Die Bedeutung der Messunsicherheit bei der Konformitätsbewertung
|
|
- Hansi Frieder Auttenberg
- vor 7 Jahren
- Abrufe
Transkript
1 Eidgenössisches Justiz- und Polizeidepartement EJPD Bundesamt für Metrologie METAS Die Bedeutung der Messunsicherheit bei der Konformitätsbewertung PTB-Seminar, , BAM Berlin M. Zeier, METAS
2 Inhalt Worum geht es Normen und Richtlinien GUM Supplement: JCGM 106 Wahrscheinlichkeitsdichteverteilungen Konformitätswahrscheinlichkeit Sicherheitsabstand und Annahmegrenzen Spezifisches und globales Risiko 2
3 Worum geht es? Konformitätsbewertung Untersuchung ob ein Produkt, ein Prozess, ein System, eine Person oder eine Stelle gewisse Standards oder Bedingungen erfüllt. Beispiele Kalibrierung eines Gewichtsstückes und Bestätigung, dass dieses die Genauigkeitsanforderungen nach OIML Klasse F1 erfüllt; Eichung eines Schallpegelmessers mit Bestätigung, dass dieser den Anforderungen der Messmittelverordnung genügt; Prüfung eines Sicherheitsbauteiles und Bestätigung, dass dieses der europäischen Maschinenrichtlinie genügt. Messung der elektrischen Feldstärke und Überprüfung ob der geltende Grenzwert der NISV eingehalten ist. Überprüfung, ob die Spezifikationen bei der Produktion von elektrischen Widerständen eingehalten werden. 3
4 Toleranzgrenzen Man unterscheidet zwischen Einseitigen Toleranzintervallen konform nicht konform T U T L nicht konform konform Obere Toleranzgrenze Untere Toleranzgrenze Zweiseitigem Toleranzintervall nicht konform konform nicht konform T L T U Kompliziertere Fälle möglich (z.b. mehrdimensional) 4
5 Konformität und Messung Bei der Bewertung der Konformität einer Grösse oder eines Produktes mit vorgegebener Spezifikation sind Messungen meist ein integraler Bestandteil Zulässige Werte Spezifikation Nicht zulässige Werte Wertebereich Messung ohne Messunsicherheit. Konformitätsentscheid einfach Messung mit Messunsicherheit. Konform oder nicht konform? 5
6 Normen und Richtlinien SN EN ISO/IEC 17000:2005 Begriffe und allgemeine Grundlagen der Konformitätsbewertung Kein Hinweis darauf, wie und ob die MU berücksichtigt werden soll. SN EN ISO/IEC 17025:2005 Allgemeinen Anforderungen an die Kompetenz von Prüf- und Kalibrierlaboratorien «Bei Konformitätsaussagen muss die Messunsicherheit berücksichtigt werden» 6
7 Normen und Richtlinien ILAC-G8:2009 Guidelines on Reporting of Compliance with Specification Konformitätsaussage nur zulässig für Fälle bei denen die Messwerte inklusive Messunsicherheit klar innerhalb oder ausserhalb der Spezifikationsgrenzen liegen EURACHEM/CITAC Guide Use of uncertainty information in compliance assessment Diskutiert sehr allgemein Entscheidungsregeln unter Berücksichtigung von Sicherheitsabständen ( Guard Bands ). 7
8 Normen und Richtlinien SN EN ISO :2003 Statistical methods Guidelines for the evaluation of conformity with specified requirements Part 1: General Principles Berücksichtigung des Messunsicherheitsintervall bei der Bewertung der Konformität Unterscheidet folgende Fälle: - Konform - Nicht konform - Keine Aussage möglich 8
9 Normen und Richtlinien SN EN ISO :2005 Geometrische Produktspezifikationen (GPS) - Prüfung von Werkstücken und Messgeräten durch Messen - Teil 1: Entscheidungsregeln für die Feststellung von Übereinstimmung oder Nichtübereinstimmung mit Spezifikationen (2) (3) (1) (3) (2) konform (innerhalb Spezifikation) nicht konform (ausserhalb Spezifikation) keine Konformitätsaussage möglich Sollwert Toleranz Messunsicherheit Basierend auf 95% MU-Intervallen 9
10 JCGM Joint Committee for Guides in Metrology Publiziert: - JCGM 100:2008. Guide to the expression of uncertainty in measurement, (GUM) - JCGM 101:2008. Evaluation of measurement data Supplement 1 to the Guide to the expression of uncertainty in measurement Propagation of distributions using a Monte Carlo method - JCGM 102:2011. Evaluation of measurement data Supplement 2 to the Guide to the expression of uncertainty in measurement Extension to any number of output quantities Draft: JCGM 106. Evaluation of measurement data - The role of measurement uncertainty in conformity assessment 10
11 JCGM 106 JCGM 106. Evaluation of measurement data Supplement 3 to the Guide to the expression of uncertainty in measurement Evaluation of measurement data - The role of measurement uncertainty in conformity assessment Basiert auf klarem mathematischem Konzept Stellt die messbasierte Konformitätsbewertung auf ein wahrscheinlichkeitstheoretisches Fundament Erweitert den Ansatz von ISO um den Begriff der Konformitätswahrscheinlichkeit und behandelt den Begriff des Risikos Das Dokument beschränkt sich auf Skalare Messgrössen Ein- oder zweiseitiges Toleranzintervall Binäre Entscheidung: Konform / Nicht konform 11
12 Messunsicherheit nach GUM X 1 X 2 X 3 Eingangsgrössen u X u X,, 1 2 Standardunsicherheiten f Messmodell Y Ausgangsgrössen f 2 f 2 u Y u X1 u X 2 X1 X2 Lineare Fortpflanzung 95% Y Erweiterte Messunsicherheit (1.96) U Y u Y 12
13 Wahrscheinlichkeitsdichteverteilung Probability Density Function (PDF) - Mass für die Kenntnis über die Messgrössen - Die Messgrösse wird als Zufallsvariable betrachtet deren Streuung durch die PDF beschrieben wird - Kenngrössen: - Mittelwert y - Standardabweichung σ = Standardunsicherheit u y Normalverteilung g η = 1 2 η y exp σ 2π 2σ 2 PDFs spielen zentrale Rolle bei der Konformitätsbewertung nach JCGM
14 Wahrscheinlichkeitsaussage Wahrscheinlichkeit, dass sich Messgrösse im Intervall [a,b] befindet ist durch die Fläche der normierten Verteilung zwischen a und b gegeben Gauss Pr a Y b = 1 σ 2π a b exp η y 2 2σ 2 dη Nicht analytisch lösbar! z.b. Bedeckungsintervall der erweiterten Messunsicherheit 14
15 Kulminierte Standardnormalverteilung φ 0 z = 1 2π exp t2 2 z Φ z = φ 0 z dt z tabellarisiert! Pr a Y b = Φ b y σ Φ a y σ 15
16 Konformitätswahrscheinlichkeit Durch die Fläche der PDF der Messgrösse gegeben, die zwischen den Toleranzgrenzen liegt. Konformitätswahrscheinlichkeit für Normalverteilung: p c = Φ T U y u Φ T L y u Berechnung der Konformitätswahrscheinlichkeit bedingt im Allgemeinen die Kenntnis der PDF. Prinzip gilt allgemein für alle Verteilungen 16
17 Beispiel für Konformitätswahrscheinlichkeit Geschwindigkeitsmessung: Geschwindigkeitsbegrenzung: T U = 80 km/h Gemessener Wert: y = 82 km/h Messunsicherheit: u y = 1 km/h Konformitätswahrscheinlichkeit: (Normalverteilung) p c = Φ T U y = Φ 2 = (2.2%) u(y) z 17
18 Konformitätswahrscheinlichkeit ohne PDF Wenn nur die erweiterte Messunsicherheit (mit Bedeckungsgrad) der Messgrösse bekannt ist kann die Konformitätswahrscheinlichkeit nur eingeschränkt oder gar nicht angegeben werden. Beispiel für einseitige Toleranzgrenze: konforme Werte 95%-Bedeckungsintervall p c kann nicht entschieden werden p c p c T PTB-Seminar, BAM Berlin M. Zeier: "Die Bedeutung U der Messunsicherheit bei der Konformitätsbewertung" 18
19 Konformitätswahrscheinlichkeit und Risiko Die wahrscheinlichkeitsbasierte Betrachtung der Konformität ermöglicht die Quantifizierung des Risikos einer Fehlbewertung Beispiel einer Messung bei einseitigem Toleranzintervall: Konformitätswahrscheinlichkeit: 88% Bei Annahme beträgt das Risiko der Fehlbewertung 12% Das Risiko lässt sich durch die Wahl von Annahmegrenzen und Sicherheitsabständen steuern 19
20 Annahmeintervall und Sicherheitsabstand Zur Verminderung einer fälschlichen Annahme oder einer fälschlichen Ablehnung kann ein Sicherheitsabstand definiert werden Toleranzintervall nicht konform konform nicht konform T L A L Annahmeintervall A U T U Sicherheitsabstand Toleranzabzug Sicherheitsabstand: - kann positiv oder negativ sein. - oft in Einheiten der (erweiterten) Messunsicherheit 20
21 Risikobegriffe Die Risikobegriffe, die hier vorgestellt werden, beziehen sich auf Entscheidungen, die basierend auf Messdaten gefällt werden. In einem anderen Zusammenhang (z.b. betriebswirtschaftliche Risikoanalyse) werden dieselben Begriffe eventuell unterschiedlich benutzt. - Konsumenterisiko - Produzentenrisiko - Spezifisches Risiko - Globales Risiko 21
22 Resultate der Konformitätsbewertung Einseitige Annahmeund Toleranzgrenzen a) Korrekte Annahme b) Falsche Annahme Konsumentenrisiko c) Korrekte Rückweisung d) Falsche Rückweisung Produzentenrisiko 22
23 Konsumenten- und Produzentenrisiko Begriffe basieren auf der Idee, dass der Konformitätsbewertung ein Produktionsprozess zugrunde liegt. z.b. industrielle Fertigung, Nahrungsmittelproduktion Der Konsument hat ein gewisses Risiko, dass der Gegenstand, den er erhält, nicht konform ist, obwohl er bei einem Inspektionsprozess als konform bewertet wurde. Der Produzent hat ein gewisses Risiko, dass ein Gegenstand durch den Inspektionsprozess fälschlicherweise als Ausschuss deklariert wird. Konsument und Produzent bei Geschwindigkeitskontrolle? 23
24 Spezifisches Risiko Die Wahrscheinlichkeit der Fehleinschätzung der Konformität basierend auf einer konkret durchgeführten Messung. z.b. Geschwindigkeitsmessung: Ermittlung von einem konkreten Geschwindigkeitswert Konformitätsentscheid Risiko der Fehleinschätzung Spezifisches Konsumentenrisiko Spezifisches Produzentenrisiko 24
25 Berechnung des spezifischen Risikos Spezifisches Konsumentenrisiko: R C = Fläche von g η ausserhalb der Toleranzgrenzen: R C = 1 p c Konformitätswahrscheinlichkeit Spezifisches Produzentenrisiko: R P = Fläche von g η innerhalb der Toleranzgrenzen: R P = p c 25
26 Spezifisches Risiko und Sicherheitsabstand Die spezifischen Risiken hängen vom Messwert ab hängen vom Sicherheitsabstand ab Sind maximal bei y = A U Konsumentenrisiko Festlegung des Sicherheitsabstandes beeinflusst die maximalen Risiken in komplementärer Weise. Positiver Sicherheitsabstand verkleinert Konsumentenrisiko und erhöht Produzentenrisiko Negativer Sicherheitsabstand verkleinert Produzentenrisiko und erhöht Konsumentenrisiko. Kein Sicherheitsabstand: «Geteiltes Risiko» Produzentenrisiko 26
27 Maximale spezifische Risiken (%) Maximales spezifisches Risiko Sicherheitsabstandsfaktor: r = T U A U U pdf Messung: Normalverteilung p c = Φ T U y u für y = A U : p c = Φ 2r Max. spez. Risiken: R C = 1 Φ 2r R P = Φ 2r Konsument Produzent Sicherheitsabstandsfaktor r Maximale spezifische Risiken bei y = A U für ein einseitiges Toleranzintervall 27
28 Globales Risiko Die mittlere Wahrscheinlichkeit der Fehleinschätzung basierend auf einem Messprozess. oder Die mittlere Wahrscheinlichkeit einer Fehlbewertung über eine grosse Anzahl durchgeführter Messungen hinweg oder Die mittlere Wahrscheinlichkeit der Fehlbewertung durch eine zukünftige Messung Wichtig für Planung, globale Auswirkung Globales Konsumentenrisiko Globales Produzentenrisiko 28
29 Vorkenntnis über Messgrösse Eine Vielzahl von Messwerten möglich Unterschiedlichste spezifische Risiken Bei Kenntnis der möglichen Werte der Messgrösse kann man über spezifische Risiken mitteln Globales Risiko (mittleres Risiko der Fehlbewertung) z.b: Geschwindigkeitskontrolle Die möglichen Geschwindigkeiten müssen auf einen Bereich beschränkt werden, sonst wird globales Risiko beliebig klein, da völlig unsinnige Werte bei der Risikobewertung berücksichtigt werden 29
30 Produktions- und Messprozess Benötigte Kenntnis zur Berechnung des globalen Risikos: Die Werte η, welche die Messgrösse annehmen kann charakterisiert durch die Streuung des Produktionsprozess Die Messwerte η m, welche bei der Messung auftreten können charakterisiert durch die Messunsicherheit des Messprozess Die beiden Prozesse sind nicht unabhängig voneinander und könne durch eine zweidimensionale PDF dargestellt werden: f η, η m = g 0 η h η m η g 0 η : Produktionsprozess h η m η : Messprozess 30
31 Beispiel Fertigung Produktion von Präzisionswiderständen Nominaler Produktionswert: y 0 = 1500 Ω Toleranzgrenzen: T L = Ω T U = Ω. Messung der Streuung in der Produktion mit hochgenauem Ohmmeter Normalverteilung mit Standardabweichung von σ 0 = 0.12 Ω ca. 10% nichtkonforme Widerstände Nicht akzeptabel Produktionsprozess Inspektionsprozess: Schnelles Ohmmeter mit u m = 0.04 Ω (Normalverteilung) Annahmegrenzen: A L = Ω A U = Ω Sicherheitsabstandsfaktor: r = = 0.25 Messprozess 31
32 Berechnung des globalen Risikos Integration der zweidimensionalen Verteilung: Globales Konsumentenrisiko Integration über Messwerte im Annahmebereich (A) und Werte der Messgrösse (Produktionswert) ausserhalb des Toleranzbereichs (C) R C = C A g 0 η h η m η dη m dη (= 0.99%) Globales Produzentenrisiko Integration über Messwerte ausserhalb des Annahmebereichs (A) und Werte der Messgrösse (Produktionswert) im Toleranzbereichs (C) R P = C A g 0 η h η m η dη m dη (= 6.90%) 32
33 Sicherheitsabstände basierend auf Risikoanalyse Bis jetzt: Berechnung der globalen Risiken in Abhängigkeit von Mess- und Produktionsprozess Annahme- und Toleranzgrenzen Oft aber: Tolerierbares Maximalrisiko wird festgelegt. Basierend darauf Festlegung von Sicherheitsabstand Anforderung an Messgeräte Inverses Problem (schwierig!) Graphische Näherungslösungen 33
34 METAS Konformitätskurs 1. Kurstag 2. Kurstag Zeit Dauer Thema 09:00 5' Begrüssung Organisatorisches, Vorstellung Referenten 09:05 50' Einleitung, Motivation Begriffe, Normenforderungen, gesetzliche Bestimmungen, Einführung in die Beispiele 09:55 25' Wahrscheinlichkeit und Statistik Grundbegriffe 10:20 20' Kaffeepause 10:40 60' Messunsicherheit Einführung in das GUM Standardverfahren 11:40 40' Gruppenarbeit zu Modul MK-2 Messunsicherheit 12:20 80' Mittagessen Zeit Dauer Thema 09:00 40' Strassenverkehrsmessmittel Praxisbericht 09:40 40' Risikoanalyse und Grenzwerte 10:20 20' Kaffeepause Konsumenten- und Produzentenrisiko, spezifisches und globales Risiko 10:40 20' Risikoanalyse und Grenzwerte Fortsetzung 11:00 40' Atemalkoholmessgeräte Praxisbericht 11:40 40' Gruppenarbeit zu Modul MK-4 Risikoanalyse 12:20 80' Mittagessen 13:40 40' Gruppenarbeit zu Modul MK-2 Fortsetzung 14:20 60' Konformität und Wahrscheinlichkeit Annahmewahrscheinlichkeit, Prozess- und Messfähigkeitsindex, Annahmeintervalle 15:20 20' Kaffeepause 15:40 80' Gruppenarbeit zu Modul MK-3 Konformitätswahrscheinlichkeit 17:00 Ende des 1. Tages 13:40 40' Gruppenarbeit zu Modul MK-4 Fortsetzung 14:20 40' Elektromagnetische Strahlung, NISV Praxisbericht 15:00 20' Abschlussdiskussion 15:20 20' Kaffeepause 15:40 50' Laborbesuche Atemalkohol, Strassenverkehr, EMV, Wattwaage, Zeit und Frequenz PTB-Seminar, BAM Berlin M. Zeier: "Die Bedeutung 16:30 der Messunsicherheit Kursende bei der Konformitätsbewertung" 34
35 Zusammenfassung JCGM106 stellt Konformitätsbewertung auf ein wahrscheinlichkeitstheoretisches Fundament Zentrales Konzept ist die Darstellung der Kenntnis über die Messgrösse als Wahrscheinlichkeitsdichteverteilung Auswertung der Verteilung erlaubt Aussage über Konformitätswahrscheinlichkeit und Risiken 35
Konformitätsaussagen nach JCGM 106. M. Zeier, METAS
Konformitätsaussagen nach JCGM 106 M. Zeier, METAS Inhalt Worum geht es GUM-Dokument: JCGM 106 Messunsicherheiten und PDFs Konformitätswahrscheinlichkeit Risiko, Sicherheitsabstand und Annahmegrenze PTB-Seminar,
MehrEntscheidungsregeln bei Konformitätsaussagen in Kalibrierzertifikaten
Eidgenössisches Departement für Wirtschaft, Bildung und Forschung WBF Staatssekretariat für Wirtschaft SECO Schweizerische Akkreditierungsstelle SAS Entscheidungsregeln bei Konformitätsaussagen in Kalibrierzertifikaten
MehrEntschieden unsicher Konformitätsaussagen in DAkkS- Kalibrierscheinen
Entschieden unsicher Konformitätsaussagen in DAkkS- Kalibrierscheinen 17. März 2016, Berlin 1 Dr. Marc Talkenberg - Abteilung Metrologie, Standort Braunschweig Inhalt Normen und Richtlinien zu Konformitätsaussagen
MehrPaul Winkler CASSIDIAN, COPMB7, Calibration (DKD-Kalibrierstelle DKD-K-01901) / Electrics, Manching
Konformitätsbewertung -Einführung Paul Winkler CASSIDIAN, COPMB7, Calibration (DKD-Kalibrierstelle DKD-K-01901) / Electrics, Manching Martin Czaske DAkkS, Abteilung 5 Metrologie, Braunschweig 1 Inhalt
MehrKonformitätsaussagen in Kalibrierzertifikaten
Eidgenössisches Departement für Wirtschaft, Bildung und Forschung WBF Staatssekretariat für Wirtschaft SECO Schweizerische Akkreditierungsstelle SAS Konformitätsaussagen in Kalibrierzertifikaten Dokument
MehrImpulsvortrag Konformitätsbewertung
Labor- und Managementkonferenz 06.03.2018 Impulsvortrag Konformitätsbewertung Arnt König 1 MEHR SERVICE, MEHR SICHERHEIT. Testo Industrial Services Gründungsjahr 1999 Mehr als 800 Mitarbeiter 7 Service
MehrKonformitätsbewertung bei Kalibrierungen
Symposium für Kalibrierung und Prüfmittelmanagement am 22.09.2016 Konformitätsbewertung bei Kalibrierungen Interpretation der normativen Anforderungen aus ILAC-G8: 03/2009, DAkkS-DKD-5 und DIN EN ISO 14253-1:2013-12
MehrErmittlung der Messunsicherheit und Anwendung der Monte-Carlo-Methode in GUMsim
Ermittlung der Messunsicherheit und Anwendung der Monte-Carlo-Methode in GUMsim PTB-Seminar 308 Felix Straube, QuoData GmbH Berlin, 16.03.2018 Gliederung GUM Verfahren Monte-Carlo-Methode Prinzip der Messunsicherheitsbestimmung
MehrBerechnung der Messunsicherheit Empfehlungen für die Praxis
308. PTB-Seminar Berechnung der Messunsicherheit Empfehlungen für die Praxis 15. und 16. März 2018 in der PTB Berlin Dr.-Ing. Michael Hernla Erweiterte Messunsicherheit bei nicht korrigierten systematischen
Mehr1 Entscheidungsregeln zur Konformitätsbewertung und Risikobewertung (informativ, bindend) Anhang B 1
Anhang B 1 Entscheidungsregeln zur Konformitätsbewertung und Risikobewertung (informativ, 3.3.2 bindend) 2 Inhalt Anhang B 1 1 Entscheidungsregeln zur Konformitätsbewertung und Risikobewertung (informativ,
MehrErweiterte Messunsicherheit
Erweiterte Messunsicherheit Gerd Wübbeler, Stephan Mieke PTB, 8.4 Berechnung der Messunsicherheit Empfehlungen für die Praxis Berlin, 11. und 12. März 2014 Gliederung 1. Was gibt die erweiterte Messunsicherheit
MehrBenutzerfreundliche QMSys GUM Software zur praxisorientierte und normgerechte Ermittlung der Messunsicherheit
GUM Enterprise / Professional / Excel AddIn GUMX Benutzerfreundliche QMSys GUM Software zur praxisorientierte und normgerechte Ermittlung der Messunsicherheit Messmodell Stefan Golemanov Qualisyst GmbH
MehrMonte-Carlo-Verfahren nach GUM Supplement 1. Gerd Wübbeler Physikalisch-Technische Bundesanstalt
Monte-Carlo-Verfahren nach GUM Supplement 1 Gerd Wübbeler Physikalisch-Technische Bundesanstalt 1 Inhalt Wahrscheinlichkeitsverteilungen Monte-Carlo Verfahren Beispiele Adaptive Monte-Carlo Verfahren Warum
MehrMessunsicherheit für Prozesse GUM-konforme Fähigkeitsbestimmung für Messprozesse
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Messunsicherheit für Prozesse GUM-konforme Fähigkeitsbestimmung für Messprozesse Teresa Werner 293. PTB- Seminar Berlin
MehrVereinfachte Modelle Messunsicherheit fürs Labor
esz AG - Praxis Vereinfachte Modelle Messunsicherheit fürs Labor Schriften Messunsicherheit vollständige Lösungen (Schreibtisch) GUM = ISO Guide to the Expression of Uncertainty in Measurement DAkkS /
MehrGrundlagen der Berechnung von Messunsicherheiten
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Grundlagen der Berechnung von Messunsicherheiten Teresa Werner Munich Calibration Day München 1 Konzept der Messunsicherheit
MehrAnalyse der Risiken fehlerhafter Entscheidungen bei Konformitätsbewertungen mittels Software
Analyse der Risiken fehlerhafter Entscheidungen bei Konformitätsbewertungen mittels Software QMSys GUM Enterprise, Professional Software zur Analyse der Messunsicherheit Einführung Normen und Richtlinien
MehrRückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität
Rückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität Testo Industrial Services - 2016 Arnt König 1 Agenda 1 Das Kalibrierzertifikat - Musterdokument der Testo
MehrRückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität. Testo Industrial Services
Rückführbarkeit & Interpretation von Kalibrierergebnissen Inhalte, Zusammenhänge & Konformität Testo Industrial Services - 2015 Arnt König 1 Agenda 1 Das Kalibrierzertifikat - Musterdokument der Testo
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrGrundlagen der Messunsicherheitsanalyse Das ABC der Messunsicherheitsbudgets
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Grundlagen der Messunsicherheitsanalyse Das ABC der Messunsicherheitsbudgets Teresa Werner Munich Calibration Day München
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
MehrBegleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen
Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.
MehrVereinfachte Messunsicherheit im Labor
esz AG - Praxis Vereinfachte im Labor Inhalt praxisgerecht und vereinfacht im Labor Mathematik vom Schreibtisch ins Labor Ursachen für Berechnung theoretisch praktisch Angabe der in Kalibrierscheinen und
MehrAktuelle Entwicklungen des GUM
Physikalisch-Technische Bundesanstalt Braunschweig und Berlin Nationales Metrologieinstitut Aktuelle des GUM K. Klauenberg Physikalisch-Technische Bundesanstalt, Berlin und Braunschweig Hintergrund JCGM
MehrILNAS-EN ISO :1998
Geometrische Produktspezifikation (GPS) - Prüfung von Werkstücken und Meßgeräten durch Messen - Teil 1: Entscheidungsregeln für die Feststellungen von Übereinstimmung oder Nichtübereinstimmung mit Spezifikationen
MehrMessunsicherheit von Koordinatenmessungen Abschätzung der aufgabenspezifischen Messunsicherheit mit Hilfe von Berechnungstabellen
Lometec GmbH & Co.KG Herbert-Wehner Str.2 An alle Interessierten Unser Zeichen: We Ansprechpartner : J. Werkmeister Fon: 02307-28736-75 Datum 22.01.2013 Fachseminar am 22. und 23.April 2013 hier in Kamen
MehrCTC advanced Dipl.-Ing. Peter-J. SIKORA. Test Tailoring
CTC advanced Dipl.-Ing. Peter-J. SIKORA Test Tailoring Ablauf und Darstellung der Verfahrensweise für den Zertifizierungsprozess von Geräten und Komponenten, im Hinblick auf die Einhaltung von normativen
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse PHY31 Herbstsemester 016 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrMessunsicherheit und Entscheidungsregeln in der neuen DIN EN ISO/IEC Martin Czaske, Magda Kemper
Messunsicherheit und Entscheidungsregeln in der neuen DIN EN ISO/IEC 17025 Martin Czaske, Magda Kemper Inhalt 1. Entscheidungsregel: Definition 2. Rolle der Messunsicherheit bei der metrologischen Rückführbarkeit
Mehrvon Prof. Dr. P. H. Osanna, Prof. Dr. N. M. Durakbasa, Dr. techn. L. Kräuter Inhalt
Geometrische Produktspezifikation und -Verifikation "GPS" und Messunsicherheit nach "GUM" als Basis moderner Metrologie im fortschrittlichen Produktionsbetrieb von Prof. Dr. P. H. Osanna, Prof. Dr. N.
MehrRichtlinie E-16. Angabe der Messunsicherheit in Eichscheinen. Einleitung
BEV-Ermächtigungsstelle, Arltgasse 35, A-1160 Wien Richtlinie E-16 Angabe der Messunsicherheit in Eichscheinen Einleitung Diese Richtlinie beschreibt, wie die Messunsicherheit in Eichscheinen anzugeben
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrLängenmessung, Toleranzen und Messunsicherheit
Seite 1 von 22 Längenmessung, Toleranzen und Messunsicherheit Wolfgang Knapp IWF, ETH Zürich Leiter Messtechnik Tannenstrasse 3, CLA G11.2 8092 Zürich Tel 052 680 2504 knapp@iwf.mavt.ethz.ch Seite 2 von
Mehr> *-. 5#.$5 # #...&#.$&&;-.&$% 5 #.%$? 5#.$5 #?#...&#.$&;;#9&, >!$,02116/
01&232&42!%;620352150" #-*9 #!"#$%& '(&!")'( #!#!$# >!> C!;!D$#D#E!# > F> C#DD 5#.$##620352750".8$$#9#- %$ #*#& :;;## ** *-. 5#.$5 # #...&#.$&&;-.&$% 5 #.%$? 5#.$5 #?#...&#.$&;;#9&,
MehrAuswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
MehrMessunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien
Messunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien *) Guide to the Expression of Uncertainty in Measurement - F 1 Einführung und Motivation Gliederung: 1. Notwendigkeit und Nutzen der
MehrMessen und Beurteilen in der Praxis
Messen und Beurteilen in der Praxis Dr.sc.nat. Markus Zingg Umwelt-Toxikologie-Information Schaffhausen !? Wer misst misst Mist!? Eine Messung muss zielorientiert durchgeführt werden Eine Messung ist immer
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
MehrNATÜRLICHE UND KÜNSTLICHE RADIONUKLIDE IN UNSERER UMWELT
ISSN 1013-4506 FS-2010-153-T Fachverband für Strahlenschutz e.v. Mitgliedsgesellschaft der Publikationsreihe International Radiation FORTSCHRITTE Protection Association IM STRAHLENSCHUTZ (IRPA) für die
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
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
Mehrvon Prof. Dr. P. H. Osanna, Prof. Dr. N. M. Durakbasa, Dr. techn. L. Kräuter Inhalt
Geometrische Produktspezifikation und -Verifikation "GPS" und Messunsicherheit nach "GUM" als Basis moderner Metrologie im fortschrittlichen Produktionsbetrieb von Prof. Dr. P. H. Osanna, Prof. Dr. N.
MehrMessunsicherheit in der Mikrobiologie (Trinkwasser) Dr. K. Luden. Disclaimer. kein Anspruch auf vollständige Bearbeitung des Themas
Messunsicherheit in der Mikrobiologie (Trinkwasser) Roesebeckstr. 4-6 30449 Hannover Fon 0511/4505-0 Fax 0511/4505-140 Dr. K. Luden Lüchtenburger Weg 24 26603 Aurich Tel. 04941/9171-0 Fax 04941/9171-10
MehrDienstleistungen Labor Hydrometrie
Eidgenössisches Institut für Metrologie METAS CH-3003 Bern-Wabern, 17. Juni 2015 Dienstleistungen Labor Hydrometrie Gültig ab: 01.06.2015 Im Labor für Hydrometrie kalibrieren Ihre hydrometrischen Messgeräte
MehrIn den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
MehrNorthwest workshop Uncertainty in sampling April 2007 Kopenhagen
Northwest workshop Uncertainty in sampling 12.-13. April 2007 Kopenhagen urh, 07.05.2007 Themen (1) Einführung zu Messtechnik, Messunsicherheit und Unsicherheit der Probenahme Nordtest guide on sampling
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
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
MehrEignungsnachweis von Prüfprozessen
Edgar Dietrich/Alfred Schulze Eignungsnachweis von Prüfprozessen Prüfmittelfähigkeit und Messunsicherheit im aktuellen Normenumfeld 4., überarbeitete Auflage HANSER Inhalt i Vorwort Vorwort zur 2. Auflage
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY231) Herbstsemester 2015 Olaf Steinkamp 36-J-22 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrVerordnung des EJPD über audiometrische Messmittel
Verordnung des EJPD über audiometrische Messmittel (Audiometrieverordnung) vom 9. März 2010 Das Eidgenössische Justiz- und Polizeidepartement (EJPD), gestützt auf Artikel 9 Absatz 2 des Bundesgesetzes
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
MehrBestimmung von Messunsicherheiten nach GUM bei Kalibrierungen. Praxisworkshop/Seminar. Testo Industrial Services Mehr Service, mehr Sicherheit.
12.02.-13.02.2019, Kirchzarten bei Freiburg 30.04.2019, A-Wien (nur 1 Tag) 02.07.-03.07.2019, Kirchzarten bei Freiburg 22.10.-23.10.2019, Kirchzarten bei Freiburg Praxisworkshop/Seminar Bestimmung von
MehrMessunsicherheit. Irrtümer und Erklärungen
Messunsicherheit Irrtümer und Erklärungen Inhalt Schon immer begleitet den Messtechniker die Wahrheit: Wer misst, misst Mist. Nun wird ergänzt: Messunsicherheit ist nicht die Sorge, beim Messen unsicher
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrUnsicherheit - Konzept und Auswirkungen für Normung und Strahlenschutz Rolf Behrens
Unsicherheit - Konzept und Auswirkungen für Normung und Strahlenschutz Rolf Behrens Physikalisch-Technische Bundesanstalt Inhalt Unsicherheit das Konzept Auswirkung für die Normung Auswirkung für den Strahlenschutz
MehrÜber die Bedeutung präziser Messungen für die Risikobewertung
Über die Bedeutung präziser Messungen für die Risikobewertung Ernst O. Göbel Physikalisch-Technische Bundesanstalt Braunschweig and Berlin Die PTB Physikalisch-Technische Bundesanstalt: Nationales Metrologisches
MehrHERZLICH WILLKOMMEN ZUM. Messtechnik und Statistik
HERZLICH WILLKOMMEN ZUM Messtechnik und Statistik 1. Maße und Toleranzen, Messmittel- und Messprozesseignung 12/12 Folie 1 40,0 29,6 Maße und Toleranzen Planung Realisierung Nutzung Entsorgung 48,0 Definieren
MehrErstellen von Messunsicherheitsbudg ets nach dem GUM
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Munich Calibration Day München 16.10.2015 Y=ŷ±U; k p =x Erstellen von Messunsicherheitsbudg ets nach dem GUM Nachvollziehbares Dokumentieren
MehrKalibrierung als Grundlage für sichere Prüfergebnisse
Prüfen mit Verstand Kalibrierung als Grundlage für sichere Prüfergebnisse Interpretation, Messunsicherheit, und Klasseneinteilung bei der Kalibrierung Stephan Baumann Kalibrieren Die Messunsicherheit steigt
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrDas Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.
10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung
MehrDie Anwendung der. Wahrscheinlichkeitstheorie. nach Bayes und Laplace in der Fertigungsmesstechnik. Michael Krystek
Die Anwendung der nach Bayes und Laplace in der Fertigungsmesstechnik Michael Krystek Physikalisch-Technische Bundesanstalt, Braunschweig Kolloquium der Abt. Fertigungsmesstechnik, Braunschweig, 4.2.2008
MehrAnhang 2 Bestimmung von Messunsicherheiten
Anhang 2 Bestimmung von Messunsicherheiten Jede Messung ist unvollkommen und kann daher nicht den wahren Wert der gesuchten Messgröße, sondern nur einen mehr oder weniger genauen Näherungswert liefern,
MehrVDI-Fachtagung Messunsicherheit Mathematische Modellierung geometrischer Messverfahren
VDI-Fachtagung Messunsicherheit 2015 19. und 20. November 2015 in Braunschweig Mathematische Modellierung geometrischer Messverfahren Dr.-Ing. Michael Hernla, Dortmund Modellierung Inhalt 1. Einleitung
MehrEntwurf E DIN EN (VDE ): FprEN :2009
Elektromagnetische Verträglichkeit (EMV) Teil 4-21: Prüf- und Messverfahren Verfahren für die Prüfung in der Modenverwirbelungskammer Inhalt Einleitung... 8 1 Anwendungsbereich... 9 2 Normative Verweisungen...
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
MehrBestimmung von Messunsicherheiten nach GUM bei Kalibrierungen. Praxisworkshop/Seminar. Testo Industrial Services Mehr Service, mehr Sicherheit.
13.03.-14.03.2018, Kirchzarten bei Freiburg 05.06.2018, A-Wien (nur 1 Tag) 03.07.-04.07.2018, Kirchzarten bei Freiburg 23.10.-24.10.2018, Kirchzarten bei Freiburg Praxisworkshop/Seminar Bestimmung von
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
Mehr1 Grundbegriffe der Messtechnik 1
1 Grundbegriffe der Messtechnik 1 1.1 Definitionen 1 1.2 Art des Messens 3 1.3 Messsysteme 4 1.4 Messverfahren 6 1.4.1 Messmethoden 6 1.4.2 Messeffekt 8 1.5 Funktionselemente von Messeinrichtungen 9 1.6
MehrExperimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Experimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut, Westbau, 2. OG Raum 008 Telefon 07621 203 7612 E-Mail:
MehrGood Weighing Practice
Good Weighing Practice The Global Weighing Guideline Martin Huber Greifensee 5.Mai 2011 Garantierte Qualität Kostenreduktion Sichere Audits Wir wollen qualitativ hochwertige Produkte herstellen. Wir wollen
MehrRichtlinie DAkkS- DKD-R 6-2. Kalibrierung von Messmitteln für Vakuum. Grundlagen. Teil 1. Kalibrierung von Messmitteln für Vakuum Grundlagen
Seite: 1/6 Richtlinie DAkkS- DKD-R 6-2 Kalibrierung von Teil 1 1. Neuauflage 2010 Seite: 2/6 Herausgegeben von der Deutschen Akkreditierungsstelle GmbH (DAkkS) als Ergebnis der Zusammenarbeit des ehemaligen
MehrDWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 234/467 Ernst W. Mayr
1.4.2 Kontinuierliche Zufallsvariablen als Grenzwerte diskreter Zufallsvariablen Sei X eine kontinuierliche Zufallsvariable. Wir können aus X leicht eine diskrete Zufallsvariable konstruieren, indem wir
MehrCHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 5 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 4 ao. Prof. Dr. Thomas Prohaska (Auflage Mai 2005) Einführung in die Metrology in Chemistry
MehrMessunsicherheitsbilanz für kommerzielle Messgeräte der elektrolytischen Leitfähigkeit
Messunsicherheitsbilanz für kommerzielle Messgeräte der elektrolytischen Leitfähigkeit Dr. rer. nat. Ulrich Breuel, Zentrum für Messen und Kalibrieren & ANALYTIK GmbH, Bitterfeld-Wolfen Dr. rer. nat. Barbara
MehrKalibrierumfang für zylindrische Lehren
Eidgenössisches Departement für Wirtschaft, Bildung und Forschung WBF Staatssekretariat für Wirtschaft SECO Schweizerische Akkreditierungsstelle SAS Kalibrierumfang für zylindrische Lehren Dokument Nr.
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
MehrMessunsicherheit nach GUM (DIN V ENV 13005)
TAE Technische Akademie Esslingen Ihr Partner für Weiterbildung seit 60 Jahren! In Zusammenarbeit mit dem VDE-Bezirksverein Württemberg e.v. (VDE) Maschinenbau, Produktion und Fahrzeugtechnik Tribologie
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
MehrZweidimensionale Normalverteilung
Theorie Zweidimensionale Normalverteilung Ein Beispiel aus dem Mercedes-Benz Leitfaden LF1236 Fallbeispiel Abnahme einer Wuchtmaschine In Wuchtmaschine sem Abschnitt beschrieben. beispielhaft Abnahme einer
Mehr:Messdatenauswertung & Messunsicherheit
:Messdatenauswertung & Messunsicherheit VE 12: Monte-Carlo Methode zur Fortpflanzung von Wahrscheinlichkeitsverteilungen 3.6. 10-3 1 Wahrscheinlichkeitsverteilung als Modell unsicherer Kenntnis Transformation
MehrDWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 240/476 c Ernst W. Mayr
1.4.4 Laplace-Prinzip in kontinuierlichen Wahrscheinlichkeitsräumen Das folgende Beispiel zeigt, dass im kontinuierlichen Fall die Bedeutung von gleichwahrscheinlich nicht immer ganz klar sein muss. Bertrand
MehrAnpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood
Anpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood KARLSRUHER INSTITUT FÜR TECHNOLOGIE (KIT) 0 KIT 06.01.2012 Universität des Fabian Landes Hoffmann Baden-Württemberg und nationales Forschungszentrum
MehrKlaus-Dieter Sommer 1, Gerhard Linß 2, Bernd R. L. Siebert 3, Karina Weißensee 4
40 Recht und Technik PTB-Mitteilungen 116 (2006), Heft 1 Messunsicherheit und Konformitätsbewertungen im gesetzlichen Messwesen - Analytischer Ansatz zur Berechnung der Risiken für Messgerätehersteller
MehrQuantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen
Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen, Jonas Steinbock, André Fiebach, Thomas Lederer Erfahrungsaustausch zum Thema Flow am 29.2.2016
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrMessunsicherheitsangabe für Messbereiche
Messunsicherheitsangabe für Messbereiche Messunsicherheitsangabe für Messbereiche 260. PTB-Seminar 21./22. März 2011 Dr. Harry Stolz PTB Braunschweig Leiter der Zertifizierungsstelle H. Stolz, März 2011
MehrRisikogerechte Absicherung von Prüfprozessen. Dr.-Ing. Philipp Jatzkowski, TÜV Rheinland Consulting
Risikogerechte Absicherung von Prüfprozessen Dr.-Ing. Philipp Jatzkowski, TÜV Rheinland Consulting Referent Dr.-Ing. Philipp Jatzkowski 2013 - heute TÜV Rheinland Consulting Leiter Competence Center Production
MehrAuswertung von Messdaten Eine Einführung zum "Leitfaden zur Angabe der Unsicherheit beim Messen" und zu den dazugehörigen Dokumenten
JCGM 104:2009 Auswertung von Messdaten Eine Einführung zum "Leitfaden zur Angabe der Unsicherheit beim Messen" und zu den dazugehörigen Dokumenten Erste Ausgabe Juli 2009 2 Dieses Dokument wurde von der
MehrStatistische Nachweisführung für KMV-Störfälle unter Verwendung von Best-Estimate Plus Uncertainty (BEPU)-Analysen. Simone Palazzo, GRS Garching
Statistische Nachweisführung für KMV-Störfälle unter Verwendung von Best-Estimate Plus Uncertainty (BEPU)-Analysen Simone Palazzo, GRS Garching Inhalt Historischer Überblick Vorgehensweisen zur Durchführung
Mehr