mintavételi eljárások alternatív jellemzők alapján A kimenő hibaszint (minőségszint) ellenőrzésére vonatkozó credit elven alapuló nulla átvételi számú mintavételi rendszer ISO/TR 8550:1994: Irányelv tételek diszkrét egyedeinek ellenőrzésére vonatkozó átvételi mintavételi rendszer rendszer, séma vagy terv kiválasztására

31 Mintavételi eljárások alternatív jellemzők alapján/4 ISO/TR :2007: Útmutató tételek diszkrét egyedeinek ellenőrzésére vonatkozó átvételi mintavételi rendszer rendszerek kiválasztására és használatára 1.rész: Átvételi mintavétel ISO 21247:2005: Termékek átvételére vonatkozó kombinált nulla átvételi számú mintavételi tervek és folyamatszabályozási eljárások ISO/TR :2007: Útmutató tételek diszkrét egyedeinek ellenőrzésére vonatkozó átvételi mintavételi rendszer rendszerek kiválasztására és használatára 3.rész: Méréses mintavétel

32 Mintavételi eljárások méréses jellemzők alapján (ISO 3951 sorozat) ISO :2005: Egy minőségjellemzőre és egy AQL-re vonatkozó tételenkénti ellenőrzés átvételi hibaszinttel (AQL-el) jelzett egylépcsős mintavételi terveinek előírása ISO :2006: Független minőségjellemzőkre vonatkozó tételenkénti ellenőrzés átvételi hibaszinttel (AQL-el) jelzett egylépcsős mintavételi terveinek általános előírása ISO :2007: Tételenkénti ellenőrzés átvételi hibaszinttel (AQLel) jelzett kétlépcsős mintavételi sémái ISO :2006: Ismert szórású méréses jellemzők ellenőrzésének átvételi hibaszinttel (AQL-el) jelzett szekvenciális mintavételi tervei ISO/TR 8423:1991: Ismert szórású méréses jellemzők nemmegfelelési százalékra vonatkozó ellenőrzésének szekvenciális mintavételi tervei

33 2.5. ŐMLESZTETT ANYAGOK MINTAVÉTELE

34 szokásos mintavétel kézi mintavétel mintavétel kísérleti mintavétel mechanikai mintavétel ismételt mintavétel metszés(átvágás) váltakozó mintavétel duplikált mintavétel anyagminta 23.ábra Ömlesztett anyag mintavétele minőség-változás

35 Ömlesztett anyagok mintavételének statisztikai szempontjai (11648 sorozat) ISO :2003: 1.rész Általános alapelvek ISO :2001: 2.rész Szemcsés anyagok mintavétele ISO 10576:2003: Statisztikai módszerek Irányelvek a megfelelőség kiértékelésére előírt követelmények szerint 1.rész: Általános alapelvek

36 Fejlesztés alatti szabványok/1 ISO/CD : Mintavételi eljárások alternatív jellemzők alapján 2.rész Egyedi tételek ellenőrzésének visszautasítási hibaszinttel (LQ) jelzett mintavételi tervei ISO/NP 3534:3:Statisztika Szótár és jelölések--3. Rész: Kísérlettervezés ISO/WD : Mintavételi eljárások méréses jellemzők alapján 4.rész:A kinyilvánított hibaszint értékelési eljárásai ISO/DIS 8423: Ismert szórású méréses jellemzők nemmegfelelési százalékra vonatkozó ellenőrzésének szekvenciális mintavételi tervei

37 Fejlesztés alatti szabványok/2 ISO/TR : Útmutató tételek diszkrét egyedeinek ellenőrzésére vonatkozó átvételi mintavételi rendszer rendszerek kiválasztására és használatára 2.rész: Mintavétel alternatív jellemzők alapján ISO/CD : Irányelvek az SPC bevezetésére 2.rész: Eszközök és módszerek katalógusa ISO/DIS : Észlelései képesség 5.rész: Módszertan lineáris és nem-lineáris esetekben ISO/CD : Adatok statisztikai értelmezése 4.rész: A kiesők észlelése és kezelése

38 Fejlesztés alatti szabványok/3 ISO/CD TR 18532:Útmutató a statisztikai módszereknek a minőségre és a szabványosításra való alkalmazására ISO/DIS 24153: Véletlen mintavétel és a folyamatok randomizálása (véletlenítése) ISO/AWI 27877: Kvalitatív adatokra vonatkozó pontosság és bizonytalanság fogalmai ISO/AWI 28037: Lineáris kalibrálási görbék használata ISO/AWI 28640: Valószínűségi változó generálásának módszerei

39 Fejlesztés alatti szabványok/4 Statisztikai módszerek a folyamatmenedzsmentben Képesség és teljesítmény ISO/CD :1.rész--Általános alapelvek és fogalmak ISO/NP : 2.rész Képesség és teljesítmény ISO/FDIS :3.rész Gépképességi vizsgálatok diszkrét alkatrészek méréses adataira ISO/PRF TR :4.rész Folyamatképesség becsléseinek és a teljesítménynek a mérőszámai

40 3. HASZNÁLATI TANÁCSOK A szabványok alkalmazásához szükségesek az alapismeretek A szabványt tekintsük eszköznek Ismerjük meg az alkalmazás feltételeit Homogén mintát vizsgáljunk A minta legyen reprezentatív Tömegjelenségekkel kell foglalkozni Figyelmet kell fordítani a kis valószínűségű esetek okaira

41 Mi a valószínűsége annak, hogy holnap felkel a nap? Mi a valószínűsége annak, hogy fejünkre esik egy tégla? A valószínűségszámítás véletlen eseményekkel foglalkozik. A valószínűségszámítás csak tömegjelenségeket tárgyal. Az alkalmazás feltételei

42 Egy útkereszteződésben egy adott időszakaszban autó halad át. Ebben az időszakaszban 4 baleset fordul elő. Mi a valószínűsége annak, hogy 10 baleset fordult elő azonos időtartam alatt? Ebben az esetben a Poisson-eloszlást kell alkalmazni, mivel a mintanagyság nagy (n=10 000) és az előfordulás ritka (p=0,0004). Ekkor az Excel táblából az n.p= ,0004=4 értékhez kell a valószínűségeket meghatározni: Baleset Valószín. 0 0, , , , , , , , , , , baleset bekövetkezésének valószínűsége 0,00529, kicsi szám. Nem a véletlen okozta a sok balesetet.keressük az okot! 2. Egyes események valószínűsége

43 A haranggörbétől való eltérések: Nincsen szimmetria és a medián nem egyenlő az átlaggal; Két púpja van az eloszlásnak=két sokaság keveréke; Levágott a görbe csúcsa= kivették a nagy valószínűségű eseményeket. 3. A haranggörbe jellemzői és korlátjai

44 4.A STATISZTIKAI SZABVÁNYOK ÉS AZ ISO 9001 KAPCSOLATA AZ ISO 9001:2000-RE ALKALMAZHATÓ STATISZTIKAI MÓDSZEREK MSZ ISO /TR 10017:2004 A műszaki jelentés céljai: -vevői elégedettség elnyerése -döntés előkészítése -minőségirányítási rendszer fejlesztése

45 A statisztikai módszerek és szabványok hozzárendelése a minőségirányítási rendszer folyamataihoz Folyamat Beszerzés Előállítás és szolgáltatás Mérőeszközök kezelése Mérés (elemzés, ellenőrzés) Statisztikai módszerek Átvételi mintavétel, Méréselemzés Átvételi mintavétel, SPC, Folyamatképességelemzés Méréselemzés Kalibrálás Átvételi mintavétel, SPC Statisztikai szabványok ISO ISO ISO ISO ISO ISO 8258 ISO ISO ISO ISO ISO ISO 8258

46 5. JAVASLATOK 1. Alkalmazni kell a statisztikai szabványokat 2. Meg kell ismerni az ISO TC 69 kiadványait 3. Figyelemmel kell kísérni a szabvány-fejlesztési munkákat 4. Célszerű tájékoztató füzetek kiadása az egyes szabványokról 5. Létre kellene hozni az ISO TC 69 hazai tükörbizottságát 6. A statisztikai fogalmak magyar megfelelőit és azok meghatározását meg kellene jelentetni

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris

Részletesebben

Hanthy László Tel.: 06 20 9420052

Hanthy László Tel.: 06 20 9420052 Hanthy László Tel.: 06 20 9420052 Néhány probléma a gyártási folyamatok statisztikai szabályzásával kapcsolatban Miben kellene segíteni az SPC alkalmazóit? Hanthy László T: 06(20)9420052 Megválaszolandó

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

Kontrol kártyák használata a laboratóriumi gyakorlatban

Kontrol kártyák használata a laboratóriumi gyakorlatban Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H

Részletesebben

y ij = µ + α i + e ij

y ij = µ + α i + e ij Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai

Részletesebben

Hat Szigma Zöldöves Tanfolyam Tematikája

Hat Szigma Zöldöves Tanfolyam Tematikája Hat Szigma Zöldöves Tanfolyam Tematikája Megjegyzések: A tanfolyamon haszáljuk: - Minitab statisztikai (demo) és - Companion by Minitab projektek menedzselésére szolgáló (demo) szoftvert, átadunk: - egy

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Statisztika elméleti összefoglaló

Statisztika elméleti összefoglaló 1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11

Részletesebben

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Erdei János Miről lesz szó? Mit értünk folyamatok stabilitásán, szabályozottságán? Mit jelent a folyamatképesség, és hogyan mérhetjük azt? Hogyan vehetjük észre a

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58 u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

Részletesebben

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

Részletesebben

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program

Részletesebben

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I Kalibrálás és mérési bizonytalanság Drégelyi-Kiss Ágota I. 120. dregelyi.agota@bgk.uni-obuda.hu Kalibrálás Azoknak a mőveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható

Részletesebben

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia program Projekt

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés a hipotézisvizsgálatokba Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011. Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő

Részletesebben

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016 Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési adatok feldolgozása A mérési eredmény megadása A mérés dokumentálása A vállalati mérőeszközök nyilvántartása 2 A mérés célja: egy

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kettőnél több csoport vizsgálata. Makara B. Gábor Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi jegyzet Meskó Balázs egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.

Részletesebben

Kosztyán Zsolt Tibor Katona Attila Imre

Kosztyán Zsolt Tibor Katona Attila Imre Kockázatalapú többváltozós szabályozó kártya kidolgozása a mérési bizonytalanság figyelembe vételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia

Részletesebben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687) STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Részletesebben

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás

Részletesebben

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész 2011.

Gyártástechnológia alapjai Méréstechnika rész 2011. Gyártástechnológia alapjai Méréstechnika rész 2011. 1 Kalibrálás 2 Kalibrálás A visszavezethetőség alapvető eszköze. Azoknak a műveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható

Részletesebben

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel

Részletesebben

Statisztika Elıadások letölthetık a címrıl

Statisztika Elıadások letölthetık a címrıl Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK

MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK Dr. Drégelyi-Kiss Ágota ÓE BGK e-mail: dregelyi.agota@bgk.uni-obuda.hu 1 STATISZTIKA CÉLJA Sokaság Következtetés bizonytalansága Véletlenszerű és reprezentatív mintavétel

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi az adat? Az adat elemi ismeret. Az adatokból információkat Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás

Részletesebben

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár

MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár MINİSÉGBIZTOSÍTÁS Összeállította: Dr. Kovács Zsolt egyetemi tanár 12. ELİADÁS 2011. Május 9. NyME FMK Terméktervezési és Gyártástechnológiai Intézet http://tgyi.fmk.nyme.hu NYME FMK TGYI 2006.08.28. 1.

Részletesebben

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis 1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb

Részletesebben

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás Statistical Process Control (), Statisztikai Folyamatszabályozás 1 2 2 A statisztikai folyamatszabályozás () koncepcióját először Dr Walter Shewhart fejlesztette ki a Bell laboratóriumokban, az 1920-as

Részletesebben

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,

Részletesebben

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157. Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

HAT SZIGMA ZÖLDÖVES SZAKEMBEREK ISMERETANYAGA

HAT SZIGMA ZÖLDÖVES SZAKEMBEREK ISMERETANYAGA HAT SZIGMA ZÖLDÖVES SZAKEMBEREK ISMERETANYAGA Az alábbi témafelsorolás a hat szigma zöldöves szakemberek tudásanyagát tartalmazza. Az egyes témakörökhöz fűzött zárójeles megjegyzések a megkövetelt ismeretszintet

Részletesebben

Statisztikai becslés

Statisztikai becslés Kabos: Statisztika II. Becslés 1.1 Statisztikai becslés Freedman, D. - Pisani, R. - Purves, R.: Statisztika. Typotex, 2005. Reimann J. - Tóth J.: Valószínűségszámítás és matematikai statisztika. Tankönyvkiadó,

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Biomatematika 13. Varianciaanaĺızis (ANOVA) Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

NYF-MMFK Műszaki Alapozó és Gépgyártástechnológia Tanszék gépészmérnöki szak III. évfolyam

NYF-MMFK Műszaki Alapozó és Gépgyártástechnológia Tanszék gépészmérnöki szak III. évfolyam Tantárgy neve: INFORMATIKÁVAL TÁMOGATOTT MINŐSÉGMENEDZSMENT Tantárgy kódja: GM 2503 Meghirdetés féléve: 5. Össz-óraszám (elm. + gyak.): 28 5. 14 1 1 14 14 Összesen: 14 14 Előfeltétel (tantárgyi kód): GM

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az

Részletesebben

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás

Részletesebben

Elemi statisztika fizikusoknak

Elemi statisztika fizikusoknak 1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

17. Folyamatszabályozás módszerei

17. Folyamatszabályozás módszerei 17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés

Részletesebben