Kurzinformation zu D-optimalen Versuchsplänen
|
|
- Annika Kaiser
- vor 6 Jahren
- Abrufe
Transkript
1 Statgraphics Software - Schulungen und W orkshops Statgraphics Software - Schulungen und W orkshops Kurzinformation zu D-optimalen Versuchsplänen Inhalt Anzustrebende Eigenschaften von Versuchsplänen Mögliche Varianten der Nutzung von D-optimalen Versuchsplänen Vorteile und Nachteile von D-Optimalen Versuchsplänen Beispiel: Praxisbeispiel IR-Löten von SMD Bauelementen 1
2 Anzustrebende Eigenschaften von Versuchsplänen Orthogonalität Liegt ein orthogonaler Versuchsplan vor, ist eine unkorrelierte Schätzung der Effekte und Regressionskoeffizienten möglich. D.h., der Signifikanztest ist für alle Regressionskoeffizienten, Effekte und Wechselwirkungen unabhängig voneinander durchführbar. Der wesentlichste Vorteil orthogonaler Pläne besteht in der Möglichkeit, nicht signifikante Glieder aus dem Modell zu löschen. Dies führt für die Optimierung von Arbeitspunkten zu deutlich vereinfachten Modellen. Streichung von nicht signifikanten Effekten unter Nutzung des Paretodiagrammes 2
3 Anzustrebende Eigenschaften von Versuchsplänen Drehbarkeit Bei Drehbaren Plänen (Rotable Designs weist die Streuung der vorherzusagenden Zielgröße in alle Richtungen des Versuchsplanes vom Zentralpunkt aus den gleichen Wert auf. Somit ist eine gleichberechtigte Inter- und Extrapolation für die Zielgröße für alle Einflussgrößen möglich. 3
4 Mögliche Varianten der Nutzung von D-optimalen Versuchsplänen Reduktion eines vollständigen Versuchsplanes zu einer minimalen Anzahl von Versuchen mit der Auswahl zu schätzender Wechselwirkungen usw. Vorgabe genau der zu schätzenden Wechselwirkungen, quadratischen Glieder usw. die technologisch sinnvoll sind Vorgabe der Anzahl von Faktorstufen je Einflussgröße Minimalanzahl beachten! (N Ges 1,5 x Anzahl zu schätzender Koeffizienten Ergänzung eines Versuchsplanes oder einer vorhandenen ungeordneten Datenmenge mit den optimalen Versuchspunkten. Bestehende Versuche werden einbezogen, dabei werden nur die unbedingt notwendigen Versuchspunkte ergänzt unter Vorgabe der zu schätzenden Wechselwirkungen, quadratischen Glieder usw.
5 Vorteile von D-Optimalen Versuchsplänen Freie Wahl der Anzahl der Versuchspunkte unter Beachtung einer Mindestanzahl Die Anzahl der Versuche ist geringer als bei Siebplänen oder Wirkungsflächenplänen Freie Wahl der Anzahl der Faktorstufen je Einflussgröße (Sie können für jeden Faktor beliebig festgelegt werden.) Freie Wahl der Stufenabstände Freie Modellwahl für jede Einflussgröße linear quadratisch (oder gemischt) Zweifachwechselwirkungen oder Wechselwirkungen höherer Ordnung Auswahl der zu schätzenden Glieder mittels einfacher Statgraphics Funktion Nutzung bereits durchgeführter Versuche möglich (Ergänzung bestehender Versuchspläne oder Ergebnissen die etwa einen Versuchsplan entsprechen.)
6 Nachteile von D-Optimalen Versuchsplänen Keine vollständiger orthogonaler Versuchsplan (Abweichungen jedoch sehr klein.) Komplexe Versuchsplanung erfordert Software Es kann keine Vermengungsstruktur angegeben werden. Vorher nicht festgelegte Wechselwirkungen sind im später nicht mehr schätzbar und können mit anderen Wechselwirkungen korreliert sein.
7 Praxisbeispiel: IR-Löten von SMD Bauelementen Nr. Bez. Einflussgröße untere Stufe Obere Stufe Einheit 1 A V_Transport m/min 2 B Temp_ C 3 C Temp_ C 4 D Temp_ C 5 E Temp_ F Temp_ G Temp_ H Lüftung % Quelle Wikipedia Daten aus Kleppmann Taschenbuch Versuchsplanung Hanser Verlag 2009 (Jedoch weniger Einflussgrößen)
8 Versuchsplanvarianten Modell nichtlinear nichtlinear Plan Zentral zusammengesetzter Versuchsplan Draper-Lin small composite design Anzahl Versuche Absolutglied Haupteffekte Zweifachwechselwirkg. Nichlineare Glieder (Quadrate) Summe 88+2 ZP=90 ja ZP= 56 ja Schätzbare Effekte: A,B,C,D,E,F,G,H AA (A²),BB,CC,DD,EE,FF,GG,HH Wenn absolut sicher technologisch bekannt ist, dass nicht alle Haupteffekte oder Wechselwirkungen oder quadratische Modellglieder benötigt werden, kann ein spezieller D-Optimaler Plan durch Reduktion des Originalplanes erstellt werden. AB,AC,AD,AE,AF,AG,AH,BC,BD,BE,BF,BG,BH,CD,CE,CF,CG,CH,DE,DF,DG,DH,EF,EG,EH,FG,FH,GH
9 Ausgewählte Effekte und Wechselwirkungen A,B,C,D,E,F,G,H (8) AA (A²),BB,CC,DD,EE,FF,GG,HH (8-2)=6 AB,AC,AD,AE,AF,AG,AH,BC,BD,BE,BF,BG,BH,CD,CE,CF,CG,CH,DE,DF,DG,DH,EF,EG,EH,FG,FH,GH (28-15=13) Summe: =26 sinnvoll Faktor 1,5 b d.h. 26 x 1,5 39 Versuche Technologische Vorgabe Nr. Bez. Einflussgröße untere Stufe Obere Stufe Einheit Modell Wechelwirkg. 1 A V_Transport m/min Linear zu allen 2 B Temp_ C Nicht linear zu C 3 C Temp_ C Nicht linear zu B,D 4 D Temp_ C Nicht linear zu C,E 5 E Temp_ Nicht linear zu D,F 6 F Temp_ Nicht linear zu E,G 7 G Temp_ Nicht linear zu F 8 H Lüftung % Linear zu A,G
10 Paretodiagramm mit den gewählten Haupt-und Wechselwirkungen Standardized Pareto Chart for Delta_T B:Temp_1 GG DD EE BB AD FF BC EF AH D:Temp_3 C:Temp_2 E:Temp_4 CD FG A:V_Transport F:Temp_5 G:Temp_6 AG GH H:Lüftung CC AC AB AF DE AE Standardized effect
11 Delta_T Haupteffekte: (V_Transport und Lüftung nur Linear) 0,54 Main Effects Plot for Delta_T 0,51 0,48 0,45 0,42 0,39 0,36 V_Transport Temp_2 Temp_4 Temp_6 Temp_1 Temp_3 Temp_5 Lüftung
12 Schätzung der ausgewählten Wechselwirkungen Achtung: Es können nur die bei der Planung gewählten WW berechnet werden.
13 Beispiel: WW zwischen Temp_4 und Temp_5
14 Korrelationsmatrix av 0,0062 0,0458 0,0111-0,026-0,014 0,045-0,0193 0,2588 0,0071 0,0886 0,0354 0,0511-0,0416-0,0924 0,0255-0,6207-0,039-0,6207 0,009-0,6207-0,0292-0,6207 0,1168-0,6207-0,0489-0,6207-0,0224 A:V_Transport 0,0062 0,0053-0,0332 0,0733 0,0627-0,0311-0,0729 0,1598-0,1296 0,0527 0,1929-0,0276 0,03-0,1456 0,1723 0,0154 0,0099 0,0154-0,2451 0,0154 0,1117 0,0154 0,0748 0,0154 0,0579 0,0154-0,3531 B:Temp_1 0,0458 0,0053-0,081-0,147-0,0134 0,1609-0,079 0,094 0,0045 0,0347 0,3297-0,1465-0,2017-0,1951-0,1333-0,0365 0,137-0,0365 0,0225-0,0365-0,1074-0,0365 0,2092-0,0365 0,1093-0,0365-0,1189 C:Temp_2 0,0111-0,0332-0,081 0,0128 0,0287-0,0861-0,0667 0,0522-0,0682 0,0738-0,1075-0,0069 0,1214-0,0429 0,1588-0,0048-0,0999-0,0048-0,0475-0,0048 0,0019-0,0048-0,0823-0,0048 0,0644-0,0048-0,0016 D:Temp_3-0,026 0,0733-0,147 0,0128-0,0014-0,0809-0,0511-0,0235 0,2082-0,1574-0,0544 0,0653 0,3295-0,0198 0,2483 0,0249-0,1167 0,0249-0,1188 0,0249-0,0751 0,0249-0,1193 0,0249-0,1426 0,0249 0,1111 E:Temp_4-0,014 0,0627-0,0134 0,0287-0,0014-0,0217 0,0398-0,1065-0,0895-0,036 0,0167 0,0698 0,1218 0,2339 0,153 0,0004 0,1722 0,0004-0,0794 0,0004 0,0921 0,0004-0,1887 0,0004-0,1195 0,0004-0,2122 F:Temp_5 0,045-0,0311 0,1609-0,0861-0,0809-0,0217 0,0216 0,0667-0,0398 0,181 0,2507 0,0298-0,1013-0,0571-0,1728-0,0394-0,0141-0,0394 0,3558-0,0394-0,131-0,0394 0,0627-0,0394-0,0523-0,0394-0,0559 G:Temp_6-0,0193-0,0729-0,079-0,0667-0,0511 0,0398 0,0216-0,1756-0,1038-0,1908-0,2603 0,3412 0,0093 0,1447-0,3511-0,0035-0,0074-0,0035 0,0317-0,0035 0,3834-0,0035-0,3046-0,0035-0,0817-0,0035 0,0382 H:Lüftung 0,2588 0,1598 0,094 0,0522-0,0235-0,1065 0,0667-0,1756-0,1137 0,2472 0,3207 0,131-0,113-0,4224 0,1795-0,1412-0,0704-0,1412-0,1721-0,1412-0,0826-0,1412 0,4405-0,1412 0,0609-0,1412-0,1086 AB 0,0071-0,1296 0,0045-0,0682 0,2082-0,0895-0,0398-0,1038-0,1137 0,0139-0,1659 0,0308 0,1196 0,1451-0,0203-0,0234-0,2124-0,0234 0,2149-0,0234-0,1189-0,0234 0,1283-0,0234-0,3054-0,0234-0,0267 AC 0,0886 0,0527 0,0347 0,0738-0,1574-0,036 0,181-0,1908 0,2472 0,0139 0,086 0,0203-0,1264-0,1374 0,0666-0,0615-0,077-0,0615 0,1382-0,0615-0,1006-0,0615 0,2108-0,0615 0,0139-0,0615-0,1858 AD 0,0354 0,1929 0,3297-0,1075-0,0544 0,0167 0,2507-0,2603 0,3207-0,1659 0,086-0,1021-0,0981-0,2827 0,0413 0,0062 0,2227 0,0062-0,1388 0,0062-0,056 0,0062 0,2766 0,0062 0,3412 0,0062-0,2206 AE 0,0511-0,0276-0,1465-0,0069 0,0653 0,0698 0,0298 0,3412 0,131 0,0308 0,0203-0,1021 0,0592 0,0114-0,0466-0,0371-0,0644-0,0371-0,0294-0,0371 0,2124-0,0371-0,0552-0,0371-0,1671-0,0371-0,0313 AF -0,0416 0,03-0,2017 0,1214 0,3295 0,1218-0,1013 0,0093-0,113 0,1196-0,1264-0,0981 0,0592 0,2085 0,1615 0,0293-0,1852 0,0293-0,1954 0,0293 0,1222 0,0293-0,1492 0,0293-0,0636 0,0293-0,1096 AG -0,0924-0,1456-0,1951-0,0429-0,0198 0,2339-0,0571 0,1447-0,4224 0,1451-0,1374-0,2827 0,0114 0,2085-0,0199 0,0413-0,3082 0,0413 0,1354 0,0413-0,0301 0,0413-0,2852 0,0413-0,1979 0,0413 0,0522 AH 0,0255 0,1723-0,1333 0,1588 0,2483 0,153-0,1728-0,3511 0,1795-0,0203 0,0666 0,0413-0,0466 0,1615-0,0199-0,0027-0,1352-0,0027-0,363-0,0027-0,2119-0,0027 0,0576-0,0027-0,0823-0,0027-0,0406 BB -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,0324 0,2861-0,0336 0,2861 0,0201 0,2861-0,0652 0,2861 0,0613 0,2861 0,0092 BC -0,039 0,0099 0,137-0,0999-0,1167 0,1722-0,0141-0,0074-0,0704-0,2124-0,077 0,2227-0,0644-0,1852-0,3082-0,1352 0,0324 0,0324-0,1084 0,0324 0,0931 0,0324-0,0948 0,0324 0,2602 0,0324-0,0573 CC -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,2861 0,0324-0,0336 0,2861 0,0201 0,2861-0,0652 0,2861 0,0613 0,2861 0,0092 CD 0,009-0,2451 0,0225-0,0475-0,1188-0,0794 0,3558 0,0317-0,1721 0,2149 0,1382-0,1388-0,0294-0,1954 0,1354-0,363-0,0336-0,1084-0,0336-0,0336-0,0645-0,0336 0,0396-0,0336-0,2415-0,0336 0,1237 DD -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,2861 0,0324 0,2861-0,0336 0,0201 0,2861-0,0652 0,2861 0,0613 0,2861 0,0092 DE -0,0292 0,1117-0,1074 0,0019-0,0751 0,0921-0,131 0,3834-0,0826-0,1189-0,1006-0,056 0,2124 0,1222-0,0301-0,2119 0,0201 0,0931 0,0201-0,0645 0,0201 0,0201-0,1598 0,0201 0,1278 0,0201-0,255 EE -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,2861 0,0324 0,2861-0,0336 0,2861 0,0201-0,0652 0,2861 0,0613 0,2861 0,0092 EF 0,1168 0,0748 0,2092-0,0823-0,1193-0,1887 0,0627-0,3046 0,4405 0,1283 0,2108 0,2766-0,0552-0,1492-0,2852 0,0576-0,0652-0,0948-0,0652 0,0396-0,0652-0,1598-0,0652-0,0652 0,0351-0,0652 0,0089 FF -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,2861 0,0324 0,2861-0,0336 0,2861 0,0201 0,2861-0,0652 0,0613 0,2861 0,0092 FG -0,0489 0,0579 0,1093 0,0644-0,1426-0,1195-0,0523-0,0817 0,0609-0,3054 0,0139 0,3412-0,1671-0,0636-0,1979-0,0823 0,0613 0,2602 0,0613-0,2415 0,0613 0,1278 0,0613 0,0351 0,0613 0,0613-0,0675 GG -0,6207 0,0154-0,0365-0,0048 0,0249 0,0004-0,0394-0,0035-0,1412-0,0234-0,0615 0,0062-0,0371 0,0293 0,0413-0,0027 0,2861 0,0324 0,2861-0,0336 0,2861 0,0201 0,2861-0,0652 0,2861 0,0613 0,0092 GH -0,0224-0,3531-0,1189-0,0016 0,1111-0,2122-0,0559 0,0382-0,1086-0,0267-0,1858-0,2206-0,0313-0,1096 0,0522-0,0406 0,0092-0,0573 0,0092 0,1237 0,0092-0,255 0,0092 0,0089 0,0092-0,0675 0,0092 Alle Effekte untereinander im The StatAdvisor Intervall(0-0,4-0,4) The correlation matrix shows the extent of the confounding amongst the effects. A perfectly orthogonal design will show a diagonal matrix with 1's on the diagonal and 0's off the diagonal. Any non-zero terms off the diagonal imply that the estimates of the effects corresponding to that row and column will be correlated. In this case, there are 351 pairs of effects with non-zero correlations. However, since none are greater than or equal to 0,5, you will probably be able to interpret the results without much difficulty.
15 Berechnung der Effekte und Wechselwirkungen und VIF Effect Estimate Stnd. Error V.I.F. average 0, , A:V_Transport -0, , , B:Temp_1 0, , , C:Temp_2 0, , , D:Temp_3 0, , , E:Temp_4 0, , , F:Temp_5-0, , , G:Temp_6 0, , , H:Lüftung 0, , , AB 0, , , AC 0, , , AD -0, , , AE 0, , , AF 0, , , AG -0, , , AH 0, , , BB -0, , , BC -0, , , CC 0, , , CD -0, , , DD -0, , , DE -0, , , EE -0, , , EF -0, , , FF -0, , , FG -0, , , GG -0, , , GH -0, , , Der VIF (Varianzinflationsfaktor) ist stets kleiner 4, also ist eine unkorrelierte Schätzung der Effekte möglich.
16 Allg. Anzahl der Versuche in D-optimalen Versuchsplänen Modell Anzahl der Einflussfaktoren k Linear min Linear mit WW Quadratisch Jeweils Faktor 1,5
17 Ablauf bei der Ergänzung eines bestehenden Versuchsplanes 1. Bestimmung des Versuchsraumes (z.b. aus dem Minimum und Maximum der vorhandenen Daten 2. Erstellung eines vollständigen Versuchsplanes im ermittelten Versuchsraum (Modell beachten) 3. Anhängen der vorhandenen Versuche an den vollständigen Plan Somit ist ein vollständiger Plan und Zusatzversuche vorhanden 4. Start der Funktion D-Optimal Design mit der Auswahl der zu schätzenden Effekte, Wechselwirkungen, nichtlinearen Glieder im Modellansatz usw. 5. Statgraphics ermittelt unter Beachtung der vorhandenen Daten einen optimalen Versuchsplan.
18 Zusammenfassung - D-Optimale Versuchspläne D-optimale Pläne sind geeignet, um sehr sparsame auf die speziellen Anforderungen zugeschnittene Versuchspläne zu erstellen. Dabei kann folgendes gewählt werden: Linearer oder quadratischer Zusammenhang Anzahl der Versuchsstufen Ausschluss von Wechselwirkungen, die technologisch nicht vorkommen können. (Vorsicht bei der Streichung) Eine weitere Anwendung besteht darin, dass ein Versuchsplan oder Daten, die einem Versuchsplan entsprechen, aufgerüstet wird. Literatur: Petersen - Selektion von statistischen Versuchsplänen (Modifizierte D-optimale Versuchspläne) ecomed Fachverlag 1992 Box, Hunter, Hunter - Statistics for Experimenters: Design, Innovation and Discovery, 2nd edition, von (2005). John Wiley and Sons, New York.
19 Fragen? Gern unterstützen wir Sie bei der Anwendung D-Optimaler Versuchspläne. Mit Fragen wenden Sie sich bitte an: Steffen Johne +49 (351)
UMEX Kurzinfo zur Erstellung eines Versuchsplanes erster und zweiter Ordnung mittels Statgraphics
UMEX Kurzinfo zur Erstellung eines Versuchsplanes erster und zweiter Ordnung mittels Statgraphics Eingabe der Stufen: Beachten Sie: Größe ist quantitativ Größe ist qualitativ Nur qualitative Größen auswählen
MehrStatistische Versuchsplanung und Optimierung
und Optimierung Ziel: Anwendung der statistischen Versuchsplanung zur Optimierung von Analysenverfahren bzw. chemischen Prozessen Betreuer: Dipl.-Chem. Gisa Baumbach IAAC, Lehrbereich Umweltanalytik Lessingstr.8,
MehrInhaltsverzeichnis. Bibliografische Informationen digitalisiert durch
Grundlagen 1 1.1 Einleitung 1 1.2 Grundbegriffe 2 1.2.1 Systemgrenzen 3 1.2.2 Qualitätsmerkmal 4 1.2.3 Parameter und Faktoren 5 1.2.4 Stufen 6 1.2.5 Vergleich zu traditionellen Verfahren 6 1.3 Auswertung
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren 7., aktualisierte und erweiterte Auflage Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner HANSER VII Inhalt
MehrMögliche Inhalte für Statgraphics Schulungen und Workshops
Statgraphics Software - Schulungen und Workshops Statgraphics Software - Schulungen und Workshops Mögliche Inhalte für Statgraphics Schulungen und Workshops Statgraphics Schulungen zur: Programmbedienung
MehrStatistische Versuchsplanung und -auswertung
Eberhard Scheffler Statistische Versuchsplanung und -auswertung Eine Einführung für Praktiker 3., neu bearbeitete und erweiterte Auflage von Einführung in die Praxis der statistischen Versuchsplanung"
MehrErstellung eines Versuchsplanes
Statistiksoftware Statgraphics Softwarevertrieb, Schulungen, W orkshops Erstellung eines Versuchsplanes UMEX GmbH Dresden Moritzburger Weg 67 01109 Dresden Allg. Informationen zu Versuchsplänen Erläuterung
MehrHandhabung von Statistica 8
Handhabung von Statistica 8 Programmaufruf Statistica wird unter Start Alle Programme Statistica 8 gestartet. Nach dem Aufruf öffnet sich das Startfenster von Statistica (Abb. 1). Abb. 1 Startfenster von
MehrTaschenbuch Null-Fehler- Management
Taschenbuch Null-Fehler- Management Johann Wappis, Franz J. Brunner, Berndt Jung Umsetzung von Six Sigma ISBN 3-446-40624-7 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40624-7
MehrOptimierung der mechanischen Eigenschaften von mittels 3D-Druck erzeugten Objekten
Optimierung der mechanischen Eigenschaften von mittels 3D-Druck erzeugten Objekten Markus Böhme, Dr. Frank Reifegerste, Dr. Heinz Wohlrabe 1 Einleitung Das Rapid-Prototyping Verfahren Fused Deposition
MehrÆ A BC A DC C C C C C A A BCBDECFE C F A C C F A A F C AC D A F C A F A AC F C C C C A C C AC C C C F F F C C F A C F F A C A C C F C F F C C A D F F C C C D F B A C C F C C F B C C F A A B A A A F A
MehrVersuchspläne CCD, CCF, CCC
Einführung Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: www.versuchsmethoden.de/versuchsplanung.pdf Einführung
MehrFakultät Maschinenwesen, Institut für Fertigungstechnik, Professur Formgebende Fertigungsverfahren
Fakultät Maschinenwesen, Institut für Fertigungstechnik, Professur Formgebende Fertigungsverfahren Spezielle Fertigungsverfahren und Mikrofertigungstechnik DoE-Übung Prof. Dr.-Ing. Alexander Brosius 13.
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Vorwort Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrMögliche Inhalte für Statgraphics Schulungen
Statgraphics Software - Schulungen und W orkshops Statgraphics Software - Schulungen und W orkshops Mögliche Inhalte für Statgraphics Schulungen UMEX GmbH Dresden Moritzburger Weg 67 01109 Dresden Tel.
MehrVersuchsplanung. Produkte und Prozesse optimieren. Bearbeitet von Wilhelm Kleppmann
Versuchsplanung Produkte und Prozesse optimieren Bearbeitet von Wilhelm Kleppmann 8., überarbeitete Auflage 2013. Buch. XII, 349 S. Mit kostenlosem E-Book. Kartoniert ISBN 978 3 446 43752 4 Format (B x
MehrKommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen
Kommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen Hierarchisches log-lineares Modell: Saturiertes Modell (SPSS-Modul Modellauswahl ) HILOGLINEAR polview(1
MehrBernd Borchert. Univ. Tübingen WS 13/14. Vorlesung. Kryptographie. Teil
Bernd Borchert Univ. Tübingen WS 13/14 Vorlesung Kryptographie Teil 4 22.11.13 AES AES ist eine Blockchiffre in drei Varianten AES128, AES196 und AES256. Wichtigste Kennzahlen: Blocklänge bei allen drei
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrDESIGN OF EXPERIMENTS
DESIGN OF EXPERIMENTS Einführung in die statistische Versuchsplanung (DoE) Impulsveranstaltung von 27.04.2017 in Winterthur TQU AG Neumühlestrasse 42 8406 Winterthur, Schweiz www.tqu.ag Beat Giger beat.giger@tqu.ag
MehrMögliche Inhalte für Statgraphics Schulungen und Workshops
Statgraphics Software - Schulungen und Workshops Statgraphics Software - Schulungen und W orkshops Mögliche Inhalte für Statgraphics Schulungen und Workshops UMEX GmbH Dresden Moritzburger Weg 67 01109
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrA B C DB E C F D B CB C F AA DB FF C D B E C F D B CB C F AA DB D DB C DD B E C F D B CB C F AA DB D B B B B AF C B
A B C DB E C F D B CB C F AA DB FF C D B E C F D B CB C F AA DB D DB C DD B E C F D B CB C F AA DB D B B B B AF C B C DD F BE C F D B CB C F AA DB B F D B CBC DB C D F AA DB FF C D B B B B B AB D F D BC
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
MehrStatistische Versuchsplanung
VDI-Buch Statistische Versuchsplanung Design of Experiments (DoE) Bearbeitet von Karl Siebertz, David van Bebber, Thomas Hochkirchen 1st Edition. 2010. Buch. xvi, 328 S. Hardcover ISBN 978 3 642 05492
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrWie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.
Ziel Prinzip Bestimmung der relevanten Einflussgrößen und Effekte unabhängiger Eingangsvariablen auf das Ergebnis eines Produktes oder Prozess mit einem Minimum an Versuchsaufwand. DoE (Design of Experiment)
MehrDOE UMGANG MIT STÖRGRÖßEN
TQU BUSINESS GMBH DOE X X 2 X 3 X n Prozess Y ; Y 2. 2 Lernziele Sie kennen die verschiedenen Möglichkeiten der Behandlung von attributiven und variablen Störgrößen in einem Experiment. Sie kennen die
MehrEndgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: )
A A1a 2197120 on on A A1a 2311330 on on on on on on on A A1a 2316420 on on A A1a 2332345 on on on on on on on A A1a 2371324 on on on on on on on A A1a 2382962 on on A A1a 2384710 on on on on on on on A
Mehr1. ÜBUNG. Die Differentialgleichung, die aus der Massenbilanz folgt, ist für folgende Bedingungen zu lösen:
PAVP - Übungsaufgaben Ü - 1 1. ÜBUNG Für den dargestellten Behälter ist der zeitliche Verlauf H(t) der Füllhöhe zu bestimmen. Die folgenden Konstanten sind als bekannt vorauszusetzen: A - h v - ñ - Querschnitt
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrSTARCOS 3.5 ID ECC products
STARCOS 3.5 ID ECC products G+D Mobile Security Table April 30, 2018 V1.7 2 Table of Contents Table of Contents... 2 1. Correspondence between initialisation table and Common Criteria Evaluation... 3 2.
MehrVersuchsplanung - DoE
Einführung Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: www.versuchsmethoden.de/systemanalyse_14.pdf
MehrWarum Interaktionen? Und was kann schiefgehen?
Warum Interaktionen? Und was kann schiefgehen? Viele theoretische Überlegungen folgen der Form: X führt zu Y, wenn Z gegeben ist Multiplikative Interaktionen (Produktterme) bilden das gut ab Aber in der
MehrDESIGN OF EXPERIMENTS
DESIGN OF EXPERIMENTS Einführung in die statistische Versuchsplanung (DoE) Stand 10-2016 TQU AG Neumühlestrasse 42 8406 Winterthur, Schweiz +41 52 / 202 75 52 www.tqu-group.com Beat Giger beat.giger@tqu-group.com
MehrHans Walser! Magische Symmetrie!!
Hans Walser Magische Symmetrie www.walser-h-m.ch/hans Magisches Quadrat ungerader Seitenlänge Magisches Quadrat ungerader Seitenlänge Magisches Quadrat ungerader Seitenlänge 65 65 65 Median in der Mitte
MehrTandem 6. Versuchsansteller: M. Fleck. K. Emrich, E. Thomas, H.-P. Piepho
Tandem 6 Ein Feldversuch zur Optimierung von Qualität und Ertrag von Möhren unter besonderer Berücksichtigung biologisch-dynamischer Feldspritzpräparate Versuchsansteller: M. Fleck Biometriker: K. Emrich,
MehrRechnen mit Klammern
Rechnen mit Klammern W. Kippels 28. Juli 2012 Inhaltsverzeichnis 1 Gesetze und Formeln zum Rechnen mit Klammern 3 1.1 Kommutativgesetze.............................. 3 1.2 Assoziativgesetze...............................
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrFakultät Maschinenwesen, Institut für Fertigungstechnik, Professur Formgebende Fertigungsverfahren
Fakultät Maschinenwesen, Institut für Fertigungstechnik, Professur Formgebende Fertigungsverfahren Spezielle Fertigungsverfahren und Mikrofertigungstechnik Design of Experiments - DoE Prof. Dr.-Ing. Alexander
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
MehrDie Beziehung zwischen ordinal skalierten Variablen
Die Beziehung zwischen ordinal skalierten Variablen Schüler Englisch Deutsch a 5 5 b 4 besser 4 besser Konkordante Paare: Die Untersuchungseinheiten können im Hinblick auf X und Y dieselbe Rangordnung
MehrUnter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n.
Die Fakultät Definition: Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n. n! = 1 2 3... (n 2) (n 1) n Zusätzlich wird definiert 0! = 1 Wie aus der Definition
MehrVorkurs Mathematik 1
Vorkurs Mathematik 1 Einführung in die mathematische Notation Konstanten i komplexe Einheit i 2 + 1 = 0 e Eulersche Zahl Kreiszahl 2 Einführung in die mathematische Notation Bezeichner Primzahlen, Zähler
MehrTEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN
TEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN GLIEDERUNG Verfahren, welche auf dem paarweisen Vergleich beruhen Tau-a-Koeffizient Tau-b-Koeffizient Gamma-Koeffizient Alternativen zum paarweisen
MehrProzessoptimierung mit statistischen Verfahren
Prozessoptimierung mit statistischen Verfahren Eine anwendungsorientierte Einführung mit destra und Minitab Bearbeitet von Lorenz Braun, Claus Morgenstern, Michael Radeck 1. Auflage 010. Buch. IX, 354
MehrStatistische Versuchsplanung - zuverlässiger und schneller zu Ergebnissen" Dr. Uwe Waschatz
Statistische Versuchsplanung - zuverlässiger und schneller zu Ergebnissen" Dr. Uwe Waschatz Inhalt Problembeschreibung Multiple lineare Regressionsanalyse Statistische Versuchsplanung / Design of Experiments
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrBiometrische und Ökonometrische Methoden I! Lösungen 6
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 97/98 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden I! Lösungen 6 1. a) MTB > Read "H:\STUDENT\MINITAB\CNP.DAT"
MehrLösungen zu der Stationsarbeit: Parametergleichungen von Geraden/Lagebeziehung von Geraden
Lösungen zu der Stationsarbeit: Parametergleichungen von Geraden/Lagebeziehung von Geraden Lösung zur Pflichtaufgabe a) b) Würfel: A( ), B( ), C( ), D( ), E( ), F( ), G( ), H( ) Pyramide: A( ), B( ), C(
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
Mehr1.2 Das Lösen von linearen Problemen mit Hilfe eines Computerprogramms.
1.2 Das Lösen von linearen Problemen mit Hilfe eines Computerprogramms. An Hand eines Beispiels werden wir ein lineares Problem mit Hilfe eines Computerprogramms lösen. Das hier angewandte Programm ist
MehrDie statistische Datenanalyse Ein Werkzeug zur Prozessoptimierung auch in der Papierindustrie
Die statistische Datenanalyse Ein Werkzeug zur Prozessoptimierung auch in der Papierindustrie Dipl.-Ing. (FH), MBM Konrad Höglauer Six Sigma Master Black Belt Process Analysis Group Eurasia konrad.hoglauer@albint.com
MehrStichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230
335 Stichwortverzeichnis A Abweichung 12 mittlere 13 Additivität 141 Anova siehe Varianzanalyse Anpassungsgüte 252, 279 χ 2 -Test zur 270 279 mehr als zwei Klassen 272 274 Anpassungstest (χ 2 ) 270 278
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrVektorgeometrie Layout: Tibor Stolz
Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P
MehrWasser da$ \sie Ö{se. Maße hei# Schluss-$: $ an Stelle des $ kurzer Anstrich für \s: \ an Stelle des \ langer Anstrich für {s: { an Stelle des {
Die Grünewalt VA Vereinfachte Ausgangsschrift (VA) ist eine Lateinschrift. Sie wurde von Dr. Heinrich Grünewald aus der 1953 eingeführten Lateinischen Ausgangsschrift (LA) entwickelt und umstrukturiert.
MehrEndliche Automaten. Minimierung. Karin Haenelt. Karin Haenelt, 2004, FSA-Minimierung, ( )
Endliche Automaten Minimierung Karin Haenelt 1 Inhalt Vorteile eines Minimalautomaten Fälle für die Minimierung Minimierungsalgorithmus für deterministische endliche Automaten (mit totaler Übergangsfunktion)
MehrHans Walser. Magische Symmetrie.
Hans Walser Magische Symmetrie www.walser-h-m.ch/hans/vortraege/2181117 Magisches Quadrat ungerader Seitenlänge Handout Magisches Quadrat ungerader Seitenlänge Handout Magisches Quadrat ungerader Seitenlänge
MehrStatistik II für Betriebswirte Vorlesung 5
Statistik II für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 5 Version:
MehrErweiterung des erlaubten Zeichenvorrats für den PHONONET- Artikelpool der DOS-Codepage 437:
Erweiterung des erlaubten Zeichenvorrats für den PHONONET- Artikelpool der DOS-Codepage 437: Aufgeführt sind die Zeichen-Codes für die anzuliefernde DOS-Codepage 437 in hexadezimal und dezimal, sowie die
MehrKlausur zur Vorlesung Methoden Verkehrsökonometrie. für Master-Studierende WS 2012/13
Seite: von 4 Klausur zur Vorlesung Methoden Verkehrsökonometrie Aufgabe (50 Punkte) für Master-Studierende WS 202/3 Die Nutzung der ÖV-Angebote verschiedener Städte (mittlere Fahrtenhäufigkeit pro Einwohner
MehrÜberbestimmte lineare Gleichungssysteme
Überbestimmte lineare Gleichungssysteme Fakultät Grundlagen September 2009 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme Übersicht 1 2 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrLineare Regression 1 Seminar für Statistik
Lineare Regression 1 Seminar für Statistik Markus Kalisch 17.09.2014 1 Statistik 2: Ziele Konzepte von einer breiten Auswahl von Methoden verstehen Umsetzung mit R: Daten einlesen, Daten analysieren, Grafiken
MehrEinführung in die Matrixalgebra
Einführung in die Matrixalgebra Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Bachelor S. Garbade (SRH Heidelberg) Matrixalgebra Bachelor
MehrTaguchi. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: www.versuchsmethoden.de/versuchsplanung.pdf Einführung Taguchi
MehrRechnen mit Klammern
Rechnen mit Klammern W. Kippels 22. August 2015 Inhaltsverzeichnis 1 Gesetze und Formeln zum Rechnen mit Klammern 3 1.1 Kommutativgesetze.............................. 3 1.2 Assoziativgesetze...............................
MehrBarbara Bredner. NOT-Statistik. Nachweise führen, Optimierungen finden, Toleranzen berechnen mit Minitab und R. Auszug: Stichwortverzeichnis
Barbara Bredner NOT-Statistik Nachweise führen, Optimierungen finden, Toleranzen berechnen mit Minitab und R Auszug: Stichwortverzeichnis Barbara Bredner, NOT-Statistik. Nachweise führen, Optimierungen
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
Mehr12 Der Abstand eines Punktes von einer Geraden Seite 1 von Der Abstand eines Punktes von einer Geraden
12 Der Abstand eines Punktes von einer Geraden Seite 1 von 5 12 Der Abstand eines Punktes von einer Geraden Die Bestimmung des Abstands eines Punktes von einer Geraden gehört zu den zentralen Problemen
MehrMultiple Regression Mais-NP Zweidimensionale lineare Regression Data Display Dreidimensionale lineare Regression Multiple Regression
Multiple Regression! Zweidimensionale lineare Regression Modell Bestimmung der Regressionsebene Multiples Bestimmtheitsmaß Test des Bestimmtheitsmaßes Vertrauensintervalle für die Koeffizienten Test des
MehrÜbungsrunde 2, Gruppe 2 LVA , Übungsrunde 1, Gruppe 2, Markus Nemetz, TU Wien, 10/2006
1 1.2.3.4. 1.1 Angabe Übungsrunde 2, Gruppe 2 LVA 107.369, Übungsrunde 1, Gruppe 2, 24.10. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 10/2006 Bestimmen Sie für den Datensatz bulb.dat die Quartile,
MehrTutorial 7: Versuchsplanung
Kapitel 16 Tutorial 7: Versuchsplanung Planen von Eperimenten als Unterstützung in der Prozessentwicklung und - optimierung. Nicht alle Daten sind gleich guter Qualität. Häufig liefert eine kleine, aber
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrInstitut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel
Lösungen Übung 6 Aufgabe 1. a.) Idee: Gesucht sind p, q mit pq = 6 2 und p + q = 13. Dies entspricht genau der Situation im Höhensatz. Konstruktion: 1. Punkte A, B mit AB = 13 2. Gerade g AB mit dist(g,
MehrDabei bezeichnet x die Einflussgrösse (Regressor), y die Zielvariable (die eine Folge der Ursache x ist) und die Störung. Die n = 3 Beobachtungen
Lineare Regression und Matrizen. Einführendes Beispiel Der im Kapitel Skalarprodukt gewählte Lösungsweg für das Problem der linearen Regression kann auch mit Matrizen formuliert werden. Die Idee wird zunächst
MehrEinstellungen für D-optimale Versuchspläne
Whitepaper Einstellungen für D-optimale Versuchspläne Version 1.0 Dr. Theo Wember 18. April 2017 Industriering 4a 85238 Petershausen Germany Tel.: +49 (8137) 935-0 Fax: +49 (8137) 935-235 http://www.camline.com/
Mehr6.1.2 Bem.: Für Vierecke ist der Begriff Innenwinkel im allgemeinen nicht sinnvoll. Skizze.
6 Flächeninhalt 6.1 Vierecke 6.1.1 Def.: Seien A, B, C, D vier verschiedene Punkte in E, keine drei auf einer Geraden, so dass AB, BC, CD, DA einander höchstens in Endpunkten treffen. Dann bilden diese
MehrDie Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
MehrVergleich zweier Erwartungwerte. Wir vereinfachen die Aufgabe zuerst auf einen Einflussfaktor A mit k=2 Stufen: Wir prüfen:
Vl. 25.7.2012 I. Analyse von Effekten: Ermittlung von Unterschieden Ziel: Wir wollen folgende Fragestellungen untersuchen: Auf eine Zielgröße Y wirken mehrere, z.b. 2 Einflussfaktoren ein, hier A und B.
MehrMinisterium für Schule und Weiterbildung NRW M GK HT 4 Seite 1 von 8. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Grundkurs
Seite 1 von 8 Unterlagen für die Lehrkraft Abiturprüfung 2010 Mathematik, Grundkurs 1. Aufgabenart Lineare Algebra/Geometrie ohne Alternative 2. Aufgabenstellung siehe Prüfungsaufgabe 3. Materialgrundlage
MehrBezeichnung: Universal Relais Modbus Protokoll Beschreibung. EA-Nr.: 1451 Ersatz für: 12280-1602-00 Blatt: 1 von 9
EA-Nr.: 1451 Ersatz für: 12280-1602-00 Blatt: 1 von 9 MODBUS TCP/IP TCP Port: 502 Max. Anzahl TCP Verbindungen (max. TCP connections): 5 MODBUS RTU Unterstützte Funktionscodes Funktionscode Bezeichnung
Mehr7.6. Prüfungsaufgaben zu Normalenformen
7.6. Prüfungsaufgaben zu Normalenformen Aufgabe () Gegeben sind die Gerade g: x a + r u mit r R und die Ebene E: ( x p ) n. a) Welche geometrische Bedeutung haben die Vektoren a und u bzw. p und n? Veranschaulichen
Mehr6.1.2 Bem.: Für Vierecke ist der Begriff Innenwinkel im allgemeinen nicht sinnvoll. Skizze.
6 Flächeninhalt 6.1 Vierecke 6.1.1 Def.: Seien A, B, C, D vier verschiedene Punkte in E, keine drei auf einer Geraden, so dass AB, BC, CD, DA einander höchstens in Endpunkten treffen. Dann bilden diese
MehrModul 4 Aufgabe 1. Anhand der Excel-Arbeitsmappe Modul4Aufgabe1 Text.xls führen Sie entsprechende Berechnungen und Formatierungen durch.
Modul 4 Aufgabe 1 Anhand der Excel-Arbeitsmappe Modul4Aufgabe1 Text.xls führen Sie entsprechende Berechnungen und Formatierungen durch. 1. Öffnen Sie die Arbeitsmappe Modul4Aufgabe1 Text.xls 2. Klicken
MehrInhaltsverzeichnis. Vorwort
Vorwort XI 1 Grundbegriffe der mathematischen Statistik I 1.1 Grundgesamtheit und Stichprobe 2 1.1.1 Konkrete Stichproben und Grundgesamtheiten 2 1.1.2 Stichprobenverfahren 4 12 Mathematische Modelle für
MehrBADEN-WÜRTTEMBERG Vektoren Geraden im Raum Lösungen Herausgegeben von Heinz Griesel Helmut Postel Friedrich Suhr Schroedel
ELEMENTE DER MATHEMATIK BADEN-WÜRTTEMBERG Vektoren Geraden im Raum Lösungen Herausgegeben von Heinz Griesel Helmut Postel Friedrich Suhr Schroedel Vektoren Geraden im Raum. Kartesisches Koordinatensystem
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrDoE als Werkzeug zur systematischen Prozessoptimierung in der Silikatkeramik
DKG-Jahrestagung 2011 28. - 30. März 2011 Saarbrücken DoE als Werkzeug zur systematischen Prozessoptimierung in der Silikatkeramik Dipl.-Ing. (FH) Miriam Peuker Ir. Marcel Engels FGK Forschungsinstitut
MehrSeite 10 Aufgaben Zentrische Streckung 1 a) Konstruktionsbericht (Vorschlag):
Seite 10 1 a) Konstruktionsbericht (Vorschlag): 1. Alle Eckpunkte mit Z verbinden 2. Die Strecke ZC halbieren (das entspricht der Streckung mit k 0.5) C 3. Parallelverschieben CB // durch C B 4. AB //
MehrFür diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte
Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: media.crgraph.de/hypothesentests.pdf media.crgraph.de/multiple_regression.pdf
MehrABC DB DE F F EB BE C EF CF E F F F FF C EF E
D F F ABC DB DE F F EB BE C EF CF E F F F FF C EF E E FF C F B A F E CC F E D E C D F A E B A F E CC F E E F E E A C F E E F E EEF E C D F C F E E E A F E EEF E C D F B F EB E F F F C EF C F F A C F E
Mehr4. Funktionen und Relationen
Bestimmung der Umkehrfunktionen c) bei reellen Funktionen geometrisch durch Spiegelung des Funktionsgraphen an der Winkelhalbierenden y = x. y = x 3 y = x y = x y = (x+1)/2 y = x 1/3 y = 2x 1 Seite 27
MehrStatistik II für Betriebswirte Vorlesung 11
Statistik II für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 18. Januar 2017 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrInhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14
VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...
MehrMathematische Grundlagen der Computerlinguistik Ordnungsrelationen
Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 86 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist
MehrTaguchi. Die Strategie von Taguchi
Taguchi-Methoden Taguchi Genichi geb. 1924, ist ein japanischer Ingenieur, Statistiker und Experte für Qualitätsverbesserung. Aufgrund des immer härter werdenden Wettbewerbs bei der industriellen Fertigung
Mehrdes Gemeinsamen Bundesausschusses über die Veröffentlichung des Modells zur Risikoadjustierung gemäß 7 Absatz 2 Satz 3 Anlage 4 QFR-RL
Beschluss des Gemeinsamen Bundesausschusses über die Veröffentlichung des Modells zur Risikoadjustierung gemäß 7 Absatz 2 Satz 3 Anlage 4 QFR-RL Vom 21. Januar 2016 Der Gemeinsame Bundesausschuss hat in
Mehr