1.1 Využití tabulkového procesoru jako laboratorního deníku. 1.3 Systém jakosti a počítačová kontrola jakosti

Rozměr: px
Začít zobrazení ze stránky:

Download "1.1 Využití tabulkového procesoru jako laboratorního deníku. 1.3 Systém jakosti a počítačová kontrola jakosti"

Transkript

1 Semestrální práce Strana 1 Semestrální práce 1.1 Využití tabulkového procesoru jako laboratorního deníku 1.3 Systém jakosti a počítačová kontrola jakosti Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež Řež V Řeži, srpen 008

2 ξ Semestrální práce Strana Úloha 1. Termalizace neutronů v závislosti na nukleonovém čísle prvku použitého jako moderátoru Zadání: Tok neutronového záření procházejícího látkou se zmenšuje vlivem absorpce a rozptylu. Pro tepelné neutrony je rozptylový účinný průřez velice malý a pro všechny prvky prakticky stejný (řádově ~ 10-7 m ). Zpomalování neutronů termalizace, je charakterizováno střední logaritmickou ztrátou energie při jedné srážce: ln E E 1 (rov. 1) kde E 1 a E jsou energie neutronu do a po srážce. Střední logaritmická ztráta energie tepelných neutronů se může vyjádřit i pomocí nukleonového čísla prvku (A) ( A 1) A 1 1 ln (rov.) A A 1 Úkolem je graficky znázornit průběh této funkce podle (rov. ) a vytvořit formulář s grafem a možnosti zobrazit číselné hodnoty funkce ξ = f(a). Data: Rozmezí nukleonových čísel je od do 60. Vypočítané hodnoty střední logaritmické ztráty energie neutronu při jedné srážce, ξ, se zaokrouhlí na tři desetinná místa. Všechna data jsou v sešitě MS EXCEL s názvem Příloha 1 Termalizace neutronů v závislosti na nukleonovém čísle prvku použitého jako moderátoru. Řešení: V listu MS EXCEL, pojmenovaného data, do prvního sloupce se zadají hodnoty nukleonového čísla A prvků od hodnoty až po hodnotu 60. Do druhého sloupce pro střední logaritmickou ztrátu energie neutronu při jedné srážce se zapíše funkce výpočtu podle (rov. ) s tím, že výsledné hodnoty se zaokrouhlí na tři desetinná místa. Zápis této funkce je:=zaokrouhlit(1+((a-1)^/(*a))*ln((a-1)/(a+1));3). Potom se to zkopíruje do zbylých buněk. Pro grafické znázornění se vybere bodový spojnicový graf xy pro ilustraci viz obr. 1. obr. 1 nukleonové ξ číslo A 0,75 3 0, ,45 5 0, ,99 7 0,6 8 0,3 9 0, , ,171 0,5 Graf závislost středního logaritmu ztráty energie tepelných neutronů ξ na nukleonovém číslu A

3 Semestrální práce Strana 3 V listu MS EXCEL, pojmenovaného formulář, se vyberou formuláře (zobrazit panel nástrojů formuláře). Pro zadávání nukleonových čísel se použije ovládací prvek posuvník. V posuvníku se zadá krokování po 1 od hodnot <;60>. V propojené buňce se zobrazují hodnoty nukleonových čísel. Pro výpočet ξ se vloží funkce =ZAOKROUHLIT(1+(($D$4-1)^/(*$D$4))*LN(($D$4-1)/($D$4+1));3), ve které je odkaz na propojenou buňku s vybraným nukleonovým číslem. Graf se vloží na stejný list pomocí funkce graf (spojnicový bodový xy). Pro grafickou úpravu formuláře se použije ještě ovládací prvek skupinový rámeček a barvy výplně a písma. Závěr: Aktivní sešit MS EXCEL je přílohou semestrální práce s názvem Příloha 1 Termalizace neutronů v závislosti na nukleonovém čísle prvku použitého jako moderátoru. Ve formuláři je vidět průběh grafu závislost středního logaritmu ztráty energie tepelných neutronů ξ na nukleonovém číslu a pro jednotlivé hodnoty A lze zobrazit odpovídající hodnotu ξ. Úloha. Stanovení procenta obsahu kyseliny glutaminové v hydrolyzátu gluteinu pšenice metodou dvojnásobného izotopového ředění Zadání: Z pšenice pěstované v atmosféře 14 CO byl standardním postupem připravený hydrolyzát gluteinu s relativní aktivitou a = 530 imp. min -1. Do jednoho podílu hydrolyzátu bylo přidáno m x = 10,0 mg kyseliny glutaminové jako neaktivního nosiče a naměřená relativní měrná aktivita této směsi byla a x = 151 imp. min -1. mg -1. Do druhého stejného podílu hydrolyzátu bylo přidáno m x = 0,0 mg kyseliny glutaminové jako neaktivního nosiče a naměřená relativní měrná aktivita této směsi byla a x = 78 imp. min -1. mg -1. Tyto hodnoty se dosadí do rovnice pro výpočet značeného množství látky a měrné aktivity odpovídající značené látky v podílu hydrolyzátu podle rovnic: a m a m ' ' x x x x m 0 (rov.1) ' ax ax a m m a a ' ' x x x x 0 (rov.) ' ' axmx axmx Obsah kyseliny glutaminové v hydrolyzátu gluteinu v % (p) pšenice je daný výrazem: a p 0 m (rov.3) a Úkolem je vytvořit protokol o zkoušce pomocí formuláře MS EXCEL, kde je pomocí maker předdefinovaná tvorba formuláře pro zadávání naměřených hodnot a výpočet výsledku, zaokrouhleného na celá čísla. Makro 1 (kombinace kláves Ctrl a písmena f) je pro tvorbu formuláře a Makro (kombinace kláves Ctrl a písmena d) je pro provedení zaokrouhlení aktivit a konečného výsledku na celá čísla a m 0 na jedno desetinné místo.

4 Semestrální práce Strana 4 Data: Všechna data jsou v sešitě MS EXCEL s názvem Příloha metoda dvojnásobného izotopového ředění. Přídavky kyseliny glutaminové jako neaktivního nosiče jsou dány, m x = 10,0 mg a m x = 0,0 mg. Naměřené hodnoty aktivit a, a x, a x jsou zapsané v označených sloupcích. Řešení: V listu MS EXCEL, pojmenovaného Protokol o zkoušce se z panelu nástrojů spustí Makro 1 (Nástroje Makro Záznam nového makra). Potom se vytvoří uvedený formulář s vloženými funkcemi pro výpočet: 1. průměrných hodnot aktivit pro a, a x, a x,. m 0 a a 0 podle rovnic (rov.1) a (rov.): =ZAOKROUHLIT((G17*F7- E17*D7)/(E17-G17);1),=ZAOKROUHLIT((F7-D7)*E17*G17/(G17*F7- E17*D7);0), 3. výsledku p (procenta obsahu kyseliny glutaminové v hydrolyzátu gluteinu pšenice): =ZAOKROUHLIT(E0/C17*E1*100;0). Zaokrouhlení aktivit a, a x, a x, hodnot m 0 a a 0 a výsledku p se provede pomocí Makra. Pro grafickou úpravu formuláře se použije ještě ovládací prvek skupinový rámeček a barvy výplně a písma ještě pomocí Makra 1. Pro ukončení záznamu maker se použije ovládací prvek Zastavit záznam (Nástroje Makro Zastavit záznam). Pro kontrolu na novém listu MS EXCEL, pojmenovaného Prázdný Protokol o zkoušce, byla ověřená funkčnost maker Makro 1 a Makro. Závěr: Aktivní sešit MS EXCEL je přílohou semestrální práce s názvem Příloha metoda dvojnásobného izotopového ředění. Formulář lze použít pro rutinní záznamy a sběr dat z testování pšenice uvedenou metodou. Úloha 3. Výpočet Plankovy konstanty a charakteristické frekvence fotoelektrického jevu pro kovy Al a Zn Zadání: Z publikovaných experimentálních dat ozařování kovových povrchů Al a Zn čarami rtuťového spektra v oblasti vlnových délek m až m je třeba spočítat Planckovou konstantu a charakteristické frekvence fotoelektrického jevu kovového Al a Zn. Data: Publikované data, J. Bareš, Č. Černý, V. Fried, J. Pick: Příklady a úlohy z fyzikální chemie, SNTL Praha/ALFA Bratislava, 1971, jsou uvedeny v Tabulce 1

5 Semestrální práce Strana 5 Tabulka 1 Experimentální data vlnových délek a brzdicího napětí V b pro Al a Zn vlnová délka v m V b,al V b,zn 534,44 1,879 1, ,66 1,661 1, ,8 1,17 1,08 315,66 0,958 0,869 Řešení: Energetickou bilanci při pohlcení fotonů lze vyjádřit vztahem: h P1 P ev b (rov.1), kde h je Planckova konstanta, je kmitočet užitého světla, P 1 je energie potřebná k uvolnění elektronu ionizační energie, která v důsledku volného pohybu elektronů v kovové mřížce je rovná nule, P je výstupní práce elektronu a ev b je kinetická energie uvolněného fotoelektronu (e je náboj elektronu a V b je napětí k potlačení fotoelektrického proudu brzdicí napětí). Výstupní práce elektronu P lze vyjádřit vztahem: P h (rov.),. 0 kde 0 je charakteristická frekvence nejmenší frekvence, jež může vyvolat fotoelektrický jev u daného kovu. Po úpravách lze (rov.1) přepsat do tvaru: h h V b 0 (rov.3), e e h kde brzdící napětí je lineární funkci frekvence dopadajícího světla se směrnici e h a prostým členem 0. e Pro výpočty Planckovy konstanty a charakteristických frekvencí pro Al a Zn použijeme MS Excel a jeho funkce: 1. INTERCEPT pro výpočet prostého člena lineární závislosti,. SLOPE pro výpočet směrnice lineární závislosti 3. AVERAGEA pro výpočet průměrů charakteristických frekvencí a Plankovy konstatnty. V sešitě MS Excel pojmenovaném Příloha 3 Výpočet Planckovy konstanty, na listě pojmenovaném Výpočet h, se nejdříve přepočítají vlnové délky použitého světla na frekvence podle vztahu: c (rov.4), kde c = je rychlost světla v m.s -1 a je vlnová délka v m. Potom se spočítá prostý člen lineární závislosti pomocí funkce INTERCEPT a směrnice přímky pomocí funkce SLOPE jak pro Al, tak pro Zn. Za hodnoty x se dosazují hodnoty frekvencí a za y se dosazují hodnoty brzdicího napětí Al a Zn. Planckova konstanta se vypočítá násobením směrnic přímek z funkce SLOPE nábojem elektronu e = 1, C pomocí zápisu funkce =C15*$J$3 pro Al a =C16*$J$3 pro Zn. Průměr h se vypočítá pomocí funkce AVERAGEA. Charakteristické frekvence pro Al a Zn se spočítají podle vztahu:

6 Semestrální práce Strana 6 ev b 0 (rov.5), h kde za h se dosazují hodnoty Planckovy konstanty vypočítané pro dané kovy. Zápis výpočtu v MS Excelu vypadá následně: =C3-D3*$J$3/$D$15 pro Al, obdobný zápis je i pro Zn. Závěr: Výsledky jsou uvedené v aktivním sešitě MS Excel pojmenovaném Příloha 3 Výpočet Planckovy konstanty, na listě Výpočet h. Tato úloha demonstruje využití programu MS Excel pro zpracování experimentálních dat a pomocné výpočty. Úloha 4. Regulační diagram účinnosti vyrobených šarží Nystatinu Zadání: Za zvolené období prvního kvartálu 001 byla sledovaná způsobilost výroby šarží Nystatinu z hlediska účinnosti léčivé látky, vyjádřená v jednotkách mj/mg Tabulka 1. Účinnost Nystatinu byla stanovená v mikrobiologické laboratoři QC titrační plotnovou difusní metodou. Úkolem je provést exploratorní analýzu těchto dat (normalita, nezávislost, vybočující data). Ze zvolené části dat vypočítat regulační meze Shewhartova diagramu a pak tento diagram aplikovat na celý soubor dat. Data: Tabulka 1 Účinnosti vyrobených šarží Nystatinu 1 kvartál 001 číslo dílčí šarže účinnost v mj/mg číslo dílčí šarže účinnost v mj/mg

7 Semestrální práce Strana 7 Každá tato hodnota byla získaná jako průměr ze šesti nezávislých stanovení, jejichž rozptyl splňují propouštěcí kritéria (do 5,0 % rel.) pro uvolnění do prodeje. Řešení: Lékopisným požadavkem na účinnost léčivé látky je minimálně 4400 mj/mg sušiny po celou dobu expirace 3 roky. Účinnost léčivé látky časem klesá, proto propouštěcí limity účinnosti jsou stanoveny na základě stabilitních studií a jsou dány rozmezím 5300 mj/mg až 5700 mj/mg. V tomto případě ale rychlost měření je menší (3 dny, podle metody dané lékopisem) ve srovnání s rychlostí změn ve výrobním procesu za tuto dobu, a proto na posouzení způsobilosti výroby byl zvolen regulační diagram pro jednotlivé hodnoty účinnosti prodávané léčivé látky. Před konstrukcí regulačního diagramu provedeme exploratorní analýzu dat na ověření normality, nezávislosti a homogenity dat pomocí programu QC-Expert. Výsledky jsou uvedeny níže Klasické parametry : Název sloupce : účinnost v mj/mg Průměr : 5494,44 Spodní mez : 5484,64361 Horní mez : 5504,36388 Rozptyl : 1188,1061 Směr. odchylka : 34, Šikmost -0, Odchylka od 0 : Nevýznamná Špičatost :, Odchylka od 3 : Nevýznamná Polosuma 5485,5 Modus : 5501, Znaménkový test : Závěr : Data jsou nezávislá Test normality : Název sloupce : účinnost v mj/mg Průměr : 5494,44 Rozptyl : 1188,1061 Šikmost -0, Špičatost :, Normalita : Přijata Vypočtený : 0, Teoretický : 5, Pravděpodobnost : 0, Vybočující body : Název sloupce : účinnost v mj/mg Homogenita : Přijata Počet vybočujících bodů : 0 Spodní mez : 534,03 Horní mez : 5641, Autokorelace : Řád autokorelace : 4 Název sloupce : účinnost v mj/mg Počet : 0, Řád autokorelace 1 Korelační koeficient : -0, Pravděpodobnost : 0, Závěr : Nevýznamný Řád autokorelace Korelační koeficient : -0, Pravděpodobnost : 0,

8 Semestrální práce Strana 8 Závěr : Nevýznamný Řád autokorelace 3 Korelační koeficient : -0, Pravděpodobnost : 0, Závěr : Nevýznamný Řád autokorelace 4 Korelační koeficient : 0, Pravděpodobnost : 0, Závěr : Nevýznamný Test významnosti trendu : Název sloupce : účinnost v mj/mg Směrnice : -0, Významnost : Nevýznamný Pravděpodobnost : 0, Grafické vyjádření pomocí rankitového Q Q grafu, obr. 1 a pomoci kruhového grafu, obr., potvrzují výše uvedené výsledky o normalitě dat. Obr. 1 rankitový Q Q graf Q-Q Graf - základní statistika - účinnost v mj/mg Kvantil-Data Kvantil-Norm obr. kruhový graf y Kruhový Graf - základní statistika - účinnost v mj/mg x Podmínky normalita, homogenita a nezávislost naměřených dat, pro konstrukci regulačního diagramu jsou splněny a lze přistoupit ke konstrukci regulačního diagramu pomocí programu QC Expert. Byl vybrán regulační diagram x individuál a R (klouzavé rozpětí). Do grafu regulačního diagramu se vynáší hodnoty x účinnost Nystatinu v mj/mg sušiny. Centrální linie x s je aritmetickým průměrem N hodnot výběru z Tabulky 1. Místo výběrové směrodatné odchylky je použito pohyblivé - klouzavé, rozpětí MR, dané vztahem: N 1 MR x i x i 1 4,3653 (rov.1). N 1 i

9 Semestrální práce Strana 9 Pomocí MR je definován odhad směrodatné odchylky výběru dat s normálním rozdělením podle vztahu: ~. MR 0,8865. MR (rov.). Potom odhady regulačních mezí pro x - individuál jsou definované pomocí vztahů: UCL x 3. ~ s xs,6595. MR 5607,01056 (rov.3), LCL x 3. ~ x,6595. MR 5381,86944 (rov.4). s s Odhady regulačních mezí pro klouzavé rozpětí jsou dány vztahy: ~ U CL D 4. MR 138, (rov.5), ~ L CL 0 (rov. 6) Podmínky pro posouzení nepravděpodobných případů byly vybrány v programu QC Expert: 1. Jedna hodnota mimo kontrolní meze,. Devět hodnot na téže straně centrální linie, 3. Šest hodnot za sebou roste nebo klesá, 4. Čtrnáct hodnot má střídavé znaménko svých diferencí, 5. Dvě ze tří hodnot jsou od základní linie dále než s, 6. Čtyři z pěti hodnot jsou na téže straně základní linie dále než 1s, 7. Patnáct hodnot je uvnitř intervalu ±s od základní linie, 8. Osm hodnot po sobě je mimo interval ±s od základní linie. Na obr. 3 je znázorněn regulační diagram x individuál a na obr. 4 regulační diagram R, klouzavého rozpětí. Obr. 3 Regulační diagram x individuál diagram x-individual - Sheet1 - účinnost v mj/mg Xi Č. vzorku

10 Semestrální práce Strana 10 Obr. 4 Regulační diagram R, klouzavého rozpětí diagram R - Nystatin - účinnost v mj/mg MR Č. vzorku Jednotlivé parametry regulačního diagramu spočítané programem QC Expert jsou dány v Tabulce. Tabulka parametry regulačního diagramu Regulační diagram x-individuál Název úlohy : Nystatin Bez transformace Max. velikost podsk. : 1 Počet řádků : 50 Typ diagramu : x-individuál Variabilita : R ZL : 5494,44 ZL : 4, Určená : Výpočtem Určená : Výpočtem LCL : 5381,86944 LCL : 0 UCL : 5607,01056 UCL : 138, Určené : Výpočtem Určené : Výpočtem Závěr: Naměřené hodnoty účinnosti léčivé látky Nystatinu leží uvnitř regulačních mezí a nejsou pozorovány nepravděpodobné jevy.

11 Semestrální práce Strana 11 Úloha 5. Regulační diagramy vícerozměrných dat Zadání: Kromě účinnosti Nystatinu jsou kritické parametry ph a ztráta sušením v %. Úkolem je pro každý parametr sestrojit izolovaný Shewhartův regulační diagram a potom navrhnout a sestrojit vícerozměrný diagram. Úkolem je rovněž porovnat informace, které poskytují všechny diagramy a posoudit, zda je užitečnější sada jednorozměrných Shewhartových diagramů, nebo jediný vícerozměrný diagram. Data: Hodnoty účinnosti, ph a ztráty sušením šarží Nystatinu jsou uvedeny v Tabulce 1. Tabulka 1 Hodnoty účinnosti Nystatinu v mj/mg sušiny, ph a ztráty sušením (ZS) v % číslo šarže účinnost v mj/mg ph ZS v % číslo šarže účinnost v mj/mg ph ZS v % ,9 3, ,6 3, ,6 3, ,9, ,9 3, ,5 3, , 3, ,7 3, ,3 3, ,7 3, ,9 3, ,9 3, ,3 3, ,7 3, ,5 3, ,, ,8 3, ,3 3, ,4, ,8 3, ,5 3, ,7 3, ,9, ,5 3, ,5 3, , 3, , 3, , ,3 3, ,4 3, ,9, ,8 3, , 3, ,5 3, ,9 3, ,7 3, ,7 3, ,3 3, ,7 3, ,5 3, ,8 3, ,3 3, ,8, ,1, ,6 3, ,3 3, ,3, ,1 3, ,6 3, ,9 3,4 Řešení: Před konstrukcí regulačních diagramů pomocí programu QC Expert se provede exploratorní analýza dat pro ověření normality, nezávislosti a homogenity dat. Výsledky jsou uvedeny v Tabulce.

12 Semestrální práce Strana 1 Tabulka Výsledky exploratorní analýzy dat účinnosti, ph a ztráty sušením Klasické parametry : Název sloupce : účinnost v mj/mg ph Ztráta sušením v % Průměr : 5494,44 7,66 3,64 Spodní mez : 5484, , , Horní mez : 5504, , , Rozptyl : 1188,1061 0, , Směr. odchylka : 34, , , Šikmost -0, , , Odchylka od 0 : Nevýznamná Nevýznamná Nevýznamná Špičatost :, , , Odchylka od 3 : Nevýznamná Nevýznamná Nevýznamná Polosuma 5485,5 7,5 3,3 Modus : 5501, , , Znaménkový test : Závěr : Data jsou nezávislá Data jsou nezávislá Data jsou nezávislá Test normality : Název sloupce : účinnost v mj/mg ph Ztráta sušením v % Průměr : 5494,44 7,66 3,64 Rozptyl : 1188,1061 0, , Šikmost -0, , , Špičatost :, , , Normalita : Přijata Přijata Přijata Vypočtený : 0, , , Teoretický : 5, , , Pravděpodobnost : 0, , , Vybočující body : Název sloupce : účinnost v mj/mg ph Ztráta sušením v % Homogenita : Přijata Přijata Přijata Počet vybočujících bodů : Spodní mez : 534,03 5,593,4466 Horní mez : 5641,968 8,8068 4,0534 Autokorelace : Řád autokorelace : 4 Název sloupce : účinnost v mj/mg ph Ztráta sušením v % Počet : 0, , , Řád autokorelace 1 Korelační koeficient : -0, , , Pravděpodobnost : 0, , , Závěr : Nevýznamný Nevýznamný Nevýznamný Řád autokorelace Korelační koeficient : -0, , , Pravděpodobnost : 0, , , Závěr : Nevýznamný Nevýznamný Nevýznamný Řád autokorelace 3 Korelační koeficient : -0, , , Pravděpodobnost : 0, , , Závěr : Nevýznamný Nevýznamný Nevýznamný Řád autokorelace 4 Korelační koeficient : 0, , , Pravděpodobnost : 0, , , Závěr : Nevýznamný Nevýznamný Nevýznamný

13 Semestrální práce Strana 13 Test významnosti trendu : Název sloupce : účinnost v mj/mg ph Ztráta sušením v % Směrnice : -0, , , Významnost : Nevýznamný Nevýznamný Nevýznamný Pravděpodobnost : 0, , , Podle získaných výsledků exploratorní analýzy jsou data výběrů účinnosti, ph a ztráty sušením odpovídající normálnímu rozdělení, nezávislá a homogenní splňují předpoklady pro konstrukci Shewhartových regulačních diagramů. Pro jejich konstrukci pomocí programu QC - Expert byl vybrán regulační diagram x individuál a R (klouzavé rozpětí). Regulační diagramy x individuál a R pro účinnost, ph a ztrátu sušením jsou na obr. 1 až obr. 6 a parametry regulačních diagramů jsou v Tabulkách 3, 4 a 5. Obr. 1 Regulační diagram x individuál pro účinnost Nystatinu diagram x-individual - Sheet1 - účinnost v mj/mg Xi Č. vzorku Obr. Regulační diagram klouzavého rozpětí R pro účinnost Nystatinu diagram R - Nystatin - účinnost v mj/mg MR Č. vzorku

14 Semestrální práce Strana 14 Tabulka 3 Parametry regulačního diagramu účinnosti Nystatinu Regulační diagram x-individuál Název úlohy : RD účinnosti Bez transformace Max. velikost podsk. : 1 Počet řádků : 50 Typ diagramu : x-individuál Variabilita : R ZL : 5494,44 ZL : 4, Určená : Výpočtem Určená : Výpočtem LCL : 5381,86944 LCL : 0 UCL : 5607,01056 UCL : 138, Určené : Výpočtem Určené : Výpočtem Obr. 3 Regulační diagram x individuál pro ph Nystatinu Xi 9.0 diagram x-individual - RD ph - ph Č. vzorku Obr. 4 Regulační diagram klouzavého rozpětí R pro ph Nystatinu MR diagram R - RD ph - ph Č. vzorku

15 Semestrální práce Strana 15 Tabulka 4 Parametry regulačního diagramu ph Nystatinu Regulační diagram x-individuál Název úlohy : RD ph Bez transformace Max. velikost podsk. : 1 Počet řádků : 50 Typ diagramu : x-individuál Variabilita : R ZL : 7,66 ZL : 0, Určená : Výpočtem Určená : Výpočtem LCL : 5, LCL : 0 UCL : 8, UCL : 1, Určené : Výpočtem Určené : Výpočtem Porušení pravidel : Číslo : Čas : Průměr : Varianč. rozpětí : Pravidlo : 37 7,5 0, 14 střídavých bodů (pila) Obr. 5 Regulační diagram x individuál pro ztrátu sušením Nystatinu diagram x-individual - RD ztráta sušením - Ztráta sušením v % Xi Č. vzorku Obr.6 Regulační diagram klouzavého rozpětí R pro ztrátu sušením Nystatinu diagram R - RD ztráta sušením - Ztráta sušením v % MR Č. vzorku

16 Semestrální práce Strana 16 Tabulka 5 Parametry regulačního diagramu ztráty sušením Nystatinu len Regulační diagram x-individuál Název úlohy : RD ztráta sušením Bez transformace Max. velikost podsk. : 1 Počet řádků : 50 Typ diagramu : x-individuál Variabilita : R ZL : 3,64 ZL : 0, Určená : Výpočtem Určená : Výpočtem LCL :, LCL : 0 UCL : 4, UCL : 1, Určené : Výpočtem Určené : Výpočtem Vhodným regulačním diagramem pro vícerozměrná data v tomto případě se jeví Hotellingův regulační diagram, který se používá pro procesy, při nichž je třeba sledovat více znaků jakosti (měřených proměnných) současně. Počítá se s daty bez opakování, je tedy vícerozměrnou obdobou diagramu X-individuál. Pro taková data lze použít také současné konstrukce klasických Shewhartových diagramů X- individuál, avšak jen za předpokladu, že měřené proměnné jsou nekorelované, tedy když jsou jejich párové korelační koeficienty statisticky nevýznamné. To se ověří pomocí programu QC Expert modulem Korelace. Výsledky korelace jsou v Tabulce 6. Tabulka 6 Výsledky párové korelační analýzy mezi účinnosti, ph a ztrátou sušením Nystatinu Korelační analýza Název úlohy : Nystatin Počet řádků : 50 Počet sloupců : 3 Párová kor. Sloupec účinnost v mj/mg - ph -0, účinnost v mj/mg - Ztráta sušením v % 0, ph - Ztráta sušením v % -0, Z Tabulky 6 je vidět, že parametry účinnost, ph a zráta sušením jsou vzájemně nekorelované, proto lze použít izolovaných Shewhartových regulačních diagramů pro každý parametr. V Hotellingově diagramu se využívá T statistiky, která je ekvivalentní Mahalanobisově vzdálenosti podle vztahu: T 1 T x ) C ( x ) (rov.1), i ( i 0 0 i 0

17 Semestrální práce Strana 17 0 je vektor středních hodnot ve standardním stavu, C 0 je kovariační matice ve standardním stavu a x i je náhodný vektor parametru i. V Hotellingově diagramu se vynáší normovaná vzdálenost od centrální hodnoty vzhledem ke korelační matici dat (tzv. Mahalanobisova vzdálenost). Tato vzdálenost je vždy kladná (nanejvýš nulová) a respektuje vliv vzájemné závislosti jednotlivých znaků jakosti. Jednodušší je aproximace rozdělení T i pomocí rozdělení q stupni volnosti. Hotellingův regulační diagram je nesymetrický, nemá spodní regulační mez (T = 0) a má pouze UCL definovaný vztahem: UCL ( ) (rov.). 0,9975 q V Tabulce 7 jsou parametry Hotellingova regulačního diagramu z programu QC Expert. Tabulka 7 parametry Hotellingova diagramu Hotellingův regulační diagram Název úlohy : Nystatin Název sloupce Cílové hodnoty Skutečné hodnoty účinnost v mj/mg 5494, ,44 ph 7,66 7,66 Ztráta sušením v % 3,64 3,64 Parametry diagramu : LCL : 0 UCL : 14, Na obr. 7 je Hotelingův diagram pro parametry účinnosti, ph a ztráty sušením Nystatinu. Obr. 7 Hotelingův diagram pro parametry účinnosti, ph a ztráty sušením Nystatinu T Hotellingův diagram - Nystatin Č. vzorku Závěr: Hotellingův diagram je náhrada jednotlivých Shewhartových diagramů. Výhodou Hotellingova diagramu je pak ve zobrazení všech sledovaných proměnných v jediném grafu a to hlavně v případě, že jednotlivé parametry jsou statisticky významně korelovány. Pro náš případ lze použít pro jednotlivé parametry Nystatinu izolovaných Shewhartových regulačních diagramů.

18 Semestrální práce Strana 18 Úloha 6. Způsobilost výroby Nystatinu data z úlohy 4 Zadání: Propouštěcí limity účinnosti léčivé látky Nystatinu jsou vzhledem ke stabilitě USL = 5700 mj/mg sušiny, LSL = 5300 mj/mg sušiny a cílová hodnota T = 5500 mj/mg sušiny, pro ph jsou limity USL = 8,0, LSL = 6,0 a T = 7,0 a pro ztrátu sušením UCL = 5,0 %. Data: Hodnoty stanovených a naměřených dat účinnosti, ph a ztráty sušením Nystatinu jsou uvedeny v Tabulce 1 úlohy 5. Řešení: Pro výpočet indexů způsobilosti a výkonnosti byl použit program QC Expert, modul Způsobilost. Klasické indexy způsobilosti (c p, c pk a c pm ) a výkonnosti (p p, p pk a p pm ), pro data s normálním rozdělením, se počítají pomocí vztahů: USL LSL cp (rov.1), 6 c p pk min( USL x, x 3 6. c ( x T c c LSL) (rov.), USL LSL cpm (rov.3), ) pk c p p 1 n n 1 i 1 USL 6 min( USL 3 x p i LSL x, x p x 6. p ( x T LSL) (rov.4), (rov.5), (rov.6), USL LSL p pm (rov.7), ) n xi xi 1 i p, kde d = 1,18, (rov.8). d n 1. V případě nenormálního rozdělení dat výběru a nebo pro případ, že je daná jenom jedna specifikační mez v našem případě ztráta sušením Nystatinu do 5,0 %, počítá se zobecněný index způsobilosti c * pk, který je založený na pravděpodobnostním přístupu, podle vztahů: * c pk F (rov.9), 3 ARL kde 1 F je inverzní kvantilová (distribuční) funkce a ARL je daná vztahem:

19 Semestrální práce Strana 19 kde xm N N c c ARL 1 / (rov.10), p xm x LSL USL x p F 1 F (rov.11). Výsledky z programu QC Expert jsou uvedeny v Tabulce 1 a na obr.1,, 3 a 4 pro účinnost, v Tabulce a na obr. 5, 6, a 8 pro ph a v Tabulce 3 a na obr. 9 pro ztrátu sušením. Tabulka 1 Způsobilost výroby Nystatinu v parametru účinnost Způsobilost a výkonnost pro normální rozdělení Název úlohy : Nystatin - účinnost Cílová hodnota: 5500 Specifikační meze LSL 5300 USL 5700 Mezní CP 1 Indexy způsobilosti Aritmetický průměr 5494,44 Směrodatná odchylka 34, /- 3sigma 5391, ,85193 Z-skore 5391, ,85193 Index Hodnota Dolní mez Horní mez Cp 1, , , Cpk 1, , ,55486 Cpm 1, , , Indexy výkonnosti Aritmetický průměr 5494,44 Směrodatná odchylka 37, /- 3sigma 5381, ,01056 Z-skore 5381, ,01056 Index Hodnota Dolní mez Horní mez Pp 1, , , Ppk 1, , , Ppm 1, , , Dolní mez Horní mez Pravd. překročení 8,46E-09 1,4E-09 Pravd. překročení % 8,46E-07 1,4E-07 Pravd. překročení PPM 0, , Pravd. mimo SL 9,70E-09 Pravd. mimo SL % 9,70E-07 Pravd. mimo SL PPM 0, ARL ,1 Cpk pro asymetrická data Počet hodnot 50 Opravený průměr 5495, Cílová hodnota 5500 Mezní CP 1 LSL USL Specifikační meze Pravd. překročení 1,68E-07 1,11E-11

20 Semestrální práce Strana 0 Pravd. překročení % 1,68E-05 1,11E-09 Pravd. překročení PPM 0, ,11E-05 Pravd. mimo SL 1,68E-07 Pravd. mimo SL % 1,68E-05 Pravd. mimo SL PPM 0, ARL ,175 Cpk 1, Meze pro Cpk 1, , Obr. 1 Histogram pdf 0.01 Histogram - Nystatin - účinnost účinnost v mj/mg Obr. Kumulativní hustota pravděpodobnosti Distribuční funkce - Nystatin - účinnost Pr účinnost v mj/mg Obr. 3 Hustota pravděpodobnosti ve srovnání s Gaussovou křivkou Cp=1,934;Cpk=1,88;Cpm=1,909 - Nystatin - účinnost pdf 1.0E E E E E-03.0E E-03 účinnost v mj/mg -.0E

21 Semestrální práce Strana 1 Obr. 4 Exponenciálně transformovaná hustota pravděpodobnosti Cpk=1,701 (1,88) - Nystatin - účinnost pdf Parametr Tabulka Způsobilost výroby Nystatinu v parametru ph Způsobilost a výkonnost pro normální rozdělení Název úlohy : Nystatin - ph Cílová hodnota: 7 Specifikační meze LSL 6 USL 8 Mezní CP 1 Indexy způsobilosti Aritmetický průměr 7,66 Směrodatná odchylka 0, /- 3sigma 6, , Z-skore 6, , Index Hodnota Dolní mez Horní mez Cp 0, , , Cpk 0, , , Cpm 0, , , Indexy výkonnosti Aritmetický průměr 7,66 Směrodatná odchylka 0, /- 3sigma 5, , Z-skore 5, , Index Hodnota Dolní mez Horní mez Pp 0, , , Ppk 0, , , Ppm 0, , , Dolní mez Horní mez Pravd. překročení 0, , Pravd. překročení % 0, , Pravd. překročení PPM 575, ,17664 Pravd. mimo SL 0, Pravd. mimo SL % 3, Pravd. mimo SL PPM 3031,84114 ARL 3, Cpk pro asymetrická data Počet hodnot 50 Opravený průměr 7, Cílová hodnota 7 Mezní CP 1

22 Semestrální práce Strana LSL USL Specifikační meze 6 8 Pravd. překročení 0, ,04133 Pravd. překročení % 0, , Pravd. překročení PPM 1471, ,3986 Pravd. mimo SL 0, Pravd. mimo SL %, Pravd. mimo SL PPM 3883,58631 ARL 41, Cpk 0, Meze pro Cpk 0, , Obr. 5 Histogram pdf Histogram - Nystatin - ph ph Obr. 6 Kumulativní hustota pravděpodobnosti Distribuční funkce - Nystatin - ph Pr ph

23 Semestrální práce Strana 3 Obr. 7 Hustota pravděpodobnosti ve srovnání s Gaussovou křivkou Cp=0,856;Cpk=0,68;Cpm=0,707 - Nystatin - ph pdf ph Obr. 8 Exponenciálně transformovaná hustota pravděpodobnosti Cpk=0,66 (0,68) - Nystatin - ph pdf Parametr Tabulka 3 Způsobilost výroby Nystatinu v parametru ztráta sušením Způsobilost a výkonnost pro normální rozdělení Název úlohy : Nystatin - ztráta sušením Cpk pro asymetrická data Počet hodnot 50 Opravený průměr 3, Cílová hodnota 5 Mezní CP 1 LSL USL Specifikační meze -- 5 Pravd. překročení 0 1,01E-06 Pravd. překročení % 0 0, Pravd. překročení PPM 0 1, Pravd. mimo SL 1,01E-06 Pravd. mimo SL % 0, Pravd. mimo SL PPM 1, ARL ,5304 Cpk 1, Meze pro Cpk 1, ,

24 Semestrální práce Strana 4 Obr. 9 Exponenciálně transformovaná hustota pravděpodobnosti Cpk=1,584 - Nystatin - ztráta sušením pdf Parametr Závěr: Podle výsledků je výroba Nystatinu z hlediska parametru účinnosti způsobilá, intervaly klasických indexů způsobilosti a výkonnosti jsou větší než mezní hodnota 1. Podle parametru ph je výroba Nystatinu nezpůsobilá. Tento fakt lze vysvětlit snahou upravovat ph při konci výroby k vyšším hodnotám, aby ph po dobu expirace nekleslo pod hodnotu ph = 6,0. Pro posouzení způsobilosti výroby Nystatinu z hlediska parametru ztráta sušením nebylo možno použít klasických indexů způsobilosti, protože i když data ztráty sušením mají normální rozdělení, je k dispozici jenom horní specifický limit a to 5,0 * %. Podle zobecněného indexu způsobilosti c pk,pro parametr ztráta sušením, je výroba Nystatinu způsobilá.

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT V OSTRAVĚ 20.3.2006 MAREK MOČKOŘ PŘÍKLAD Č.1 : ANALÝZA VELKÝCH VÝBĚRŮ Zadání: Pro kontrolu

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce STATISTICKÁ

Více

Regulační diagramy (RD)

Regulační diagramy (RD) Regulační diagramy (RD) Control Charts Patří k základním nástrojům vnitřní QC laboratoře či výrobního procesu (grafická pomůcka). Pomocí RD lze dlouhodobě sledovat stabilitu (chemického) měřícího systému.

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Vedoucí studia a odborný garant: Prof. RNDr. Milan Meloun, DrSc. Vyučující: Prof. RNDr. Milan Meloun, DrSc. Autor práce: ANDRII

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

Rozšířené regulační diagramy

Rozšířené regulační diagramy Rozšířené regulační diagramy Menu: QCExpert Rozšířené Následující regulační diagramy jsou významným rozšířením možností nabízených Shewhartovými diagramy. Jsou doporučovány jako jejich alternativa nebo

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství 1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí

Více

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI Elektronická sbírka příkladů k předmětům zaměřeným na aplikovanou statistiku

Více

S E M E S T R Á L N Í

S E M E S T R Á L N Í Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět Statistická analýza

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

S E M E S T R Á L N Í

S E M E S T R Á L N Í Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu

Více

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel

Více

Statistická analýza. jednorozměrných dat

Statistická analýza. jednorozměrných dat Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie icenční studium chemometrie Statistické zpracování dat Statistická analýza jednorozměrných dat Zdravotní ústav se sídlem v

Více

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat ) Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat ) Zadání : Čistota vody v řece byla denně sledována v průběhu 10 dní dle biologické spotřeby kyslíku BSK 5. Jsou v

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Univerzita Pardubice Fakulta chemicko-technologická, Katedra analytické chemie Licenční studium GALILEO Interaktivní statistická analýza dat Semestrální práce z předmětu Statistická analýza jednorozměrných

Více

PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)

PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného

Více

Lineární regrese. Komentované řešení pomocí MS Excel

Lineární regrese. Komentované řešení pomocí MS Excel Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních

Více

Porovnání dvou výběrů

Porovnání dvou výběrů Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů

Více

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015 Doc. Mgr. Jan Muselík, Ph.D.

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM, SPC v případě autokorelovaných dat Jiří Michálek, Jan Král OSSM, 2.6.202 Pojem korelace Statistická vazba mezi veličinami Korelace vs. stochastická nezávislost Koeficient korelace = míra lineární vazby

Více

Modul Základní statistika

Modul Základní statistika Modul Základní statistika Menu: QCExpert Základní statistika Základní statistika slouží k předběžné analýze a diagnostice dat, testování předpokladů (vlastností dat), jejichž splnění je nutné pro použití

Více

3.4 Určení vnitřní struktury analýzou vícerozměrných dat

3.4 Určení vnitřní struktury analýzou vícerozměrných dat 3. Určení vnitřní struktury analýzou vícerozměrných dat. Metoda hlavních komponent PCA Zadání: Byly provedeny analýzy chladící vody pro odběrové místa. Byly stanoveny parametry - ph, vodivost, celková

Více

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány

Více

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Sedm základních nástrojů řízení kvality Doc. RNDr. Jiří Šimek,

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Využití metody bootstrapping při analýze dat II.část Doc. Ing. Olga TŮMOVÁ, CSc. Obsah Klasické procedury a statistické SW - metody výpočtů konfidenčních

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

PRINCIPY ZABEZPEČENÍ KVALITY

PRINCIPY ZABEZPEČENÍ KVALITY (c) David MILDE, 2013 PRINCIPY ZABEZPEČENÍ KVALITY POUŽÍVANÁ OPATŘENÍ QA/QC Interní opatření (uvnitř laboratoře): pravidelná analýza kontrolních vzorků a CRM, sledování slepých postupů a možných kontaminací,

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015 UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Tvorba nelineárních regresních modelů v analýze dat Vedoucí licenčního studia Prof. RNDr.

Více

Kvantily a písmenové hodnoty E E E E-02

Kvantily a písmenové hodnoty E E E E-02 Na úloze ukážeme postup průzkumové analýzy dat. Při výrobě calciferolu se provádí kontrola meziproduktu 3,5 DNB esteru calciferolu metodou HPLC. Sleduje se také obsah přítomného ergosterinu jako nečistoty,

Více

Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium GALILEO a limity její přesnosti Seminární práce Monika Vejpustková leden 2016 OBSAH Úloha 1. Lineární kalibrace...

Více

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor

Více

STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno

Více

Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba lineárních regresních modelů 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha 1 Porovnání regresních přímek u jednoduchého lineárního regresního modelu Porovnání

Více

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce

Více

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách

Více

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy: Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce ANALÝZA

Více

Shewhartovy regulační diagramy

Shewhartovy regulační diagramy Shewhartovy regulační diagramy Menu: QCExpert Regulační diagramy Cílem všech regulačních diagramů je určit a neustále kontrolovat, zda je sledovaný proces v takzvaném statisticky zvládnutém stavu. Prakticky

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a

Více

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.

Více

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky Navazující magisterské studium studijní obor "Management jakosti" školní rok 2013/2014 Integrované systémy managementu A 1. Koncepce a principy integrovaných

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

MÍRY ZÁVISLOSTI (KORELACE A REGRESE) zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů 1) Test na velikost rozptylu Test na velikost rozptylu STATISTICA nemá. 2) Test na velikost střední hodnoty V menu Statistika zvolíme nabídku Základní

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

Více

Plánování experimentu

Plánování experimentu Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces

Více

Exploratorní analýza dat

Exploratorní analýza dat 2. kapitola Exploratorní analýza dat Řešení praktických úloh z Kompendia, str. 81. Načtení dat po F3. Načtená data úlohy B201 je možné v editoru ještě opravovat. Volba statistické metody v červeném menu.

Více

10 KONTROLA A ŘÍZENÍ JAKOSTI

10 KONTROLA A ŘÍZENÍ JAKOSTI 1 10 KONTROLA A ŘÍZENÍ JAKOSTI Vzorová úloha 10.1 Aplikace regulačního diagramu pro průměry a směrodatné odchylky. Při konstrukci diagramu x s pruhem se vychází z průměrů a směrodatných odchylek tzv. logických

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Nejlepší odhady polohy a rozptýlení chemických dat

Nejlepší odhady polohy a rozptýlení chemických dat Nejlepší odhady polohy a rozptýlení chemických dat Prof. RNDr. Milan Meloun, DrSc., Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice email: milan.meloun@upce.cz, http://meloun.upce.cz

Více

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

Více

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti Autor: Přednášející: Prof. RNDr. Milan Meloun, DrS 1. VÝPOČET OBSAHU

Více

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese Závěrečná práce 12. licenčního studia Pythagoras Fakulta chemicko-technologická, katedra

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Korelace. Komentované řešení pomocí MS Excel

Korelace. Komentované řešení pomocí MS Excel Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce KALIBRACE

Více

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI SPŠ na Proseku 4-1 Ing. A. Styblíková, Ing. L. Procházka - pevně stanovený soubor grafických technik napomáhajících při řešení problémů s kvalitou - jedná se o 7 nástrojů

Více

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1 Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud

Více

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.

Více

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně

Více

Tvorba nelineárních regresních

Tvorba nelineárních regresních Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Tvorba nelineárních regresních modelů v analýze dat Zdravotní ústav

Více

Plánování experimentu

Plánování experimentu SEMESTRÁLNÍ PRÁCE Plánování experimentu 05/06 Ing. Petr Eliáš 1. NÁVRH NOVÉHO VALIVÉHO LOŽISKA 1.1 Zadání Při návrhu nového valivého ložiska se v prvotní fázi uvažovalo pouze o změně designu věnečku (parametr

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Tvorba nelineárních regresních modelů v analýze dat

Tvorba nelineárních regresních modelů v analýze dat Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Tvorba nelineárních regresních modelů v analýze dat Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza

Více

Regulační diagramy (Control charts, Shewhart s diagrams)

Regulační diagramy (Control charts, Shewhart s diagrams) Regulační diagramy (Control charts, Shewhart s diagrams) diagram spolu s horní nebo/a dolní í, do kterého se zakreslují hodnoty nějakého statistického ukazatele pro řadu výběrů nebo podskupin, obvykle

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

Více

Mnohorozměrná statistická data

Mnohorozměrná statistická data Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém

Více

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management kvality"

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor Management kvality Tématické okruhy pro státní závěrečné zkoušky Navazující magisterské studium studijní obor "Management kvality" školní rok 2016/2017 Integrované systémy managementu A 1. Koncepce a principy integrovaných

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti SEMESTRÁLNÍ PRÁCE Kalibrace a limity její přesnosti 005/006 Ing. Petr Eliáš 1. LINEÁRNÍ KALIBRACE 1.1 Zadání Povrchově upravená suspenze TiO je protiproudně promývána v kaskádě Dorrových usazováků. Nejvíce

Více

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování

Více