Hjorth Kvalitetsudvikling. Introduktion til SPC og kapabilitet
|
|
- Charlotte Jessen
- 7 år siden
- Visninger:
Transkript
1 Introduktion til SPC og kapabilitet
2 Ideel proces uden variation Aksel - Neddrejningsdybde nominel 34,5 mm
3 Det virkelige liv NEDDREJNINGSDYBDE (Y) NEDDREJNINGSDYBDE
4 Variationskilder De 5 M-er: Menneske Materiale Maskine Metode Miljø
5 Systematisk variation SYSTEMATISK VARIATION Gennemsnit - 1 Gennemsnit
6 Tilfældig variation TILFÆLDIG VARIATION
7 Systematisk og tilfældig variation SYSTEMATISK variation: Hvor rammer skuddene i forhold til det vi ønsker. TILFÆLDIG variation: Hvor meget spreder skuddene omkring det sted vi rammer.
8 Parti- og proceskontrol Lavtryk Indiv id. ucl Proces cl lcl Proces kontrol/styring Indiv id.: cl: ucl: lcl: * Rule v iolation Subgrp Size 1
9 SPC Fjerner systematisk variation Reducerer tilfældig variation SPC
10 SPC SPC
11 Statistiske fordelinger
12 Værnepligtiges højde efterår 2001 Antal værnepligtige Højde,cm efterår 2001 under over
13 Histogram Værnepligtiges højde (efterår 2001) under over 200
14 Antal værnepligtige Højde,cm gns efterår 2001 under over Gennemnsitlig højde i cm ,4 168,4 180,6
15 Værnepligtiges højde (gennemsnit ) under over 200 Værnepligtiges højde (efterår 2001) under over 200
16 3 forskellige histogrammer - forudsigelige mønstre? Neddrejning 34,5 mm Volumen i rødvinsflasker Værnepligtiges højde (efterår 2001) Hvad har en neddrejning, højde af værnepligtige og et rødvinsvolumen tilfælles? under over 200
17 De er alle normalfordelte Neddrejningsdybde
18 Systematisk og tilfældig variation Target Gennemsnit Systematisk variation Tilfældig variation
19 Standardafvigelse og tilfældig variation Naturligt variationsområde Gennemsnit Tilfældig variation= 6s
20 Beregning af gennemsnit og standardafvigelse x summen af målingerne antal målinger n i 1 n x i s (x x) (x x) (x x) (x x) n n 1 s n i 1 (x x) i n 1 2
21 Normalfordelingen 95 % 68 % x -6s -4s -2s 0 2s 4s 6s
22 Naturligt variationsområde Referenceinterval 99,73 % x -3s 0 3s
23 Proces i statistisk kontrol En proces, der kun påvirkes af tilfældig variation siges at være i statistisk kontrol. En proces, der er i statistisk kontrol vil til stadighed variere inden for sit referenceinterval den er altså forudsigelig dvs. lige indtil et af de 5 M er sparker til den. Når det sker skifter processen gennemsnit og vil så ligge og svinge omkring et nyt niveau indtil der igen kommer et M osv.
24 Naturligt variationsområde og specifikationsgrænser Hvorledes klarer disse processer sig over for specifikationen? -3s +3s NTG ØTG -3s +3s NTG ØTG -3s +3s NTG ØTG
25 Kapabilitetsindekset Cp Cp = Cp ULS LSL 6s -3s +3s NTG ØTG Cp = 0,5 NTG -3s +3s -3s +3s ØTG Cp = 1,0 NTG ØTG Cp = 1,33
26 Standardkrav for Cp Cp 1,33 For en proces over lang tid (måneder)
27 -3s +3s NTG ØTG Vi får emner under NTG på trods af god Cp
28 2 situations: -3s +3s NTG ØTG -3s +3s NTG ØTG
29 CpL (Cp lower) -3s x NTG ØTG CpL er den andel af den nederste halvdel af det naturlige variationsområde, der ligger INDEN for specifikationen. Det ligner 0,5 CpL x LSL 3s
30 CpU (Cp upper) x +3s NTG ØTG CpU er den andel af den øverste halvdel af det naturlige variationsområde, der ligger INDEN for specifikationen. Det ligner 0,75 CpU USL x 3s
31 Cpk Cpk min(cpl, CpU) Standardkrav til Cpk (long-term) Cpk 1,33-3s +3s NTG ØTG Der skal være plads til en ekstra standardafvigelse i den dårligste side af processen.
32 Kapabilitet Pp 0,67 PpkL 0,67 PpkU 0,67 PpK 0,67 Pp 2,67 PpkL 2,67 PpkU 2,67 PpK 2, Pp 0,67 PpkL 0,33 PpkU 1,00 PpK 0,33 Pp 2,67 PpkL 1,33 PpkU 4,00 PpK 1,
33 Nogen forvirring Kigger man på en proces, der er I statistisk kontrol kaldes indeksene for Cp and Cpk (Kapabilitet) Hvis processen IKKE er I kontrol, kaldes indeksene for Pp og Ppk (Performance) Ny standard DS/ISO 21747
34 Effekten af SPC - generelt Gennemsnit Nedre grænse Øvre grænse Gennemsnit Nedre grænse Øvre grænse
35 Statistisk processtyring SPC
36 Kontrolkortet Som værktøj til at fjerne systematiske fejl brugers et kontrolkort (styrekort) Styregrænserne svarer til den tilfældige variation for den pågældende proces Når processen er i kontrol er den ikke påvirket af systematisk variation. Den kører efter en og samme normalfordelingen med normen som gennemsnit. Processen er FORUDSIGELIG. Øvre styregrænse 6s Ønsket gennemsnit Nedre styregrænse
37 Brug af kontrolkort indenfor og udenfor grænserne Disse er som forventet hold fingrene væk! HER skal der reageres (justeres) Punkt uden for kontrolgrænse
38 Supplerende 7 punkts regel punkter efter hinanden på samme side af middellinien
39 Forskellige typer af styrekort Kort for enkeltmålinger (Individuals) Stikprøvestørrelse 1, dvs. der måles kun et enkelt emne. Meget ineffektivt til styring af små skred af middelværdien. Problemer med ikke-normalfordelte målinger. X-Bar R kort (n<10) og X-Bar s kort (n>10) Foretrukne korttyper til alle processer, hvor der kan udtages flere emner lige efter hinanden. Jo højere stikprøvestørrelse, jo bedre følsomhed over for små skift i middelværdi. Cusum og EWMA kort Avancerede kort, der er meget følsomme for små skift i middelværdi. Vanskeligt tilgængelige og mindre intuitive end traditionelle kort Konklusion: Brug X-Bar R/s kort over alt, hvor det er muligt
40 Sample Mean Sample Range X-bar Range kortet (her n=5) Xbar-R Chart of Måling1;...; Måling5 10,4 UC L=10, ,2 10,0 _ X=10,0013 9,8 9, Sample LC L=9,6813 UC L=1,173 1,00 0,75 0,50 _ R=0,555 0,25 0,00 LC L= Sample
41 Praktisk brug af X-bar Range kort F.eks. hver halve time udtager operatøren 3-6 emner lige efter hinanden Emnerne måles Gennemsnittet beregnes Variationsbredden (Range) beregnes som forskellen på den største og den mindste af de 3-6 målinger Gennemsnittet plottes ind på det øverste kort og Range på det nederste Hvis begge kort opfylder kravene er processen i kontrol Hvis X-bar kortet er ude af kontrol justeres processen Hvis R-kortet er ude af kontrol er processpredningen øget og processen bør undersøges nærmere
42 Beregning af kontrolgrænser 1) Beregn gennemsnittet af alle R-værdierne, 2) Beregn kontrolgrænserne sådan: R ØKG R 4 ØKG Ønsket gennemsnit ( A R) x NKG Ønsket gennemsnit - ( A R) x R D 2 2 Stikprøvestørrelse D 4 A 2 2 3,267 1, ,574 1, ,282 0, ,114 0, ,004 0,483
43 Sample Mean Sample Range FØR SPC Xbar-R Chart of måling 1;...; måling 4 10,06 10, UC L=10, ,02 _ X=10, ,00 9, Sample LC L=9,9814 0,100 1 UC L=0,0954 0,075 0,050 _ R=0,0418 0,025 0,000 LC L= Sample
44 FØR SPC Process Capability of måling 1;...; måling 4 P rocess Data LSL 9,93 Target * USL 10,07 Sample M ean 10,0118 Sample N 200 StDev (O v erall) 0, LSL USL O v erall C apability Pp 0,71 PPL 0,83 PPU 0,59 Ppk 0,59 C pm * 9,93 9,96 9,99 10,02 10,05 10,08 10,11 O bserv ed Performance PPM < LSL 5000,00 PPM > USL 35000,00 PPM Total 40000,00 Exp. O v erall Performance PPM < LSL 6220,09 PPM > USL 37891,79 PPM Total 44111,87
45 Måling Operatørvariation 10,06 10,05 10,04 10,03 Interval Plot of Måling vs Operatør 95% CI for the Mean 10,02 10,01 10, ,99 9,98 9, Operatør 4 5
46 Sample Mean Sample Range EFTER SPC Xbar-R Chart of måling 1_1;...; måling 4_1 10,02 UC L=10, ,01 10,00 _ X=9, ,99 9,98 LC L=9, Sample ,060 UC L=0, ,045 0,030 _ R=0, ,015 0,000 LC L= Sample
47 EFTER SPC Process Capability of måling 1_1;...; måling 4_1 Process Data LSL 9,93 Target * USL 10,07 Sample M ean 9,99794 Sample N 120 StDev (O v erall) 0, LSL USL O v erall C apability Pp 1,67 PP L 1,62 PP U 1,72 Ppk 1,62 C pm * 9,94 9,96 9,98 10,00 10,02 10,04 10,06 O bserv ed Performance PPM < LSL 0,00 PPM > USL 0,00 PPM Total 0,00 Exp. O v erall Performance PPM < LSL 0,60 PPM > USL 0,13 PPM Total 0,73
48 Målemidler og variation
49 Analyser af målesystemer (MSA) Vi træffer dagligt beslutninger om godkendelse af produkter og styring af processer på baggrund af MÅLINGER Måling/analyse er også en proces, der er underkastet de 5 M-er på lige fod med en produktionsproces De beslutninger, vi tager, bliver ikke bedre end kvaliteten af de målinger, vi foretager
50 Målinger af samme prøve Bent Bo Børge har hver målt emnet 3 gange Gennemsnit af 9 målinger Målingerne viser en variation vi får ikke samme værdi OG værdien afhænger af måleren
51 OPERATØR R&R undersøgelse - akseldiameter EMNE Flemming 124,58 124,61 124,49 124,58 124,55 124,52 124,52 124,61 124,58 124,46 Flemming 124,57 124,61 124,49 124,58 124,54 124,51 124,51 124,61 124,59 124,48 Flemming 124,58 124,60 124,49 124,59 124,53 124,51 124,51 124,61 124,58 124,48 Bent 124,57 124,56 124,58 124,58 124,54 124,54 124,51 124,60 124,58 124,59 Bent 124,57 124,60 124,53 124,58 124,54 124,53 124,52 124,60 124,58 124,52 Bent 124,57 124,58 124,51 124,53 124,57 124,53 124,60 124,59 124,60 124,52 Dorte 124,59 124,60 124,60 124,63 124,55 124,58 124,58 124,65 124,58 124,54 Dorte 124,59 124,66 124,56 124,59 124,57 124,52 124,55 124,59 124,59 124,51 Dorte 124,59 124,59 124,51 124,58 124,54 124,51 124,56 124,59 124,58 124,51
52 MSA resultat Måleusikkerhed -0,15-0,1-0,05 0 0,05 0,1 0,15 Samlet målevariation s R&R 0, Samlet usikkerhed på enkeltbestemmelse ± Q/2 x s R&R 0,057 Målevariation i % af tolerancebredde 65,9
53 Organisering
54 Organisation de 3 SPC sløjfer Producere Uddannelsesniveau: Justere Måle Operatør Mini-Intro til SPC Vurdere statistisk kontrol Ingeniør Tekniker Specialist Revurdere stikprøve frekvens Tilrette styregrænser Korrigere proces eller specifikation Vurdere kapabilitet Ledere Udvikling Teknisk salg Basis eller højere Vurdere proces spredning Ledelsesopbakning og den rigtige organisation sikrer 75% af succesen Info til: Ledere Udvikling Salg
Version april
Introduktion til SPC og kapabilitet Ideel proces uden variation Aksel - Neddrejningsdybde nominel 34,5 mm 38 37 36 35 34 33 32 5 9 3 7 2 25 29 33 Version 2 30. april 2007 Det virkelige liv NEDDREJNINGSDYBDE
Læs mereIntroduktion til Statistisk Processtyring
Introduktion til Statistisk Processtyring 2008 Ideel proces uden variation Tabletvægt nominel 25 mg 27 26 25 24 23 5 9 3 7 2 25 29 33 Det virkelige liv 29 28 27 26 V ægt mg. 25 24 23 22 2 6 6 2 26 3 36
Læs mereLean Six Sigma Minitab Introduktion
Lean Six Sigma Minitab Introduktion Agenda Minitab Introduktion Histogram Pareto Identificering af data s fordeling Statistisk Proces Kontrol & Kontrolkort Kapabilitetsanalyse Minitab Basal Introduktion
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereVIDEREGÅENDE STATISTIK
MOGENS ODDERSHEDE LARSEN VIDEREGÅENDE STATISTIK herunder kvalitetskontrol Udgave 11 016 FORORD Denne lærebog kan læses på baggrund af en statistisk viden svarende til lærebogen M. Oddershede Larsen : Statistiske
Læs mereStatistisk proceskontrol
Statistisk proceskontrol Statistisk teknik, der bruges for at sikre at en proces udføres efter en given standard Alle processer er underkastet variation Naturlige årsager: Tilfældige variationer Forklarlige
Læs mereEstimation og usikkerhed
Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereGPS stiller meget præcise krav til valg af målemetode
GPS stiller meget præcise krav til valg af målemetode 1 Måleteknisk er vi på flere måder i en ny og ændret situation. Det er forhold, som påvirker betydningen af valget af målemetoder. - Der er en stadig
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mereVIDEREGÅENDE STATISTIK
MOGENS ODDERSHEDE LARSEN VIDEREGÅENDE STATISTIK herunder kvalitetskontrol Udgave 1 016 FORORD Denne lærebog kan læses på baggrund af en statistisk viden svarende til lærebogen M Oddershede Larsen : Statistiske
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mere5.11 Middelværdi og varians Kugler Ydelse for byg [Obligatorisk opgave 2, 2005]... 14
Module 5: Exercises 5.1 ph i blod.......................... 1 5.2 Medikamenters effektivitet............... 2 5.3 Reaktionstid........................ 3 5.4 Alkohol i blodet...................... 3 5.5
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Introduktion 1 Formelt Lærere: Esben Budtz-Jørgensen Jørgen Holm Petersen Øvelseslærere: Berivan+Kathrine, Amalie+Annabell Databehandling: SPSS
Læs mereHjorth Kvalitetsudvikling Firmakurser 2013
Hjorth Kvalitetsudvikling Firmakurser 2013 Denne oversigt indeholder eksempler på firmakurser, der udbydes af Hjorth Kvalitetsudvikling i 2013. Alle kurserne har været afholdt adskillige gange i danske
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Introduktion Kursusholder: Kasper K. Berthelsen Opbygning: Kurset består af 5 blokke En blok består af: To normale
Læs mereBekendtgørelse om flasker som målebeholdere 1
Bekendtgørelse om flasker som målebeholdere 1 I medfør af 15, stk. 1, i lov om erhvervsfremme og regional udvikling, jf. lovbekendtgørelse nr. 820 af 28. juni 2016, fastsættes efter bemyndigelse i henhold
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Folkesundhed Afdeling for Biostatistik Afdeling for Epidemiologi. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Udgangspunktet for de følgende spørgsmål er artiklen:
Læs mereVIDEREGÅENDE STATISTIK
MOGENS ODDERSHEDE LARSEN VIDEREGÅENDE STATISTIK herunder kvalitetskontrol Udgave 1 016 FORORD Denne lærebog kan læses på baggrund af en statistisk viden svarende til lærebogen M. Oddershede Larsen : Statistiske
Læs mereMikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Læs mereForelæsning 1: Intro og beskrivende statistik
Kursus 02402 Introduktion til Statistik Forelæsning 1: Intro og beskrivende statistik Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby
Læs mereBekendtgørelse om flasker som målebeholdere 1)
BEK nr 590 af 29/05/2018 (Gældende) Udskriftsdato: 4. august 2019 Ministerium: Erhvervsministeriet Journalnummer: Erhvervsmin., Sikkerhedsstyrelsen, j.nr. 5151000014 Senere ændringer til forskriften Ingen
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereResumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se
Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller
Læs mereStudieplan Biostatistik Semester 1
OMRÅDET FOR SUNDHEDSUDDANNELSER Studieplan Biostatistik Semester 1 Bioanalytikeruddannelsen i Odense Efterår 2017 Semester 1 Indhold 1. Fagets fokus og emner... 3 2. Lektionsplan... 4 3. Litteraturliste...
Læs mereEn Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereIndhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4
BH Test for normalfordeling i WordMat Indhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4 Grupperede observationer Vi tager udgangspunkt i
Læs mereen proces evne til at producere output inden for de specificerede grænser
Side 1 af 5 Infoblad om Cp og Cpk-værdier. Artiklen er skrevet af kvalitetskonsulent Bettina Bornkessel og kvalitetskonsulent Lasse Ahm, Lasse Ahm Consult Anvendelse af Cp og Cpk ved procesoptimeringer
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Epidemiologi og Socialmedicin Institut for Biostatistik. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Læs afsnit.1 i An Introduction to Medical Statistics, specielt
Læs mereOversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 1: Intro og beskrivende statistik. Per Bruun Brockhoff. Praktisk Information
Kursus 02402 Forelæsning 1: Intro og beskrivende statistik Oversigt 1 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereEnsidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereOpgave 11.4 side 316 (7ed: 11.4, side 352 og 6ed: 11.2, side 345)
Kursus 4: Besvarelser til øvelses- og hjemmeopgaver i uge 11 Opgave 11.4 side 316 (7ed: 11.4, side 35 og 6ed: 11., side 345) Opgaven består i at foretage en regressionsanalse. Først afbildes data som i
Læs mereAnalyse af måledata II
Analyse af måledata II Usikkerhedsberegning og grafisk repræsentation af måleusikkerhed Af Michael Brix Pedersen, Birkerød Gymnasium Forfatteren gennemgår grundlæggende begreber om måleusikkerhed på fysiske
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereKursus Introduktion til Statistik. Forelæsning 13: Summary. Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 13: Summary Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereIntroduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereLøsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereØVELSER // SVAR Statistik, Logistikøkonom Konfidensintervaller for én middelværdi og én andel
! ØVELSER // SVAR Statistik, Logistikøkonom Konfidensintervaller for én middelværdi og én andel Opgave 1 Når populationens varians er kendt En virksomhed har udviklet en proces til at producere mursten,
Læs mereLøsninger til kapitel 1
Opgave. a) observation hyppighed frekvens kum. frekvens 2,25,25 3,875,325 2 3,875,5 3 3,875,6875 4,625,75 5,625,825 6,,825 7 2,25,9375 8,,9375 9,625, Frekvenser illustreres i et pindediagram,2,8,6,4,2,,8,6,4,2
Læs mereAnalyse af en lineær regression med lav R 2 -værdi
Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet
Læs mereMåleusikkerhed. Laboratoriedag 9. juni 2011
Måleusikkerhed..alle usikkerhedskomponenter af betydning for den foreliggende situation tages i betragtning ved, at der foretages en passende analyse (ISO 17025, pkt 5.4.6.3) Laboratoriedag 9. juni 2011
Læs mereOversigt over emner. Punktestimatorer: Centralitet(bias) og efficiens
Oversigt Oversigt over emner 1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens 2 Konfidensinterval Konfidensinterval for andel Konfidensinterval - normalfordelt stikprøve
Læs mereOpgaver til kapitel 3
Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer
Læs mereForsøgsplanlægning Stikprøvestørrelse
Basal statistik Esben Budtz-Jørgensen 6. november 2007 Forsøgsplanlægning Stikprøvestørrelse 1 41 Planlægning af et studie Videnskabelig hypotese Endpoints Instrumentelle/eksponerings variable Variationskilder
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Introduktion 1 Formelt Lærer: Jørgen Holm Petersen Øvelseslærere: Signe, Helene, Marie, Amalie Databehandling: SPSS Eksamen: Ugeopgave efterfulgt
Læs mereenote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår
Læs mereOversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger
Introduktion til Statistik Forelæsning 2: og diskrete fordelinger Oversigt 1 2 3 Fordelingsfunktion 4 Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 017 Danmarks Tekniske Universitet 2800
Læs mereVirksomheders erfaring med Six Sigma
Virksomheders erfaring med Six Sigma Data & information Team-arbejde Projektledelse, PhD, Master Black Belt Lean6Sigma.eu ApS Sandbakkevej 60 4390 Vipperød +45 4029 2701 Jens.folke@lean6sigma.eu www.lean6sigma.eu
Læs mereLean Six Sigma Lektion 3
Lean Six Sigma Lektion 3 Agenda: Improve Identificere og udvælge løsninger (kreativitets værktøjer) Standardiseret arbejde Control Visuel kontrol SPC Proces Confirmation Sauer-Danfoss version af DMAIC
Læs mereMonte Carlo-metoder til fastlæggelse af måleusikkerhed i forbindelse med flowmåling
Monte Carlo-metoder til fastlæggelse af måleusikkerhed i forbindelse med flowmåling Temadag: Flow og energimåling til forsyningerne, 3. dec. 2013 Morten Karstoft Rasmussen, Kalibrering, Energi og Klima,
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereKursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mere2. Ved et roulettespil kan man vinde 0,10,100, 500 og 1000 kr. Sandsynligheden for gevinsterne ses af følgende skema:
Der er hjælp til opgaver med # og facit på side 6 1. Et eksperiment kan beskrives med følgende skema: u 1 2 3 4 5 P(u) 0,3 0,2 0,1 0,2 x Bestem x og sandsynligheden for at udfaldet er et lige tal.. 2.
Læs mereListe over aktuelle og kommende standarder
Danske og internationale standarder Statiske metoder 1/11 Liste over aktuelle og kommende standarder Dette dokument indeholder en opdateret liste over alle de danske og internationale standarder på det
Læs mereBasal statistik Esben Budtz-Jørgensen 4. november Forsøgsplanlægning Stikprøvestørrelse
Basal statistik Esben Budtz-Jørgensen 4. november 2008 Forsøgsplanlægning Stikprøvestørrelse 1 46 Planlægning af et studie Videnskabelig hypotese Endpoints Instrumentelle/eksponerings variable Variationskilder
Læs mereLøsninger til kapitel 6
Opgave 6.1 a) 180 200 P ( X < 180) = Φ = Φ( = 0, 1587 b) 220 200 P ( X > 220) = Φ = Φ(1) = 0, 8413 c) 200 200 P ( X > 200) = 1 X < 200) = 1 Φ = ) = 1 0,5 = 0, 5 d) P ( X = 230) = 0 e) 180 200 P ( X 180)
Læs mereEpidemiologi og Biostatistik
Kapitel 1, Kliniske målinger Epidemiologi og Biostatistik Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik Uge, torsdag
Læs mereLean Six Sigma Lektion 2. Measure & Analyze
Lean Six Sigma Lektion 2 Measure & Analyze Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse Define Identificere og udvælg
Læs mereMåleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version
Måleproblemer A B Fejlkilder og tolkningsproblemer Svend Juul, 19. september 2007 C D 1 2 Usikkerhed og bias De vigtigste kilder til usikkerhed og bias Præcision, sikkerhed, reproducerbarhed, ryster ikke
Læs mereC) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.
C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011
Læs mereVejledende løsninger kapitel 8 opgaver
KAPITEL 8 OPGAVE 1 Nej den kan også være over 1 OPGAVE 2 Stikprøvestørrelse 10 Stikprøvegennemsnit 1,18 Stikprøvespredning 0,388158 Konfidensniveau 0,95 Nedre grænse 0,902328 Øvre grænse 1,457672 Stikprøvestørrelse
Læs mereSupplement til kapitel 7: Approksimationen til normalfordelingen, s. 136
Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 36 Det er besværligt at regne med binomialfordelingen, og man vælger derfor ofte at bruge en approksimation med normalfordeling. Man
Læs mereLean Six Sigma Lektion 2. Measure & Analyze
Lean Six Sigma Lektion 2 Measure & Analyze Agenda: Measure Basal statistik 7 Basale kvalitetsværktøjer Analyze FMEA Poka Yoke Kvalitetskortlægning øvelse DMAIC-Modellen Define Measure Analyze Improve Control
Læs mereReferat fra netværksmøde 9, Lean Produktion Øst, Tirsdag den 7. juni 2011 hos Termo Fisher Scientific, Kamstrupvej 90, 4000 Roskilde
Referat fra netværksmøde 9, Lean Produktion Øst, Tirsdag den 7. juni 2011 hos Termo Fisher Scientific, Kamstrupvej 90, 4000 Roskilde Vi blev budt velkommen af vores vært: Tina Rytter Nørregaard, Operational
Læs mereIntroduktion til statistisk processtyring
Introduktion til statistisk processtyring Jacob Anhøj Overlæge Enhed for Patientsikkerhed Region Hovedstaden Program Processer og variation Seriediagrammet Kontroldiagrammet Introduktion til EpiData og
Læs mereStatistik. Statistik er analyse af indsamlet data. Det vil sige at man bearbejder et datamateriale som i matematik næsten altid er tal.
Statistik Statistik er analyse af indsamlet data. Det vil sige at man bearbejder et datamateriale som i matematik næsten altid er tal. Derved får man et samlet overblik over talmaterialet, og man kan konkludere
Læs mereKapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Sandsynlighed i binomialfordelingen 3 Normalfordelingen 4 Modelkontrol
Læs mereOvenstående figur viser et (lidt formindsket billede) af 25 svampekolonier på en petriskål i et afgrænset felt på 10x10 cm.
Multiple choice opgaver Der gøres opmærksom på, at ideen med opgaverne er, at der er ét og kun ét rigtigt svar på de enkelte spørgsmål. Endvidere er det ikke givet, at alle de anførte alternative svarmuligheder
Læs mereEx µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4. hvor. Vha. R: Vha. tabel:
Normal fordeling Tæthedsfunktion for normalfordeling med middelværdi µ og varians σ 2 : Program (8.15-10): f() = 1 µ)2 ep( ( 2πσ 2 2σ 2 ) E µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4 1. vigtige sandsynlighedsfordelinger:
Læs mereS4-S5 statistik Facitliste til opgaver
S4-S5 statistik Facitliste til opgaver Opgave 1 Middelværdien angiver det bedste bud på serummets sande værdi, mens spredningen angiver analyseusikkerheden. 95%-Konfidensinterval = Ja Standardafvigelsen
Læs mereLars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.
Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt
Læs mereInstitut for Matematiske Fag Sandsynlighedsregning og Statistik 2. R opgaver
Institut for Matematiske Fag Sandsynlighedsregning og Statistik 2 Københavns Universitet Susanne Ditlevsen og Helle Sørensen R opgaver Det er en god ide at vænne sig til at skrive kommandoerne i en editor
Læs mereMål med mening. Introduktion til statistisk kvalitetsudvikling. Jacob Anhøj. Dansk Selskab for Patientsikkerhed
Mål med mening Introduktion til statistisk kvalitetsudvikling Jacob Anhøj Dansk Selskab for Patientsikkerhed 2013 Statistik om statistik Jacob Anhøj (DSFP) Mål med mening 2013 2 / 50 Virkelighedsfjerne
Læs mereStikprøver og acceptgrænser
Bilag 5. Screening af markblokke Stikprøver og acceptgrænser Udvælgelse af stikprøver og bestemmelse af maksimalt antal fejl I forbindelse med markblokscreeningen foretager Landbrugsstyrelsen en kvalitetsanalyse
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Estimation
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Estimation Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev herefter
Læs mereStatistisk beskrivelse og test
Statistisk beskrivelse og test 005 Karsten Juul Kapitel 1. Intervalhyppigheder Afsnit 1.1: Histogram En elevgruppe på et gymnasium har spurgt 100 tilfældigt valgte elever på gymnasiet om hvor lang tid
Læs merePerspektiver i Matematik-Økonomi: Linær regression
Perspektiver i Matematik-Økonomi: Linær regression Jens Ledet Jensen H2.21, email: jlj@imf.au.dk Perspektiver i Matematik-Økonomi: Linær regression p. 1/34 Program for i dag 1. Indledning: sammenhæng mellem
Læs mereGrundlæggende statistik Lektion 2 Indhold Diskrete fordelinger Binomial fordelingen Poisson fordelingen Hypergeometrisk fordeling Data typer el. typer af tilfældige variable Diskrete variable > Kategoriseres
Læs mereFVM s 25 års jubilæum.
FVM s 25 års jubilæum. um. Metrologi Hvad er metrologi? Måling Måleteknik har været en vigtig disciplin lige siden mennesket ændrede sin livsstil fra nomadelivet til livet i bopladser og begyndte at handle
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Introduktion 1 Formelt Lærer: Jørgen Holm Petersen Øvelseslærere: Amalie og Marie Databehandling: SPSS Eksamen: Ugeopgave efterfulgt af mundtlig
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Estimation: Kapitel 9.1-9.3 Estimation Estimationsfejlen Bias Eksempler Bestemmelse af stikprøvens størrelse Konsistens De nitioner påkonsistens Eksempler på konsistente og middelrette estimatorer
Læs mereProgram. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18
Program 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18 Fordeling af X Stikprøve X 1,X 2,...,X n stokastisk X stokastisk. Ex (normalfordelt stikprøve)
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereModul 1: Beskrivende dataanalyse
Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 1: Beskrivende dataanalyse 1.1 Statistik og dataanalyse............................... 1 1.2 Variable og data...................................
Læs mereMettler analysevægt 2,34 3,05 5,20 6,20 8,15 10,32 11,01 11,72 12,27 12,88 14,83 15,23 17,64
Opgave 1 (s1 opgave 38) To forskellige laboratorievægte ønskes sammenlignet. Man afvejer derfor en række prøver på begge vægte med følgende resultater (alle i gram): Sartorius analysevægt 2,36 3,05 5,19
Læs mereDeskriptiv statistik for hf-matc
Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...
Læs mereRapport 23. november 2018
Rapport 23. november 2018 Proj.nr. 2004280 Version 1 EVO/MT Principper for og forslag til repræsentative stikprøveplaner til analyse af konsekvensen af produktionsændringer for værdi- og kvalitetsvurdering
Læs mere