Statistische Prozessregelung
|
|
- Detlef Sauer
- vor 6 Jahren
- Abrufe
Transkript
1 Folienauszüge Statistische Prozessregelung Steinbeis-Transferzentrum Managementsysteme Marlene-Dietrich-Straße 5, Neu-Ulm Tel.: , Fax: Mail: Internet: 1
2 Verstehen des Prozesses Werteverteilung Werteverlauf Welche Streuung haben die Merkmalswerte? Wie verhält sich die Streuung des Prozesses über die Zeit? Welche Verteilungsform liegt vor? Wie verhält sich die Prozesslage über die Zeit? Zeigt der Prozess ein systematisches, zufälliges Verhalten? Wann sollte in den Prozess eingegriffen werden? Wie viele Teile liegen innerhalb der Toleranz? Wie viele Teile liegen ausserhalb der Toleranz? 2
3 Streuung und Lage Toleranzbreite Prozessstreuung Jeder Prozess hat eine natürliche Streuung Die Streuung spiegelt das Verhalten des Prozesses in ungestörtem Zustand Die Streuung ist zufällig und von natürlichen Schwankungen / Einflüsse aus dem Umfeld beeinflusst Prozesslage Die Lage eines Prozesses ist abhängig von systematischen Einflüssen Prozesslage Ziel ist die Lage eines Prozesse so einzustellen, dass unter wirtschaftlichen Gesichtspunkten eine optimale Qualität entsteht Prozessstreubreite 3
4 Fragen zur Qualitätslenkung und Qualitätssicherung Effiziente Qualitätslenkung und -sicherung benötigt Antworten auf Fragestellungen wie beispielsweise Wie kann ein Prozess möglichst wirtschaftlich sein? Welche Produktqualität liefert ein Prozess? Wieviel Ausschuss hat ein Prozess und wie kann der Ausschuss möglichst gering gehalten werden? Verbessert sich ein Prozess? Wie fähig ist ein Prozess über einen längeren Zeitraum gute Teile Merkmale herzustellen? Welche Aussagen können wir zum Prozess machen? Welchen Aussagen können wir vertrauen? Voraussetzung: Das Verstehen technischer Prozesse 4
5 Arbeiten mit Statistik - Normen Die ISO/ TR definiert statistische Methoden, welche für die Weiterentwicklung, Aufrechterhaltung und Verbesserung eines QM-Systems geeignet sein können. Methode gemäß ISO / TR beschreibende, deskriptive Statistik Messsystemanalyse Prozessfähigkeitsuntersuchung Regelkarten Regressionsanalyse Simulation Inhalte Charakterisierung der Daten mit Hilfe von statistischen Kennwerten und grafischen Darstellungen Bewertung der Fähigkeit / Unsicherheit eines Messsystems unter Anwendungsbedingungen Untersuchung von Prozessen und deren Ergebnisse hinsichtlich der Erfüllung von Anforderungen / Spezifikationen Bewertung der Prozessstabilität über die Zeit Untersuchung des Einflusses / der Abhängigkeit verschiedener Faktoren auf das Verhalten von Merkmalen Mathematische Beschreibung von Systemen zur Lösung komplexer Probleme Statistische Toleranzrechnung Stichprobenprüfung Testverfahren Versuchsplanung Zeitreihenanalyse Zuverlässigkeitsanalyse Verfahren zur Toleranzbestimmung Gewinnung von Informationen über Merkmale einer Grundgesamtheit durch Untersuchung repräsentativer Stichproben Überprüfung der Vereinbarkeit der Daten mit definierten Hypothesen bei einem gegebenen Fehlerrisiko Schlussfolgerungen anhand der Ergebnisse geplanter Experimente Untersuchungen von Verhaltensmustern und Vorhersage zukünftiger Beobachtungen Untersuchung der Lebensdauer / fehlerfreien Leistungsdauer eines Produktes oder Systems 5
6 Teilgebiete der Statistik beschreibende Statistik (deskriptiv) meist Untersuchung einer Grundgesamtheit beurteilende Statistik (induktiv / analytisch) Untersuchung einer Stichprobe aus einer Grundgesamtheit Ordnen von Daten / Merkmalen Grafische Darstellung von Daten / Merkmalen Berechnen von Kennwerten aus Stichproben Intervallschätzungen Formulieren und Prüfen von Hypothesen Schätzen von Parametern Korrelationsanalyse xx xxxxx xxxxxxxxx xxxxxxxxxxxx xxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxx gemessene Werte mathematisches Modell Schätzverfahren Testverfahren 6
7 Generelle Formen von Verteilungen Beispiele: Längenmaße Naturphänome Beispiele: zwei Rohstoffchargen zwei Bediener zwei Messmittel falscher Messaufbau Beispiele: Glücksspiele Beispiele: Exzentrizität von Drehteilen Unwucht von Rotationskörpern Warmlaufphase nicht berücksichtigt einseitig begrenzte Merkmale 7
8 Beispiele für graphische Auswertungen technischer Daten Werteverlauf Wertestrahl Histogramm Werteverlauf: Wertestrahl: Histogramm: zeigt die zeitliche Erfassung der Messwert -> ggf. Erkennung von Trend, Sprüngen, etc. Information wie aus Histogramm -> allerdings geht keine Information durch die Klassierung verloren -> erkennbar ist auch die Auflösung des Messverfahrens zeigt die grundsätzliche Form der Verteilung -> Vorsicht: die Klassenanzahl /-weite hat Auswirkung auf die Darstellung 8
9 Beispiele für graphische Auswertungen technischer Daten Summenlinie Wahrscheinlichkeitsnetz mit Einzelwerten Summenline: Kumulation der relativen Häufigkeiten aus dem Wertestrahl Wahrscheinlichkeitsnetz: zeigt im Prinzip die Summenlinie, allerdings mit gespreizten Ordinaten 9
10 Statistische Kennwerte - Überblick Umfang einer Messwertreihe kleinster und größter Wert arithmetischer Mittelwert Median Lage- bzw. Lokalisationsparameter Modalwert Varianz s 2, Standardabweichung s Spannweite Streuungs- oder Dispersionsparameter Quartile, Percentile Wölbung b 2, Exzess g 2 Schiefe g 1 Cm, Cmk, Pp, Ppk, Cp, Cpk, Formparameter Fähigkeitskennwerte Überschreitungsanteile Variationskoeffizient Vertrauensbereich für Mittelwerte, Varianzen, Fähigkeitsindizes und Überschreitungsanteile 10
11 Prozessqualifikation Durch Prozessqualifikation und -beherrschung ergeben sich folgende Einspar- bzw. Rationalisierungspotentiale... Reduzierung der zu überwachenden Produktmerkmale und Prozessparameter durch Kenntnis von Abhängigkeiten zwischen Einflussgrössen und Merkmalen Senkung der Nacharbeits- und Ausschussraten Reduzierung der Stichprobenfrequenzen und des Stichprobenumfangs Ausfiltern von Problemfällen durch automatisierte Datenauswertungen Überschaubare Datenhaltung bzw. Datenverdichtung Erhöhung der Transparenz und Möglichkeit der Vergleichbarkeit durch einheitliche Vorgehensweisen Aufbau von Expertenwissen für die Nutzung einer mittel- und langfristigen Prozessoptimierung Zugriff auf Wissen für ähnlichen Produkte und Merkmale Voraussetzungen sind Fähigkeitsuntersuchungen 11
12 Grundsätzliche Definition der Qualitätsfähigkeit Wollen = Toleranz Können = Zufallsstreubereich Prozesspotenzial Fähigkeit = Wollen Können UTG ± 3 σ bzw. 99,73 % - Bereich OTG 12
13 fähige und beherrschte Prozesse Lage: beherrscht Lage: nicht beherrscht Streuung: fähig UTG OTG UTG OTG Streuung: nicht fähig UTG OTG UTG OTG 13
14 Fähigkeitsuntersuchungen Grundsätzlich werden Fähigkeitsuntersuchungen unterschieden in Maschinenfähigkeits - Untersuchung (MFU) Untersuchung der Fähigkeit einer Maschine z.b. bei: - Maschinenkauf und -abnahme - Maschinenüberholung oder -umstellung - Fertigungsfreigabe Prozessfähigkeits - Untersuchung (PFU) Untersuchung der Fähigkeit eines Prozesses z.b. bei: - Forderung von Nachweisen zur Prozessfähigkeit gegenüber einem Kunde - Basis für Qualitätslenkungs - Massnahmen 14
15 Maschinen- und Prozessfähigkeitsuntersuchungen Maschine Fertigungseinrichtung Prozess Maschinenfähigkeitsuntersuchungen bzw. Kurzzeitfähigkeitsuntersuchung Vorläufige Prozessfähigkeitsuntersuchung Prozessfähigkeitsuntersuchungen bzw. Langzeitfähigkeitsuntersuchung Umfang: Umfang: Umfang: - 50 Teile bzw. - prozessgerechter Umfang Teile bzw. - prozessgerechter Umfang Zum Führen der erforderlichen Regelkarte sind mind. 20 Einzelstichproben erforderlich. Angemessen langer Zeitraum unter normalen Serienbedingungen, in dem sichergestellt wird, dass alle Einflussfaktoren wirksam werden können. Richtwert: ca. 20 Produktionstage C m und C mk P p und P pk C p und C pk 15
16 Prozessfähigkeitsuntersuchungen Prozessfähigkeitsuntersuchungen erfordern Durchführung unter Serienbedingungen (Serienteile, Betriebs- und Prüfmittel, Ort der Untersuchung, Serienbediener, etc.) längerer Produktionszeitraum (möglichst alle Einflussfaktoren sollten wirksam sein) größere Wertemenge (mind. 125 Werte, ansonsten Anpassung der Grenzwerte notwendig) Stichprobenentnahme und -auswertung (d.h. bei n = 3 Stichprobenumfang mind. m = 42 Stichproben) verschiedene Berechnungsverfahren und Prozessmodelle (siehe DIN 55319) 16
17 Fähigkeitskennwerte / Stichprobenumfang Grenzwerte für geschätzte Fähigkeitskenngrößen in Abhängigkeit des Gesamtstichprobenumfanges Grenzwerte für reduzierten Stichprobenumfang (cpk-wert) 2,20 2,10 2,00 1,90 1,80 1,70 1,60 1,50 1,40 1,30 1,20 1,10 1, ,33 Berechnung gemäß Schulze / Dietrich, Statistische Verfahren zur Maschinen und Prozessqualifikation,
18 Verteilungszeitmodelle und ihr Auftreten theoretisches, idealisiertes Prozessmodell mit normalverteilten Stichproben und einer normalverteilten resultierenden Verteilung kommt in der Praxis eigentlich nicht vor! (Modell für die Lehre!) Prozessmodell mit wechselnder Lage der Stichproben, bei annähernd konstanter Streuung Mittelwerte der Stichproben sind nicht normalverteilt, die resultierende Verteilung ist eingipflig, was in der Praxis sehr selten vorkommt theoretisches, idealisiertes Prozessmodell mit eingipflig schiefen Stichproben und einer eingipflig schiefen resultierenden Verteilung ähnlich Modell A 1, allerdings mit schiefer Verteilung (Form- und Lagemaße, Oberflächen, Drehmomenten, etc.) anstatt mit Normalverteilung der Stichprobenwerte wie im Modell A1 kommt in der Praxis eigentlich nicht vor! (Modell für die Lehre!) Prozessmodell mit systematischem Trend mit normalverteilten Stichproben und einer beliebigen resultierenden Verteilung, welche bei einem gleichmäßigem Trend, annähernd einer Rechteckverteilung gleicht Trend resultiert z.b. aus einen Werkzeugverschleiss der Trend kann auch zyklisch erfolgen, wenn aufgrund des bekannten Verschleiss nachgestellt wird Prozessmodell mit wechselnden Streuungen der Stichproben Prozesse mit z.b. Materialschwankungen, wie z.b. bei Naturprodukten Streuungsschwankungen sind, da meist zufällig sehr schwierig zu beherrschen Prozessmodell mit Lageversatz mit normalverteilten Stichproben und einer beliebigen resultierenden Verteilung (Mischverteilung) Prozesse können von Chargen- und / oder Werkzeugwechseln beeinflusst sein Die Stichproben können auch aus unterschiedlichen Werkzeugen, oder Nestern entstehen Dieser Prozess kommt in der Praxis häufig vor! Prozessmodell mit wechselnder Lage der Stichproben, bei annähernd konstanter Streuung Mittelwerte der Stichproben sind normalverteilt, was in der Praxis sehr selten vorkommt Prozessmodell mit zufällig + systematisch veränderten Stichproben und einer beliebigen resultierenden Verteilung (Mischverteilung) Prozesse, welche auch als nicht stabil bezeichnet werden Prozesse kommen in der Praxis häufig vor! 18
19 Nutzen von Qualitätsregelkarten Frühwarnsystem Installation eines Frühwarnsystems durch Beschreibung und Verfolgung des statistischen Verhaltens eines Prozesses Hinweis auf Prozessstörungen und Kompensierung systematischer Einflüsse sowie Erkennung und Reduzierung von zufälligen Einflüssen Regelkreise Aufbau von Regelkreisen und Regelung des Prozesses auf den Sollzustand bzw. Zielwert Rationalisierung Rationalisierung der laufenden Überwachung einer Fertigung auf der Basis von Stichproben durch Reduzierung des Ausschusses, Erhöhung der Produktivität und damit Reduzierung von Kosten. Dokumentation der Auswertung von Prüfergebnissen der Vertrauensbildung bei Lieferung für den Abnehmer ggf. der Erfüllung gesetzlicher Vorschriften 19
20 Beispiel für eine Qualitätsregelkarte Stichprobe (z.b. mit 3 Messwerte) Datum/Schicht Zeit Wert 1 5,925 5,922 5,899 5,901 5,903 5,921 5,922 5,922 5,920 Wert 2 5,928 5,923 5,921 5,916 5,925 5,923 5,921 5,934 5,918 Wert 3 5,930 5,920 5,924 5,934 5,920 5,928 5,918 5,922 5,921 Wert 4 Wert 5 Ident.-Nr. Maschinen-Nr. Bezeichnung: Arbeitsgang: OEG: 5,929 OEG: 0,031 UEG: 5,911 Mittelwert 5,928 5,922 5,915 5,917 5,916 5,924 5,920 5,926 5,920 #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0! Range 0,005 0,003 0,025 0,033 0,022 0,007 0,004 0,012 0,003 Stichprobe Merkmal: Ersteller: Mittelwert Range Messwerte der Stichproben Kennwerte der Stichproben Bemerkung OEG(M): 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,929 5,930 UEG(M): 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,911 5,928 OEG(S): 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 0,031 5,926 5,924 5,922 5,920 5,918 5,916 5,914 5,912 5, Mittelwert OEG(M): UEG(M): Beobachtung der Lage (systematische Einflüsse) Eingriffsgrenzen 0,035 0,030 0,025 0,020 0,015 0,010 0,005 0,000 Beobachtung der Streung (zufällige Einflüsse) Range OEG(S): 20
21 Varianten von Qualitätsregelkarten Qualitätsregelkarten attributive, diskrete Merkmale (Zählwerte) variable, kontinuierliche Merkmale (Messwerte) Anzahl fehlerhafte Einheiten Anzahl Fehler pro Einheit sollwertorientierte Regelkarten toleranzorientierte Regelkarten x Karte p Karte np Karte x Karte c Karte u Karte Lagekarten x Karte x Karte x~ Karte Lagekarten x Karte x Karte x~ Karte Fehlersammelkarten Streuungskarten s Karte R Karte 21
22 Shewhart - Karte: Beispiel Urwerte Histogramm Mittelwertkarte Nichteingriffwahrscheinlichkeit 99,73 % S- Karte Nichteingriffwahrscheinlichkeit 99,73 % 22
23 Schritte der Einführung einer Qualitätsregelkarte Prozeß auswählen Prozeßparameter auswählen Prozess festlegen Korrelationen der Prozeßparametern feststellen Prozess verstehen Meßwerte aufnehmen (ca. 50 Messwerte) Kurzzeitfähigkeit bestimmen Prozess verstehen "mehrere" Tage produzieren (Messwerte aufnehmen) Verteilungszeitmodell festlegen Langzeitfähigkeit bestimmen (mind. 125 Messwerte) Prozessfähigkeit bestimmen Regerlkartentyp auswählen Eingriffsgrenzen festlegen Regelkarte erstellen Produzieren mit festgelegten Eingriffsgrenzen Prozess führen und regeln Kontinuierliche Verbesserung des Prozesses Prozess verbessern 23
24 Verfahren der Eignungsprüfungen von Messmitteln Genauigkeit / Richtigkeit / Messgenauigkeit (Accuracy) Wiederholpräzision / Wiederholbarkeit (Repeatability) Vergleichpräzision / Nachvollziehbarkeit (Reproducability) Stabilität (Stability) Linearität (Linearity) 24
25 Fähigkeitsuntersuchung bei Messsystemen Vorteile der Fähigkeitsuntersuchung... erfasst die Einflussgrössen durch die Gerätebetreiber und die Aufstellorte gibt eine Aussage über die Funktionstüchtigkeit des Messgeräts ermöglicht einer Aussage über die Richtigkeit der Messergebnisse stellt die Eignung einer Messeinrichtung für den Einsatz am Einsatzort fest stellt eine ständige Überwachung der Messeinrichtung dar ermöglicht den Vergleich von verschiedenen Messeinrichtungen kann bei der Fehleranalyse Hinweise auf die Fehlerursachen geben 25
Statistische Prozessregelung
Folienauszüge aus: Statistische Prozessregelung Steinbeis-Transferzentrum Managementsysteme Industriepark West, Söflinger Strasse 100, 89077 Ulm Tel.: 0731-933-1180, Fax: 0731-933-1189 Mail: info@tms-ulm.de,
MehrFähige Produktionsprozesse
Fähige Produktionsprozesse DGQ-Regionalkreis Karlsruhe Rainer Göppel 06.10.08 Industriepark West, Söflinger Strasse 100, 89077 Ulm Tel.: 0731-933-1180, Fax: 0731-933-1189 Mail: info@tms-ulm.de, Internet:
MehrGrundlagen Statistik
Folienauszüge aus: Grundlagen Statistik Steinbeis-Transferzentrum Managementsysteme Industriepark West, Söflinger Strasse 100, 89077 Ulm Tel.: 0731-933-1180, Fax: 0731-933-1189 Mail: info@tms-ulm.de, Internet:
MehrStatistische Verfahren
Edgar Dietrich Alfred Schulze Statistische Verfahren zur Maschinen- und Prozessqualifikation 6., vollständig überarbeitete Auflage, mit 500 Abbildungen und 61 Tabellen HANSER vii Vorwort zur 6. Auflage
MehrStatistische Verfahren zur Maschinen- und Prozessqualifikation
Statistische Verfahren zur Maschinen- und Prozessqualifikation Edgar Dietrich, Alfred Schulze ISBN 3-446-22894-2 Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22894-2 sowie im
MehrErmittlung von Qualitätsfähigkeitskenngrössen Kurzzeitfähigkeitsuntersuchung (KFU) Prozessfähigkeitsuntersuchung (PFU)
S 1 I 8 Document SM-1.3-R4_Qualitätsfähigkeitskenngrössen für ieferanten Approval Date 29.10.2015 Review Date 28.10.2016 Written By Thorsten Ebert Approved By GMB Hans Karl Moser Version 01072012 DQ Markus
MehrStatistische Verfahren zur Maschinen- und Prozessqualifikation
Edgar Dietrich Alfred Schulze 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Statistische Verfahren zur Maschinen-
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
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
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
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
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrAuszug aus: Dietrich E./Schulze A.
Auszug aus: Dietrich E./Schulze A. Statistische Verfahren zur Maschinen- und Prozessqualifikation. 6., vollständig überarbeitete Auflage, Carl Hanser Verlag 2009. 458 13 Firmenrichtlinien 13 Firmenrichtlinien
MehrEinführung Qualitätsmanagement 1 QM 1
Einführung Qualitätsmanagement 1 QM 1 Vorlesung 2 Agenda: 1. Erstmusterprüfbericht (EMPB) 2. Prüfmittelverwaltung (PMV) 3. Prüfmittelüberwachung (PMÜ) 4. Prüfmittelfähigkeit (PMF) 5. Prüfplanverwaltung
MehrVorwort zur 7. Auflage... v 1 Einleitung... 1
vii Vorwort zur 7. Auflage... v 1 Einleitung... 1 1.1 Statistische Verfahren in der industriellen Produktion... 1 1.2 Statistik als Basis qualitätsmethodischen Denkens und Handelns... 2 1.2.1 Einleitung...
MehrStatistische Verfahren zur Maschinen- und Prozessqualifikation
Edgar Dietrich Alfred Schulze Statistische Verfahren zur Maschinen- und Prozessqualifikation 7., aktualisierte Auflage Edgar Dietrich / Alfred Schulze Statistische Verfahren zur Maschinen- und Prozessqualifikation
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:
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
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
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
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
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
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
MehrMATHEMATISCHE STATISTIK
EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK UND IHRE ANWENDUNG VON MARTIN HENGST a. o. Professor an der PH Berlin BIBLIOGRAPHISCHES INSTITUT MANNHEIM HOCHSCHULTASCHENBÜCHER-VERLAG INHALTSVERZEICHNIS Vorwort
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
MehrGEPRÜFTE / -R INDUSTRIEMEISTER / -IN METALL / NEU
9.3 Anwenden von zur Sicherung u. Verbesserung der SITUATION Das Unternehmen in dem Sie beschäftigt sind, liefert komplette Motoren ( R4, V6 ) an einen großen Automobilhersteller im Süddeutschen Raum.
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrMessmittelfähigkeitsanalyse Messen wir richtig?!
Messmittelfähigkeitsanalyse Messen wir richtig?! KEYENCE Deutschland GmbH Marcel Gross Digitale Messprojektoren Messung QUALITÄTSSICHERUNG HEUTE Wozu eine Messmittelfähigkeitsanalyse bei der Smiley GmbH?
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
MehrWolf-Gert Matthäus, Jörg Schulze. Statistik mit Excel. Beschreibende Statistik für jedermann. 3./ überarbeitete und erweiterte Auflage.
Wolf-Gert Matthäus, Jörg Schulze Statistik mit Excel Beschreibende Statistik für jedermann 3./ überarbeitete und erweiterte Auflage Teubner Inhaltsverzeichnis Einleitung 11 1 Grundlagen 17 1.1 Statistische
Mehreasy2use Allgemein Die Buttonleiste Q-DAS Experts in Statistics Prüfplanung: Zum Anlegen eines neuen Teils mit den dazugehörigen Informationen.
Die Buttonleiste Prüfplanung: Zum Anlegen eines neuen Teils mit den dazugehörigen Informationen. easy2use Allgemein Merkmale können dem Teil damit angehängt werden. Durch mehrmaliges Klicken entstehen
MehrStatistische Verfahren zur Maschinen- und Prozessqualifikation
Statistische Verfahren zur Maschinen- und Prozessqualifikation Bearbeitet von Edgar Dietrich, Alfred Schulze 5., aktualisierte Auflage 2005. Buch. XVIII, 630 S. Hardcover ISBN 978 3 446 22894 8 Format
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
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
MehrSPC - STATISTICAL PROCESS CONTROL
SPC - STATISTICAL PROCESS CONTROL Historie von Statistical Process Control (SPC Entwickelt wurden die ersten Regelkarten von W. A. Shewart Anfang der 30er Jahre Ziel war es Herstellungsprozesse zu optimieren
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrMessmittelfähigkeit. Andreas Masmünster, Quality Control Event, 30. Juni 2011
Messmittelfähigkeit Andreas Masmünster, Quality Control Event, 30. Juni 2011 Agenda Messmittel Allgemeines Methode 1 Methode 2 Ziel der Methoden Praktischer Teil nach Methode 2 Formblatt Schlussfolgerung
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
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrProzessfähigkeitsindizes (PFI)
Eckehardt Spenhoff, Holzwickede Prozessfähigkeitsindizes (PFI) Wann wird ein Cp/Cpk oder Pp/Ppk genutzt? Die Fachliteratur, der VDA und die DGQ beschreiben die Anwendung von Prozessfähigkeitsindizes uneinheitlich.
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrStatistische Methoden der Qualitätssicherung
Horst Rinne/ Hans-Joachim Mittag Statistische Methoden der Qualitätssicherung 3., überarbeitete Auflage Carl Hanser Verlag München Wien Vorwort Wegweiser Seite XIII XV 1 Einführung 1 1.1 Qualität und Qualitätsmanagement
MehrTaschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner
Johann Wappis, Berndt Jung Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner ISBN-10: 3-446-41373-1 ISBN-13: 978-3-446-41373-3 Inhaltsverzeichnis Weitere Informationen
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
MehrKennzahlensystem für die Qualitätsbeurteilung in der industriellen Produktion
Kennzahlensystem für die Qualitätsbeurteilung in der industriellen Produktion Bearbeitet von Edgar Dietrich, Alfred Schulze, Stefan Weber 1. Auflage 2007. Buch. 216 S. Hardcover ISBN 978 3 446 41053 4
MehrDGM Arbeitskreis Quantitative Gefügeanalyse
DGM Arbeitskreis Quantitative Gefügeanalyse VI. Treffen 10/11.5.2016 (Hochschule Aalen) Messgerätefähigkeit, Stabilitätsüberwachung von Messprozessen Lars Thieme PixelFerber, Berlin 2016 PixelFerber 1
Mehr1. Definieren Sie Qualität. 2. Wer ist befugt, über Qualität zu sprechen? 3. Stellen Sie das Prinzip des inneren Kunden dar.
1. Definieren Sie Qualität. 2. Wer ist befugt, über Qualität zu sprechen? 3. Stellen Sie das Prinzip des inneren Kunden dar. 4. In welchen Regelwerken sind die Elemente der Qualitätssicherung beschrieben.
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrStatistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer
Siegfried Noack Statistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer Anleitungen und Beispiele aus dem Laborbereich W DE G Walter de Gruyter Berlin New York 1980 Inhaltsverzeichnis
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrPrüfprozesseignung. Relative Auflösung = absolute Auflösung / Toleranz des zu messenden Merkmals * 100%
Prüfprozesseignung Um das Ausmaß der Unzulänglichkeiten zu bestimmen (abzuschätzen), wird bei Prüfmitteln, die Einfluss auf die Einhaltung von Anforderungen an ein Produkt haben, eine Prüfmittelfähigkeitsuntersuchung
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrPrüfmittelverwendbarkeit und Prüfprozesseignung
verwendbarkeit und eignung Vortrag am 10.10.005 DGQ-Regionalkreis Karlsruhe-Pforzheim Pforzheim-Gaggenau Anforderungen ANFORDERUNGEN DER NORMEN DIN ISO 1001 ISO/IEC 1705 DIN EN 9000ff ANFORDERUNGEN DER
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrStatistik Klausur. 1. a) Wie erfolgt die Erkennung systematische Fehler im Labor? b) Wie erfolgt die Erkennung zufälliger Fehler im Labor?
Statistik Klausur 1. a) Wie erfolgt die Erkennung systematische Fehler im Labor? b) Wie erfolgt die Erkennung zufälliger Fehler im Labor? a) durch Richtigkeitskontrolle b) durch Präzisionskontrolle 2.
Mehr16 Index. 16 Index 761. x/s-karte 232, 273 χ²-anpassungstest 203 χ²-netz 99 χ²-test 410 χ²-verteilung 146. ~ x /R-Karte 232
16 Index 761 16 Index # ~ x /R-Karte 232 x/s-karte 232, 273 χ²-anpassungstest 203 χ²-netz 99 χ²-test 410 χ²-verteilung 146 1 1-/5-Teile Bericht 424 10,00 DM-Schein 133 A α-fehler 188 A1 Verteilungsmodell
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.
MehrStatistik II für Betriebswirte Vorlesung 6
Statistik II für Betriebswirte Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrUlrich Rohland. Statistik. Erläuterung grundlegender Begriffe und Verfahren
Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren Berichte aus der Sportwissenschaft Ulrich Rohland Statistik Erläuterung grundlegender Begriffe und Verfahren. Shaker Verlag Aachen
MehrCVT Werknorm ( CWN ) - Zeichnungsangaben
CVT Werknorm ( CWN ) - Zeichnungsangaben in Bezug auf die Bedeutung des Fehlers in der FMEA und zu Qualitätsfähigkeiten. Stand 21.06.2016 Weitergabe sowie Vervielfältigung dieser vertraulichen Unterlage{n),
MehrSelbsttest Nr. 1: Qualitätsmanager
01. Was ist R in der Statistischen Prozessüberwachung? Rauigkeitswert Spannweite Anzahl der vorhandenen Stichproben 02. Wenn mit einer Wahrscheinlichkeit von 12% eine Lieferung unvollständig und mit einer
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
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
MehrVorlesung. Mathematische Statistik für Studierende. der Hydrologie und Abfallwissenschaften
Vorlesung Dr. Wiltrud Kuhlisch Frühjahr 2015 TU Dresden, Institut für Mathematische Stochastik 1 Einführung 1.1 Literatur Mathematische Statistik für Studierende der Hydrologie und Abfallwissenschaften
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
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
MehrPRODUKTIONSMITTELLABOR WS 2014/15
PRODUKTIONSMITTELLABOR WS 2014/15 Versuch MASCHINENFÄHIGKEIT nach VDMA 8669 Ort Labor für Produktionstechnik, Raum F015 und F103 Laborleitung Prof. Gravel, Catakli Aufgabe: Fertigung und Prüfung von 50
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrGrundlagen der Statistik
- Qualitätssicherung Datum: Blatt: T08 01 Grundlagen der Statistik In der Produktion von Massenteilen steht man immer wieder vor dem Problem, dass man die Qualität einer Lieferung beurteilen muss: entspricht
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrEinführung in die Statistik mit R
Einführung in die Statistik mit R Bernd Weiler syntegris information solutions GmbH Neu Isenburg Schlüsselworte Statistik, R Einleitung Es ist seit längerer Zeit möglich statistische Berechnungen mit der
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrMesssystemanalyse (MSA)
Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrSo lügt man mit Statistik
So lügt man mit Statistik Anita Maas 06. August 2004 Was ist Statistik? Statistik ist die Gesamtheit aller Methoden, die für die Untersuchung einer Vielzahl von Einzeltatsachen verwendet werden. Sie ist
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
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
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrBeide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.
Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
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
MehrAngewandte Statistik für Naturwissenschaftler
Pareys Studientexte 74 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Jose L. Lozän Hartmut Kausch Angewandte Statistik
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrVon der Prozessanalyse zur Prozessfähigkeit
WEITERBILDUNG 2009 FORUM QUALITATSMANAGEMENT EINLADUNG ZUM SEMINAR Statistik im Qualitätsmanagement VON DER PROZESSANALYSE ZUR PROZESSFÄHIGKEIT 25 Jahre Messwert- Aufnahme Auswertung von Mess-Ergebnissen
Mehr