4. Statistik 4a. Formeln und Tabellen
|
|
- Erwin Messner
- vor 7 Jahren
- Abrufe
Transkript
1 4. Statistik 4a. Formeln und Tabellen Formeln und Tabellen zum Thema Statistische Qualitätssicherung Inhaltsverzeichnis Mittelwert, Standardabweichung, Prozessfähigkeit Seite 4-2 Histogrammentwurf Seite 4-3 Die Darstellung der theoretischen Normalverteilung Seite 4-4 Der Fehleranteil in einer Fertigungsserie Seite 4-5 Die 7 Qualitätswerkzeuge Seite 4-6 Vertrauensbereich, Unsicherheit Seite 4-7 Das Larsson-Nomogramm Seite 4-8 Ablauf Einfach- und Doppelstichproben Seite 4-9 AQL Kennbuchstaben Seite 4-10 Tabelle Einfach- und Doppelstichprobe nach DIN 2859 Seite 4-11 Tabelle Stichprobe nach DIN 3951 Seite 4-12 Fo7S1S12.dtp Seite 4a - 1
2 1. Mittelwert µ = Mittelwert einer Gesamtheit von Werten x-quer = Mittelwert einer Stichprobe 2. Medianwert x-tilde: Der Median ist bei ungerader Anzahl von Werten der Wert in der Mitte der Rangfolge. Bei einer geraden Anzahl von Werten wird der Median durch den Mittelwert der Werte in der Mitte der Rangfolge gebildet. Beispiel: Meßwerte: 4, 7, 3, 5, 9 Median = 5 Beispiel: Meßwerte: 4, 7, 3, 5 Median = 4,5 3. Spanne (eng. Range) R: Beispiel: Meßwert: 3, 5, 2, 6 Spanne R = 4 Formelblatt zu Kennwerten 4. Standardabweichung σ = Standardabweichung einer Gesamtheit von Werten s = Standardabweichung einer Stichprobe ( σ n-1 ) Die Standardabweichung ist ein Maß für die Streuung der Einzelwerte um den Mittelwert. Sie hat die Einheit der Einzelwerte. Beispiel: Meßwerte: 4, 6, 5, 9 x1+ x2 + x3 + x4 x = 4 R = xmax - x min s = n (x - x ) i = 1 i n 1 2 i x i µ (µ-x i ) (µ-x i )² s = = 2, Summe = 14 Streubereich links und rechts vom Mittelwert Anzahl der Werte, die in diesem Streubereich liegen s 68,26 % 2s 95,45 % 3s 99,73 % 4s 99,994 % 5. Prozeßfähigkeit Prozeßfähigkeit nach Streuung: cp Toleranz erfüllt bei cpk > 1,33 cp = > 1,33 Prozeßfähigkeit nach Lage: cpk erfüllt bei cpk > 1,33 Krit ist der kleinste Abstand vom Mittelwert bis zur Toleranzgrenze. Nur der kleinere Wert Krit ist einzusetzen. Beispiel zur Bestimmung von cp, cpk: 6 s Krit cpk = > 1,33 3 s Krit = Abstand vom Mittelwert zur nahesten Grenze Gegeben: Nennmaß 0 +12/-9 Mittelwert µ = 2 Standardabw. σ =4 OGW = 12; UGW = -9 Toleranz = 21 Ergebnis Streuung: cp = T/6σ =21/6*4=0,875 Nicht prozeßfähig, da unter 1,33 Ergebnis Lage: cp k = (OGW - µ)/3 * σ = 10/3*4 = 0,833 Nicht prozeßfähig, da unter 1,33 Mittelwert µ = 2 UGW = -9 OGW = 12 Krit σ σ σ σ σ Abweichungen vom Nennmaß in µm Fo7S1S12.dtp Seite 4a - 2
3 % 236% 1 0 Schaumhöhe in cm T = charakteristische Lebensdauer T 1/2 = Halb wertszeit 0 0,5 1 1,5 2 2,5 3 3,5 Zeit in min Cloodt 6. Histogrammentwurf nach DIN Das Histogramm dient zur übersichtlichen Darstellung von Prüfergebnissen. Es liefert anschauliche Hinweise für die Form der Verteilung (Symmetrie, Ausreißer, aussortierte Teile, Vermischung von Fertigungslosen). Regel für die Histogrammerstellung: Die Norm empfiehlt eine gleichbleibende Klassenweite W. Sie wird nach folgender Formel berechnet. Spanne R W = = Anzahl der Meßwerte R n DIN-Regel: Die untere Grenze gehört zur Klasse, die obere nicht. Bei n >400 : Klassenzahl 20; Mindestklassenzahl = 5 Die unterste Klasse beginnt an der unteren Toleranzgrenze Urwertliste mit 25 Meßwerten des Außendurchmessers 10 n6 (+19/+10) (Abweichungen vom Nennmaß 10 in µm) R 9 W = = = 1,8 gerundet = 2 n 25 Strichliste und Häufigkeitstabelle Meß- Strichliste Häufig- Summenwert keit häufigkeit I IIII IIIII IIIII IIII IIIII I 1 25 Histogramm Toleranz Formelsammlung zum Arbeitsbuch Lehr und Lernmittelverlag Dipl.Ing.Thomas Cloodt Spessartweg Fuldabrück Tel.: Fax info@cloodt.de Informationen über Medien, Bücher, Arbeitsunterlagen für den technischen Unterricht unter Schaumhöhe in cm T T 1/2 Fo7S1S12.dtp Seite 4a - 3
4 7. Die Darstellung der theoretischen Verteilung Beispiel der Darstellung durch punktweise Berechnung oder mit EXCEL (Werte nach Beispiel Histogramm 10 n6 ( ) yo = Scheitelhöhe der Funktion (gewählt 10 cm), y wird mit untenstehender Formel berechnet, x-quer = Mittelwert, s = Standardabweichung (im Beispiel s = 1,33), x wird schrittweise von 9 bis 20 gewählt und y ausgerechnet. y = y 0 Wertetabelle x y 9 0,0 10 0,0 11 0,2 12 1,2 13 4,2 14 8,5 15 9,8 16 6,5 17 2,4 18 0,5 19 0,1 20 0,0 e (x - ) 2 - xi 2 s 2 Darstellung in EXCEL: =10*EXP(-((($B$51-D5)^2)/(2*$B$52^2))) 10 = Scheitelhöhe D5 = 1. Feld der x-werte $B$51 = Feld mit dem Mittelwert $B$52 = Feld mit der Standardabweichung YW2 0-2 Theor. Verteilung für 10 n6 ( ) UGW=10 Mittelwert 14, X-Werte in Mikrometern OGW=19 8. Wahrscheinlichkeit Die Anzahl fehlerhafter Teile in einer Charge ist binomialverteilt. Mit folgender Formel wird die Wahrscheinlichkeit, eine bestimmte Anzahl fehlerhafter Teile (oder auch die Anzahl der Nieten/Gewinne) zu finden, berechnet. g(x) n! x! (n - x)! Beispiel: p = 0,08 (8% Gewinne im Topf/Fehler in der Gesamtheit) n = 10 Anzahl der gezogenen Lose / Stichprobenzahl x = Zahl der erhofften Gewinne / Fehler in der Stichprobe g(x) = Wahrscheinlichkeit genau x Gewinne zu ziehen / Fehler zu finden Ergebnis: Die Wahrscheinlichkeit bei 10 gezogenen Losen genau 1 Gewinn zu erzielen beträgt 37,7% g(1) = 10 0,08 1 x n -x = p (1- p) 5! = 5 - Fakultät = (1-0,08) (10-1) = 0,377 = 37,7% Fo7S1S12.dtp Seite 4a - 4
5 9. Zu erwartender Fehleranteil in einer Fertigungsserie Sind die Kennwerte Mittelwert und Standardabweichung bekannt, läßt sich die Anzahl der Teile bestimmen, die außerhalb einer bestimmten Grenze liegen (theoretische Verteilung angenommen). Beispiel: Für die Serie des Histogramms (10 n6 ( ) soll ermittelt werden wieviele Teile über 16 µm liegen. Kennwerte: Mittelwert x-quer = 14,76 µm, Standardabw. s = 1,33 µm Formel für die Hilfsgröße u x = 16 (Maß für die die Überschreitungsanteile betimmt werden sollen. Ergebnis für Q(u): u = 16-14,76 1,33 = 0,93 Teileüber 16 µm nach Tabelle 17,1% der Teile liegen über 16 mm. Für die Berechnung der Teile die über/unter den Toleranzgrenzen ( ) liegen (Fehleranteil) ergeben sich die Werte 0,073% (unten) und 0,018% (oben), insgesamt also 0,093% Fehler oder 910 ppm. 17,1% x - x u = s Q(u) = Fehleranteil 1 u21 Q(u) t-tabelle für Vertrauensgrenzen 95% 99% n t t 5 2,776 4, ,571 4, ,447 3, ,365 3, ,306 3, ,262 3, ,228 3, ,179 3, ,145 2, ,093 2, ,064 2, ,045 2, ,023 2, ,010 2, ,001 2, ,990 2, ,984 2, ,976 2, ,972 2, ,965 2, Eingriffskriterien bei der Qualitätsregelkarte Bei folgenden Prozeßstörungen ist einzugreifen. 7 Werte OEG UEG OEG UEG 7 Werte UEG UEG OEG UEG OEG UEG Ausreißer OEG überschritten Trend 7 Werte in Folge nach oben Run 7 Werte in einer Hälfte Middle- Third zuviel im mittleren Drittel Middle- Third zuwenig im mittleren Drittel u Q(u) % u Q(u) % u Q(u) % in ppm 0,00 50,000 1,70 4,457 3,40 0, ,05 48,006 1,75 4,006 3,45 0, ,10 46,017 1,80 3,593 3,50 0, ,15 44,038 1,85 3,216 3,55 0, ,20 42,074 1,90 2,872 3,60 0, ,25 40,129 1,95 2,559 3,65 0, ,30 38,209 2,00 2,275 3,70 0, ,35 36,317 2,05 2,018 3,75 0, ,40 34,458 2,10 1,786 3,80 0, ,45 32,636 2,15 1,578 3,85 0, ,50 30,854 2,20 1,390 3,90 0, ,55 29,116 2,25 1,222 3,95 0, ,60 27,425 2,30 1,072 4,00 0, ,65 25,785 2,35 0,939 4,05 0, ,70 24,196 2,40 0,820 4,10 0, ,75 22,663 2,45 0,714 4,15 0, ,80 21,186 2,50 0,621 4,20 0, ,85 19,766 2,55 0,539 4,25 0, ,90 18,406 2,60 0,466 4,30 0, ,95 17,106 2,65 0,402 4,35 0, ,00 15,866 2,70 0,347 4,40 0, ,05 14,686 2,75 0,298 4,45 0, ,10 13,567 2,80 0,256 4,50 0, ,15 12,507 2,85 0,219 4,55 0, ,20 11,507 2,90 0,187 4,60 0, ,25 10,565 2,95 0,159 4,65 0, ,30 9,680 3,00 0,135 4,70 0, ,35 8,851 3,05 0,114 4,75 0, ,40 8,076 3,10 0,097 4,80 0, ,45 7,353 3,15 0,082 4,85 0, ,50 6,681 3,20 0,069 4,90 0, ,55 6,057 3,25 0,058 4,95 0, ,60 5,480 3,30 0,048 5,00 0, ,65 4,947 3,35 0,040 5,05 0,000 0 Fo7S1S12.dtp Seite 4a - 5
6 900 DM 800 DM 700 DM 600 DM 500 DM 400 DM 300 DM 200 DM 100 DM 0 DM 300 DM 560 DM 665 DM 755 DM 825 DM 894 DM DM Cloodt Die 7 Qualitätswerkzeuge Fehlersammelliste 0012.B Produktnummer: Produktbezeichnung: Rückwand Nr. Fehlerart Strichliste Gesamt Verschmutzung IIIII IIIII IIII Beulen III 3 3 Kratzer IIIII II 7 4Korrosion I 1 5 Fehlende IIIII IIIII 11 Teile I 6 Montagefehler II 2 7 Sonstiges III 3 Uhrzeit: Prüfzyklus: 8:00 bis 11:00 Datum: Stck je Tag Kontrolleur: Schulze Fehlersammelkarte Sie dient zur Darstellung von Fehlerart und Fehlerzahl. Man kann so Trends und Schwerpunkte der Fertigungsfehler feststellen. Histogramm Mit dem Histogramm können Prüfergebnisse übersichtlich dargestellt werden. Man kann auch abschätzen, ob eine normalverteilte Serie vorliegt. Qualitätsregelkarte Sie dient zur laufenden Kontrolle der Fertigung. Die häufigste Form ist die Xquer - R - Karte. Auf ihr wird der Mittelwert von Stichproben überwacht. Pareto-Diagramm Paretodiagramm Das Paretodiagramm soll helfen Wichtiges von Unwichtigerem zu trennen. Aus mehreren Fehlerursachen wird diejenige herausgefiltert, die den größten Einfluß hat. Ishikawa-Diagramm Diese Methode unterstützt ein Team bei der Zerlegung eines Problems in seine Ursachen. Dabei werden Abhängigkeiten zwischen Ursachen erkannt und Ursachengruppen zusammengefaßt. Brainstorming Brainstorming ist ein Instrument mit dem man die kreativen Fähigkeiten mehrerer Menschen anregen und zusammenführen kann. Korrelationsdiagramm Mit dem Korrelationendiagramm lassen sich Wechselbeziehungen zwischen zwei Einflußfaktoren finden. Fo7S1S12.dtp Seite 4a - 6
7 Cloodt 4a Formeln und Tabellen Wie werden die obere und untere Grenze des Vertrauensbereichs für µ berechnet? Vertrauensbereich µ u x-quer µ o Formel für die obere und untere Grenze: µ u = X - t s n µ o = X + t s n t = Student-Faktor aus Tabelle x-quer = Mittelwert der Stichprobe s = Standardabweichung (Streuung) der Stichprobe n = Anzahl der entnommenen Teile Die Tabelle für den t-faktor zeigt, daß t größer wird, wenn man die Aussagewahrscheinlichkeit (Vertrauensniveau) auf 99% steigert. Damit wird der Vertrauensbereich größer. Der Vertrauensbereich wird allerdings kleiner mit größerer Teilezahl n. Je größer das Vertrauensniveau, desto größer wird der Vertrauensbereich. Je größer die entnommene Teilezahl n, desto kleiner wird der Vertrauensbereich. Tabelle für t-faktor: 95% 99% n t t 5 2,776 4, ,571 4, ,447 3, ,365 3, ,306 3, ,262 3, ,228 3, ,179 3, ,145 2, ,093 2, ,064 2, ,045 2, ,023 2, ,010 2, ,001 2, ,990 2, ,984 2, ,976 2, ,972 2, ,965 2,586 4afo7s1s12.dtp Seite 4a - 7
8 Larson-Nomogramm Musterbeispiel Gegeben: Fehler in der Grundgesamtheit p = 0,08 Gesucht: Wie wahrscheinlich ist es, in einer Stichprobe von n = 10, bis zu 1 Fehler zu finden? Lösung: Linie von Links 0,08 über den Kreuzungspunkt n=10 und x=1 eine Linie bis nach G ziehen. Ergebnis: Die Wahrscheinlichkeit bis zu 1 Fehler (= 0 oder 1) zu finden, beträgt 0,81 = 81% Die Wahrscheinlichkeit genau 1 Fehler zu finden beträgt 81% minus 43% (für 0 Fehler) = 38% Fo7S1S12.dtp Seite 4a - 8
9 Stichprobenplan Los Los Prüfniveau Prüfniveau Kennbuchstabe Kennbuchstabe AQL-Zahl AQL-Zahl Stichpr.-Anweisung n-c Stichpr. Anweisung 1 n 1 -c 1 x x 1 <= c1 c 1 <x 1 <d 1 x 1 >= d 1 x<=c Annahme x>=d Rückweisung 2. Stichprobe n 2 =n 1 Prüfung n 1 +n 2 n x c d s c s d =Stichpr.Umfang =Fehlerzahl =Annahmezahl =Rückweisezahl (bei Einf.Stpr.:d=c+1) =Summe Annahmezahlen =Summe Rückweisez. x 1 +x 2 <= s C x 1 +x 2 >=s d Abb.: Ablaufschema für Einfach- und Doppel-Stichprobenplan nach DIN Annahme Rückweisung Fo7S1S12.dtp Seite 4a - 9
10 AQL-Tabellen AQL-Auswahl der Kennbuchstaben Qualitätive Stichprobenprüfung (zählende Prüfung ) nach DIN/ISO 2859 Losumfang besondere Prüfniveaus allgemeine Prüfniveaus 2859 S - 1 S - 2 S - 3 S - 4 I II III 2 bis 8 A A A A A A B 9 bis 15 A A A A A B C 16 bis 25 A A B B B C D 26 bis 50 A B B C C D E 51 bis90 B B C C C E F 91 bis150 B B C D D F G 151 bis 280 B C D E E G H 281 bis 500 B C D E F H J 501 bis1200 C C E F G J K 1201 bis 3200 C D E G H K L 3201 bis C D F G J L M bis C D F H K M N bis D E G I L N P bis D E G J M P Q und darüber D E H K N Q R Tabelle 1: AQL-Auswahl der Kennbuchstaben (zählende Messung) AQL-Auswahl der Kennbuchstaben Quantitätive Stichprobenprüfung (messende Prüfung ) nach DIN/ISO 3951 Losumfang besondere Prüfniveaus allgemeine Prüfniveaus 3951 S - 1 S - 2 S - 3 S - 4 I II III 2 bis 8 C 9 bis 15 B D 16 bis 25 ersten B C E Kennbuchstaben unter dem Pfeil 26 bis 50 verwenden C D F 51 bis90 B D E G 91 bis150 C E F H 151 bis 280 B D F G I 281 bis 500 C E G H J 501 bis1200 D F H J K 1201 bis 3200 E G I K L 3201 bis F H J L M bis G I K M N bis H J L N P bis H K M P P und darüber H K N P P Tabelle 2: AQL-Auswahl der Kennbuchstaben (Messend) Fo7S1S12.dtp Seite 4a - 10
11 Stichproben- Umf. n Qualitative (zählende) Stichprobenprüfung, Einfachpläne, normale Prüfung nach DIN/ISO 2859 (Auszug) frühere Norm DIN AQL-Zahl -----> Kennbuchstabe -----> Stichpr.Anweisung n - c 0,065 0,1 0,15 0,25 0,4 0,65 1 1,5 2,5 4 6, c d c d c d c d c d c d c d c d c d c d c d c d c d c d c d A B C D E F G H J K L M N P Q R Tabelle 3: AQL-Einfach-Stichprobenplan Kennbuchstabe Kennbuchstabe Stichproben- Umf. Qualitative (zählende) Stichprobenprüfung, Doppelpläne, normale Prüfung nach DIN/ISO 2859 (Auszug) frühere Norm DIN AQL-Zahl -----> Kennbuchst > Stichpr.Anweisung n - c 1 /d 1 - c 1+2 0,065 0,1 0,15 0,25 0,4 0,65 1 1,5 2,5 4 6, n c d c d c d c d c d c d c d c d c d c d c d c d c d c d c d A * A * B 1. 2 * B 2. 2 * * = entsprechende Einfachstichprobe C 1. 3 * anwenden C 2. 3 * D 1. 5 * D 2. 5 * E 1. 8 * E 2. 8 * F * F * G * G * H * H * J * J * K * K * L * L * M M N Stets erste N Stichprobenanweisung über/unter P der Pfeilspitze verwenden P Q Q R R Tabelle 4: AQL-Doppel-Stichprobenplan ISO 2859 einfach ISO 2859 doppelt Fo7S1S12.dtp Seite 4a - 11
12 Kennbuchstab e Messende Stichprobenprüfung DIN 3951, normale Prüfung nach DIN/ISO 3951 (Auszug) frühere Norm DIN AQL-Zahl -----> Kennbuchstabe -----> Stichpr.Anweisung n - k ISO 3951 x-σ-plan 0,1 0,15 0,25 0,4 0,65 1 1,5 2,5 4 n k n k n k n k n k n k n k n k n k B C 2 1,36 2 1,25 2 1,09 2 0,94 D 2 1,58 2 1,42 2 1,33 3 1,17 3 1,01 E 2 1,94 2 1,81 3 1,,69 3 1,56 3 1,44 4 1,28 4 1,11 F 3 2,19 3 2,07 3 1,91 4 1,80 4 1,69 4 1,53 5 1,39 5 1,20 G 4 2,39 4 2,30 4 2,14 5 2,05 5 1,88 6 1,78 6 1,62 7 1,45 8 1,28 H 5 2,45 5 2,34 6 2,23 6 2,08 7 1,95 7 1,80 8 1,68 9 1, ,31 I 6 2,49 6 2,37 7 2,25 8 2,13 8 1,96 9 1, , , ,34 J 8 2,54 9 2,45 9 2, , , , , , ,38 K 11 2, , , , , , , ,42 L 16 2, , , , , , , , ,46 M 22 2, , , , , , , , ,48 N 31 2, , , , , , , , ,51 P 42 2, , , , , , , , ,51 Tabelle 5: messende Prüfung, x-σ - Plan Kennbuchstabe Stichprobenumfang Messende Stichprobe DIN 3951, normale Prüfung nach DIN/ISO 3951 (Auszug) frühere Norm DIN AQL-Zahl -----> Kennbuchstabe -----> Stichpr.Anweisung n - k 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00 k k k k k k k k k k k B 3 1,12 0,958 0,765 0,566 C 4 1,45 1,34 1,17 1,01 0,814 0,617 D 5 1,65 1,53 1,40 1,24 1,07 0,874 0,675 E 7 2,00 1,88 1,75 1,62 1,50 1,33 1,15 0,995 0,755 F 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,828 G 15 2,42 2,32 2,20 2,05 1,91 1,79 1,65 1,47 1,3 1,09 0,866 H 20 2,47 2,36 2,24 2,11 1,96 1,82 1,69 1,51 1,33 1,14 0,917 I 25 2,50 2,40 2,26 2,14 1,98 1,85 1,72 1,53 1,35 1,16 0,936 J 35 2,54 2,45 2,31 2,18 2,03 1,89 1,76 1,57 1,39 1,18 0,969 K 50 2,60 2,50 2,35 2,22 2,08 1,93 1,80 1,61 1,42 1,21 1,00 L 75 2,66 2,55 2,41 2,27 2,12 1,93 1,84 1,65 1,46 1,24 1,03 M 100 2,69 2,58 2,43 2,29 2,14 2,00 1,86 1,67 1,48 1,26 1,05 N 150 2,73 2,61 2,47 2,33 2,18 2,03 1,89 1,70 1,51 1,29 1,07 P 200 2,73 2,62 2,47 2,33 2,18 2,04 1,89 1,70 1,51 1,29 1,07 Tabelle 6: messende Prüfung, x-s-plan Fo7S1S12.dtp Seite 4a - 12 ISO 3951 x-s-plan
AQL-Stichproben. Losgröße Prüfniveau AQL-Zahl. Stichprobenanweisung nach Tab 3 bzw 4
Um was geht es? Für Eingangs- Zwischen- und Endprüfungen müssen Stichprobensysteme gefunden werden. Diese werden durch die Normen ISO2859 und ISO3951 zur Verfügung gestellt. Wozu dient das Stichprobensystem?
Mehr9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte
QM-Übungsaufgaben 9. Übungen F1 Statistik: Mittelwert und Standardabweichung F2 Statistik: Median F3 Statistik: Kennwerte F4 Statistik: Kennwerte F5 Lebensdauer F6 Vertrauensgrenzen und Histogramm F7 Statistik:
MehrAQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)
9.3 Statistische Methoden der Warenannahme (AQL) AQL Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Um was geht es? Stichprobensysteme insbesondere für Eingangsprüfungen. Diese werden durch
Mehr4b. Wahrscheinlichkeit und Binomialverteilung
b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl
MehrQM-Übungsaufgaben und Fragen
QM-Übungsaufgaben und Fragen QM-Fragen F1 (15 Aufgaben Kennwerte) QM-Fragen F50 (13 Fragen) QM-Fragen F100 (43 Fragen) QM-Fragen F150 (40 Fragen) QM-Fragen F200 (17 Aufgaben Wahrscheinlichkeit) QM-Fragen
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
Mehrd) Ist bei Prozess 4 µ zeitlich konstant? Ist bei Prozess 4 σ 2 zeitlich konstant? Ist der Prozess 1 beherrscht? Ist der Prozess 2 beherrscht?
Statistik Kapitel 6 Übungen Stichworte: Qualitätssicherung, Qualitätsregelkarte, Prozessfähigkeit, AQL, Annahme-Stichprobenprüfung, Abnehmer-/Produzentenrisiko; Skript: Kapitel 6 Aufgabe 112: In vier verschiedenen
MehrPOCKET POWER. Qualitätssicherung Produktionsprozess
POCKET POWER Qualitätssicherung im Produktionsprozess Prüfdaten/Prüfaufzeichnungen 19 Was sind die Anforderungen an das Arbeitsergebnis aus der Sicht der Kunden? Was sind die Anforderungen der nächsten
MehrPareto-Analyse. 20% der Ursachen erzeugen oft 80% der Probleme.
900 DM 800 DM 700 DM 600 DM 500 DM 400 DM 200 DM 100 DM 0 DM 560 DM 665 DM 755 DM 825 DM 894 DM 4 1 7 6 3 5 2 943 DM Cloodt: Um was geht es? sammelliste 0012.B Produktnummer: Produktbezeichnung: Rückwand
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 126... 2 Aufgabe 127... 5 Aufgabe 128 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 129 (Klausuraufgabe SS 04)... 10 Aufgabe 130
MehrWahrscheinlichkeit und Binomialverteilung
und Binomialverteilung Umwas geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die? Häfigkeit der Fehlerzahl 9 6 5 3 2 Häufigkeit der Fehlerzahlen
MehrÜbungsaufgaben zu Kapitel 6
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... Aufgabe 133... Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137 (Überwachung
MehrGrundlagen der statistischen Prozessregelung (SPC)
Fachinformation Nr.: 2013-01 MeßTechnikNord GmbH Team Jena Prüssingstraße 41 07745 Jena Telefon: 03641-65-3780 Fax: 03641-65-3927 E-Mail: info@messtechniknord.de Internet http://www.messtechniknord.de
Mehr3k. Die Qualitätsregelkarte
3k Q-egelkarte 3k. Die Qualitätsregelkarte Worum geht es? Die Qualitätsregelkarte ist ein graphisches Instrument zur Überwachung eines Prozesses auf Stichprobenbasis. 7,1 7, 6,9 Etwas genauer: Die Prozessregelkarte
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 133... 2 Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137
MehrApplikationen für das Qualitätsmanagement
QUALITY-APPS Applikationen für das Qualitätsmanagement Die Normalverteilung Autor: Dr. Konrad Reuter Die Normalverteilung oder auch "GAUSS-Verteilung" nimmt eine zentrale Stellung in der praxisbezogenen
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
Mehr4L Die Normalverteilung
L. Normalverteilung L Die Normalverteilung Zufallsverteilungen lassen sich in der Natur gut beobachten, denn die Natur setzt bei ihrer Fortpflanzungsstrategie auf den totalen Überfluss. So ergab zum Beispiel
MehrN 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -
2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.
MehrAuszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag
Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag Inhalt: 1.0 Das Simulationsmodell 1 1.1 Simulation ebenen Maßketten 6 1.1.1 Simulation mit nichtlinearen Gliedern 7 1.2 Fazit
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrProzesskontrolle Modul 7 Dr.-Ing. Klaus Oberste Lehn Fachhochschule Düsseldorf Sommersemester 2012 Quellen www.business-wissen.de www.wikipedia.de www.sdreher.de 2012 Dr. Klaus Oberste Lehn 2 SPC Statistische
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
MehrStatistik. Mittelwert Standardabweichung s Spannweite R c P (c m )
Statistik Mittelwert Standardabweichung s Spannweite R c P (c m ) c P (c m ) x Inhalt Folie 1/17 x Der arithmetische Mittelwert aller Messwerte aus einer Stichprobe Mittelwert Folie 2/17 1 X = n n i= 1
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrM3: Messung von Bolzengewinde
Cloodt Qualitätsmanagement M3: Gewindemessung M3: Messung von Bolzengewinde Worum geht es? Bei 10 Werkstücken mit Außengewinde wird der Flankendurchmesser gemessen. Die Daten werden anschließend ausgewertet
MehrÜbungen mit dem Applet x /s-regelkarte nach Shewhart
x /s-regelkarte nach Shewhart 1 Übungen mit dem Applet x /s-regelkarte nach Shewhart 1 Statistischer Hintergrund... 2 1.1 Ziel und Vorgehensweise der x /s-regelkarte nach Shewhart...2 1.2 Kurzbeschreibung
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrAngewandte Statistik
Angewandte Statistik DGQ-Regionalkreis Karlsruhe-Pforzheim-Gaggenau 08.0.010 Reisevorbereitungen Wohin geht die Reise? Was muss ich beachten? Zeitplan Ressourcen Qualität (Komfort, Sicherheit) Wie kann
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskontrolle 6. Allgemeines Für die Qualitätskontrolle in einem Unternehmen (produzierendes Gewerbe, Dienstleistungsunternehmen, ) gibt es verschiedene Möglichkeiten. Statistische
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrMesswerte und deren Auswertungen
Thema: Messwerte und deren Auswertungen Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Stichproben vertrauen Die Genauigkeit von Voraussagen (Vertrauensniveau) einer Stichprobenprüfung hängt
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrQualität " Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen " ( DIN Teil 11 ).
Qualitätssicherung (Folien) - 1 - KN103..2001 QS beginnt: - Im Aufbau und Ausbau des Systems in allen Bereichen. - Betrifft jeden Mitarbeiter - Betrifft die Produktionsplanung - Betrifft die Gestaltung
MehrKlausurentraining Weiterbildung 5 Vorwort 7
Klausurentraining Weiterbildung 5 Vorwort 7 1. Grundlagen und Begriffe 15 Aufgabe 1: Historie des Qualitätsbegriffs 15 Aufgabe 2: Qualität (Begriff) 15 Aufgabe 3: Einheit (Begriff) 15 Aufgabe 4: Qualitätsanforderungen
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrQM-Übungsaufgaben und Fragen
QM-Fragen F1 (Kennwerte) QM-Übungsaufgaben und Fragen QM-Fragen F1 (15 Aufgaben Kennwerte) QM-Fragen F50 (13 Fragen) QM-Fragen F100 (43 Fragen) QM-Fragen F150 (40 Fragen) QM-Fragen F200 (17 Aufgaben Wahrscheinlichkeit)
MehrQ7: die sieben elementaren Qualitätswerkzeuge (nach Karuo Ishikawa)
Q. Brainstorming 2. Fehlersammelkarte 3. Histogramm 4. Korrelationsdiagramm 5. Paretodiagramm 6. Qualitätsregelkarte 7. Ursache-Wirkungsdiagramm Karuo Ishikawa 27.09.202 Q. Brainstorming Teambasierte Kreativitätstechnik
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
Mehrzu prüfen, die Mittelwerte zweier Stichproben sind ungleich.
Voraussetung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik notwendig. Weiterführende und verwandte Themen sind: www.versuchsmethoden.de/hypothesentests.pdf Einführung Mit
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche
MehrFragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen
ETH Zürich Seminar für Statistik Fragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen Dr. Werner Stahel Seminar für Statistik, ETH
MehrÜbungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
Mehr1 Fähigkeitskennwerte und deren Bedeutung
1 Fähigkeitskennwerte und deren Bedeutung (in Anlehnung an Textband DIHT Naturwissenschaftliche Grundlagen) 1.1 Fähigkeitsuntersuchungen Die Qualitätsforderungen in der Serien- und Massenfertigung können
MehrWahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle
Wahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle von Dipl.-Math. Regina Storm Mit 66 Bildern Zweite, überarbeitete und erweiterte Auflage VEB FACHBUCHVERLAG LEIPZIG
MehrPRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen
1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version
MehrUrsula Meiler DGQ-Regionalkreis
Von Toleranzen, Prüfmitteleignung und Prozessfähigkeit Interpretation von Daten durch Anwendung statistischer Methoden BEISPIEL 1 von Maßen, Toleranzen, Prüfmitteleignung und Prozessfähigkeit 2 1 Fokus
MehrWerkzeugschrank mit Standardwerkzeugen (Q7)
Werkzeugschrank mit Standardwerkzeugen (Q7) Ursachen- Wirkungsdiagramm Qualitätsregelkarte OEG OWG OEG = Obere Eingriffsgrenze UEG = Untere Eingriffsgrenze OWG = Obere Warngrenze UWG = Untere Warngrenze
MehrQuantifizierung in der Analytischen Chemie
Quantifizierung in der Analytischen Chemie in der Grundvorlesung Analytische Chemie Literatur: W. Gottwald, Statistik für Anwender, Wiley-VCH, Weinheim, 2000 Kapitel in: M. Otto, Analytische Chemie, 3.
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrStetige Wahrscheinlichkeitsverteilung
Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrFormeln und Tabellen. mathematischen Statistik
Formeln und Tabellen der mathematischen Statistik Zusammengestellt von Ulrich Graf und Professor Dr.-Ing, babil. Düsseldorr Hans Joachim Henning Dr. phi!. Rheydt-Odenklrohen Mit 9 Abbildungen Springer-Verlag
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrGrenzen für x -s-regelkarten
Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrKurseinführung. Qualitätsmanagement - Kurs. Um was geht es in diesem Heft?
Qualitätsmanagement - Kurs Um was geht es in diesem Heft? 1. Die Kursinhalte 2. Übersicht der Lehrgangshefte 3. Gründe für die zunehmende Einrichtung von QM-Systemen 4. Dezentrale Strukturen 5. Akkreditierung
MehrKapitel 3: QM in der Beschaffung Wiederholungs- und Verständnisfragen
Nennen Sie die Aufgaben des s im Beschaffungsprozess Nennen Sie die Punkte in einer vereinbarung Was ist ein Erstmuster Nennen Sie Aspekte einer Lieferantenbewertung für Wirtschaftsingenieure Grenzen der
MehrVon der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
Mehr7 Ergänzungen zum Training Qualitätsmanagement auf CD-ROM
7 Ergänzungen zum Training Qualitätsmanagement auf CD-ROM Die im Buch enthaltene CD-ROM kann mit einem Standard-PC mit dem Betriebssystem Microsoft Windows (98, Me, NT, 2000 oder XP) verwendet werden.
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
MehrBinomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
MehrMethoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0
Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I WS 009/010 Kapitel.0 Schritt 1: Bestimmen der relevanten Kenngrößen Kennwerte Einflussgrößen Typ A/Typ B einzeln im ersten Schritt werden
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
MehrAnleitung zum Applet
Anleitung zum Applet Wahrscheinlichkeitsnetz bearbeitet von: WS 2006/2007 E/TI-7, betreut von: Prof. Dr. Wilhelm Kleppmann Inhaltsverzeichnis Anleitung zum Applet... 1 1 Vorwort... 3 2 Grafische Benutzeroberfläche
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
Mehr2 Tabellen und Operationscharakteristiken
Seite 1 Anwenderhinweis 10 2 Tabellen und Operationscharakteristiken Tabelle Benennung 01 Hypergeometrische Verteilung 11 02 Binomialverteilung 14 03 Vertrauensbereiche für den Anteil fehlerhafter Einheiten
MehrBei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen!
Bei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen! t-test für Korrelationskoeffizient Einstichproben-t-Test Zweistichproben-t-Test F-Test Wilcoxon-Rangtest: tr t t2
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
Mehr2. Dosieren. H.-C. Langowski Lebensmittel-Verpackungstechnik (früher: Abfüll- und Verpackungstechnik 2) Dosieren
2. Dosieren Begriffsbestimmungen Dosieren: Unter Dosieren versteht man nach G. Vetter die nach Größe und zeitlicher Folge veränderliche Zuteilung von Stoffen in Produktionsprozessen. Die Dosierung wird
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrStatistische Verfahren
Edgar Dietrich/Alfred Schulze Statistische Verfahren zur Maschinenund Prozessq ual if i kation 4., überarbeitete Auflage, mit 334 Abbildungen und 63 Tabellen HANSER In hal tsverzeic h n is Unseren Ehefrauen...
MehrKennwerte zur Charakterisierung von Datenreihen. Mittelwerte
Kennwerte zur Charakterisierung von Datenreihen Um die häufig großen Datenmengen von Stichproben übersichtlich zu machen, lassen sich Kennwerte berechnen, welche diese Daten repräsentieren und charakterisieren.
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrBiometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen
Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
MehrTools for Business Success
Fachinfo & Tools aus der QUALITY MO ES Jeden Monat aktuelle Checklisten und Vorlagen! Testen Sie HIER 30 Tage gratis! Tools for Business Success Shewart Regelkarte x quer /s WISSEN. WERKZEUGE. TRAININGSUNTERLAGEN
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
Mehr