4. Statistik 4a. Formeln und Tabellen

Größe: px
Ab Seite anzeigen:

Download "4. Statistik 4a. Formeln und Tabellen"

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

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?

Mehr

9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte

9. 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:

Mehr

AQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)

AQL. 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

Mehr

4b. Wahrscheinlichkeit und Binomialverteilung

4b. 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

Mehr

QM-Übungsaufgaben und Fragen

QM-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

Mehr

Übungen mit dem Applet Rangwerte

Übungen 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

Mehr

d) 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?

d) 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

Mehr

POCKET POWER. Qualitätssicherung Produktionsprozess

POCKET 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

Mehr

Pareto-Analyse. 20% der Ursachen erzeugen oft 80% der Probleme.

Pareto-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

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: 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

Mehr

Wahrscheinlichkeit und Binomialverteilung

Wahrscheinlichkeit 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

Mehr

Übungsaufgaben zu Kapitel 6

Übungsaufgaben 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

Mehr

Grundlagen der statistischen Prozessregelung (SPC)

Grundlagen 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

Mehr

3k. Die Qualitätsregelkarte

3k. 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

Mehr

Messung von Rendite und Risiko. Finanzwirtschaft I 5. Semester

Messung 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

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: 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

Mehr

Applikationen für das Qualitätsmanagement

Applikationen 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

Mehr

Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger

Das 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

Mehr

4L Die Normalverteilung

4L 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

Mehr

N 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 - -

N 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.

Mehr

Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag

Auszug 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

Mehr

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Aussagen 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

Mehr

Prozesskontrolle 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

Mehr

Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient

Deskriptive 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.

Mehr

Statistik. Mittelwert Standardabweichung s Spannweite R c P (c m )

Statistik. 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

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=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

Mehr

M3: Messung von Bolzengewinde

M3: 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

Mehr

Übungen mit dem Applet x /s-regelkarte nach Shewhart

Übungen 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

Mehr

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005

Konfidenzintervall 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

Mehr

Sigma-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. 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

Mehr

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen 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

Mehr

Statistik für SozialwissenschaftlerInnen II p.85

Statistik 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

Mehr

Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg

Statistische 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

Mehr

Angewandte Statistik

Angewandte 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

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskontrolle 6. Allgemeines Für die Qualitätskontrolle in einem Unternehmen (produzierendes Gewerbe, Dienstleistungsunternehmen, ) gibt es verschiedene Möglichkeiten. Statistische

Mehr

Maurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2

Maurizio 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

Mehr

Messwerte und deren Auswertungen

Messwerte 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

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 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

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische 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

Mehr

Qualität " Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen " ( DIN Teil 11 ).

Qualität  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

Mehr

Klausurentraining Weiterbildung 5 Vorwort 7

Klausurentraining 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

Mehr

Kapitel 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. 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

Mehr

QM-Übungsaufgaben und Fragen

QM-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)

Mehr

Q7: die sieben elementaren Qualitätswerkzeuge (nach Karuo Ishikawa)

Q7: 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

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von 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

Mehr

zu prüfen, die Mittelwerte zweier Stichproben sind ungleich.

zu 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

Mehr

825 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?

825 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

Mehr

Unterrichtsmaterialien 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 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

Mehr

Fragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen

Fragebogen 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

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen 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

Mehr

1 Fähigkeitskennwerte und deren Bedeutung

1 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

Mehr

Wahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle

Wahrscheinlichkeitsrechnung 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

Mehr

PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen

PRAKTIKUM 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

Mehr

Ursula Meiler DGQ-Regionalkreis

Ursula 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

Mehr

Werkzeugschrank mit Standardwerkzeugen (Q7)

Werkzeugschrank mit Standardwerkzeugen (Q7) Werkzeugschrank mit Standardwerkzeugen (Q7) Ursachen- Wirkungsdiagramm Qualitätsregelkarte OEG OWG OEG = Obere Eingriffsgrenze UEG = Untere Eingriffsgrenze OWG = Obere Warngrenze UWG = Untere Warngrenze

Mehr

Quantifizierung in der Analytischen Chemie

Quantifizierung 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.

Mehr

Analytische Statistik II

Analytische 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.

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen 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

Mehr

Stetige Wahrscheinlichkeitsverteilung

Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische

Mehr

Statistik K urs SS 2004

Statistik 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

Mehr

Formeln und Tabellen. mathematischen Statistik

Formeln 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

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel 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

Mehr

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.

3.2 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

Mehr

Grenzen für x -s-regelkarten

Grenzen 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

Mehr

Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung

Verteilungen 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:

Mehr

Kapitel 2. Fehlerrechnung

Kapitel 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Kurseinführung. Qualitätsmanagement - Kurs. Um was geht es in diesem Heft?

Kurseinführung. 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

Mehr

Kapitel 3: QM in der Beschaffung Wiederholungs- und Verständnisfragen

Kapitel 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

Mehr

Von der Normalverteilung zu z-werten und Konfidenzintervallen

Von 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

Mehr

7 Ergänzungen zum Training Qualitätsmanagement auf CD-ROM

7 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.

Mehr

Statistische Grundlagen I

Statistische 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.

Mehr

Übungen mit dem Applet

Übungen 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

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von 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

Mehr

Zentraler Grenzwertsatz

Zentraler 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

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. 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,

Mehr

Binomialverteilung Vertrauensbereich für den Anteil

Binomialverteilung 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?...

Mehr

Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0

Methoden 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

Mehr

Zentraler Grenzwertsatz

Zentraler 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

Mehr

Anleitung zum Applet

Anleitung 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

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

2 Tabellen und Operationscharakteristiken

2 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

Mehr

Bei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen!

Bei 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

Mehr

Mittelwertvergleiche, Teil II: Varianzanalyse

Mittelwertvergleiche, 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

2. Dosieren. H.-C. Langowski Lebensmittel-Verpackungstechnik (früher: Abfüll- und Verpackungstechnik 2) Dosieren

2. 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

Mehr

Verteilung von Summen

Verteilung 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

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test 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

Mehr

Statistische Verfahren

Statistische 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...

Mehr

Kennwerte zur Charakterisierung von Datenreihen. Mittelwerte

Kennwerte 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.

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Statistische Messdatenauswertung

Statistische Messdatenauswertung Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender

Mehr

Bitte am PC mit Windows anmelden!

Bitte 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

Mehr

W-Seminar: Versuche mit und am Menschen 2017/2019 Skript

W-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

Mehr

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen

Biometrieübung 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

Mehr

Deskriptive Statistik

Deskriptive 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,

Mehr

Tools for Business Success

Tools 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

Mehr

absolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten

absolute 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