Národní informační středisko pro podporu kvality
|
|
- Kristýna Pešková
- před 4 lety
- Počet zobrazení:
Transkript
1 Národí iforačí středisko pro podporu kvality
2 Statistická regulace procesu při krátkých výrobích sériích 2
3 Obsah Vlastosti klasického regulačího diagrau Regulačí diagray založeé a seskupováí sérií Speciálí diagray pro saoté krátké série Diagray pro regulaci srováváí 3
4 Vlastosti Shewhartova regulačího diagrau Předpoklad orálí rozděleí regulovaé veličiy N(, 2 ), a 2 kostatí, hodoty regulovaé veličiy ezávislé diagra pro průěr regulačí eze. UCL 0 3 LCL rozsah podskupi ( =, 2,... sigál překročeí ěkteré z regulačích ezí 4
5 desity Riziko falešého Noral Distributiosigálu 0,4 Probability = 0,02493 Mea,Std. Dev. 0, 0,3 0,2 P( X LCL ) P( X UCL) ( 3) 0,0,0035 (3) 0, Proces pod kotrolou a ezěěy ( = 0) pravděpodobost falešého sigálu p 2 0,0035 0,0027 5
6 Průěrá délka přeběhu ARL proces pod kotrolou průěrý počet výběrů do objeveí se sigálu počet výběrů (počet pokusů) geoetrické rozděleí s paraetre p (pravděpodobost sigálu v každé pokusu) středí hodota geoetrického rozděleí /p skutečá středí hodota procesu p ARL 0 0, k falešéu sigálu dojde v průěru jedou za 370 výběrů 6
7 Průěrá délka přeběhu ARL posu středí hodoty skutečá středí hodota procesu p ARL 0 0, , ,587 6 posu středí hodoty (v ásobcích ) , ,
8 Regulačí diagray pro detekci eších posuů středí hodoty Cíl sížit ARL při alé posuu středí hodoty Doplěí klasických regulačích diagraů zóy A,B,C testy zvláštích seskupeí bodů evýhoda zvyšuje se riziko falešého sigálu (zkráceí ARL u procesu pod kotrolou) CUSUM diagray EWMA diagray CUSUM a EWMA zvláště výhodé pro idividuálí ěřeí evýhoda éě citlivé a velké posuy 8
9 ARL u CUSUM posu středí hodoty (v ásobcích ) h = 4 h = ,25 74,2 39 0,5 26,6 38 0,75 3,3 7 8,38 0,4,5 4,75 5,75 2 3,34 4,0 2,5 2,62 3, 3 2,9 2,57 4,7 2,0 h paraetr CUSUM diagrau 9
10 Vlastosti diagraů při odhadovaých paraetrech procesu Kvalita odhadu á vliv a riziko falešého sigálu a ARL. Vlastosti regulačích diagraů avržeých pro detekci alých posuů jsou citlivé a odhady paraetrů procesu. ARL je větší ež v případě záých paraetrů. ARL elze určit aalyticky. Poocí siulací bylo zjištěo, že pokud je odhad sěrodaté odchylky založe alespoň a 00 pozorováích, jsou vlastosti diagrau podobé případu se záýi paraetry. 0
11 Volba typu diagrau I. etapa SPC cíl stabilizace procesu, odhad paraetrů pro II. etapu riziko falešého sigálu ebo ARL ejsou tak podstaté, hlaví je detekce větších vyezitelých příči Shewhartovy diagray případě doplěé o testy seskupeí uvádí se utost alespoň 20 až 25 podskupi II. etapa SPC proces pod kotrolou předpokládá se, že hlaví vyezitelé příčiy variability byly odstraěy, je třeba reagovat a eší odchylky doporučuje se CUSUM ebo EWMA Krátké série bez rozlišováí dvou etap speciálí postupy seskupováí sérií, volba společého sledovaého zaku saostaté krátké série
12 Série jako součást jediého procesu regulačí diagray DNOM předpoklad stejá variabilita ve všech sériích, jeovité hodoty se liší klasické regulačí diagray aplikovaé a odchylky od jeovité hodoty stadardizovaé regulačí diagray rozdílé jeovité hodoty i variabilita v sériích klasické regulačí diagray aplikovaé a stadardizovaou regulovaou veličiu regulačí eze odpovídají = 0 a = 2
13 Saple Rage Saple Mea 2 Předpoklad N(, ) v -té sérii, cílová hodota T, a veličiu X Y X T DNOM se aplikuje běžý postup. Série T X X2 X3 Y Y2 Y3 Y R a 3,25 3,493 3,496 3,533 0,243 0,246 0,283 0,257 0,040 a 3,25 3,450 3,43 3,533 0,200 0,8 0,283 0,22 0,02 b 5,50 0,4 6,028 5,668 5,922 0,528 0,68 0,422 UCL=0,3954 0,373 0,360 b 5,50 0,3 5,639 5,690 5,634 0,39 0,90 0,34 0,54 0,056 b 5,50 5,790 5,757 5,735 0,290 0,257 0,235 0,26 0,055 0,2 b 5,50 5,709 5,743 5,66 0,209 0,243 0,6 0,204 0,082 0, c 7,75 8,5 2 7, , , , , ,27 0,59 Saple _ X=0,239 LCL=0,0829 c 7,75 7,885 8,023 8,077 0,35 0,273 0,327 0,245 0,92 0,4 c 7,75 7,932 8,079 7,958 0,82 0,329 0,208 0,240 0,47 0,3 c 7,75 0,2 8,42 7,860 7,934 0,392 0,0 0,84 0,229 0,282 c 7,75 0, 7,907 7,95 7,947 0,57 0,20 0,97 0,85 0,044 0,0 LCL=0 c 7,75 7,905 7,943 8,09 0,55 0,93 0,34 0,230 0, Xbar-R Chart of M;...; M Saple UCL=0,393 _ R=0,527 3
14 Stadardizovaý diagra data v podskupiách Příklad (Motgoery 2009) Předpoklad X 2 N(, ) paraetry dáy odhaduty a základě dat ze sérií stejého typu Poz.: Ke kvalitíu odhadu je třeba dostatečý počet ěřeí v každé sérii, v ukázce je pro přehledost eší počet podskupi. Série T X X 2 X 3 X 4 a a a a a a b b b b b c c c c c c c c c , R, R 2 2 3, R3 4
15 2,0 a b c pro průěr,5 s i ( ) i( ) R T,0 0,5 0, UCL A 2-0,5 LCL A 2 -,0 pro rozpětí R s i( ) R i( ) R 2,5 2,0,5,0 UCL D 4 i-tý výběr v ráci -té série 0,5 0, LCL D 3 A 2, D 3, D 4 součiitele pro rozsah podskupi = 4 (ČSN ISO 8258) 5
16 Stadardizovaý diagra Z - MR idividuálí hodoty Příklad (Breyfogle 2003) Z ( X ˆ ) / ˆ z ˆ i( ) ( i( ) ) / odhad ˆ poocí klouzavých rozpětí a základě hodot ze stejé série MR z z i i i Série X Průěr Siga Z MR b,435,502 0,070-0,954 * b,572,502 0,070,02,966 b,486,502 0,070-0,222,234 a,883,785 0,082,203 * a,75,785 0,082-0,852 2,055 a,799,785 0,082 0,75,028 b,5,502 0,070 0,36 * b,457,502 0,070-0,639 0,775 b,548,502 0,070 0,667,306 a,768,785 0,082-0,204 * a,7,785 0,082-0,90 0,697 a,832,785 0,082 0,579,480 c,427,392 0,063 0,557 * c,344,392 0,063-0,752,309 c,404,392 0,063 0,95 0,947 6
17 Movig Rage Stadardized Data 3,0 Z-MR Chart of thickess b a b a c UCL=3,5 0,0 0 -,5-3,0 LCL= Observatio b a b a c UCL=3, MR=,28 0 LCL= Observatio regulačí eze: Z-diagra 3, MR-diagra 0 a 3,686 7
18 Saostatá krátká série úprava regulačích ezí (Yag, Hillier) udržuje riziko falešého sigálu a požadovaé úrovi ezáleží a počtu podskupi k Q-diagra (Queseberry) stadardizace původí sledovaé veličiy X, v každé kroku se využívá iforace ze všech předcházejících předpoklad - záá středí hodota saostartovací CUSUM stadardizace veličiy X stejě jako u Q-diagrau, eí třeba zadávat cílovou hodotu bayesovský (Wassera 993) využití apriorí iforace kroě iforace a základě výběru využití Kalaova filtru, odifikace EWMA diagraů (Del Castillo, Motgoery 995), (Wassera 995) lepší vlastosti v případě, že zěa úrově procesu astae brzy (běhe 25 pozorováí) 8
19 Úprava regulačích ezí (Yag a Hillier 970) cíl - dodržet zvoleé riziko falešého sigálu k t / 2, k( ) s k p pro retrospektiví aalýzu k t / 2, k( ) s k p pro regulaci procesu s... celkový průěr, k... počet výběrů,.. rozsah výběrů k 2 2 p ( ij i) k ( ) i j... odhad rozptylu (iheretí variabilita) 9
20 Q - diagra předpoklad záá středí hodota, ezáý rozptyl odhad sěrodaté odchylky se eustále odifikuje pro pořadí výběru t (Queseberry 99) Q t F t t ˆ / t pro > s t 2 2 t ( ij ) t i j t Qt F t pro = ˆt Ft distribučí fukce t- rozděleí s t stupi volosti pro >, s t 2 2 t ( i ) t i pro = 20
21 Movig Rage Idividual Value Q diagra idividuálí hodoty i X i i X i Příklad (Motgoery 2009) ,0,5 0,0 I-MR Chart of Q UCL=3 _ X= , , Observatio LCL= UCL=3, MR=,28 3 regulačí eze diagra pro Q 3, diagra pro klouzavá rozpětí 0 a 3, Observatio LCL=0 2
22 Příklad (Motgoery 2009) CUSUM idividuálí hodoty i X i i X i Data z procesu se středí hodotou 00, v. podskupiě posu a 05. Cílová hodota 0 =
23 Saostartovací CUSUM v -té kroku ( =, 2, ) vypočtee z hodot výběrový průěr a výběrový rozptyl i i s 2 2 ( i ) i rekuretí vztahy pro průěr pro rozptyl w s 2 2 ( i ) i ( )( ) 2 ( i ) i w w 2 T s U [ F ( a T )] 2 a U ( p) - p-kvatil rozděleí N(0,), F ( ) 2 a T - distribučí fukce t-rozděleí 23 s -2 stupi volosti
24 Cuulative Su Tabelárí CUSUM se aplikuje a orovaou veličiu U paraetry procesu 0 = 0, = C a 0, u ( K) C i i 0 i C a 0,( K) u C i 0 i i CUSUM Chart of U H = h (ezí hodota) K = k (referečí hodota) UCL=4 doporučeé hodoty h = k = 0, LCL= Saple
25 Regulace srováváí stadardizovaé diagray p, p, c, u Z Z i( ) i( ) c p i( ) p i( ) p ( p ) c c Z Z i ( ) i ( ) u i( ) p p u i( ) ( p) u p hodota stadardizovaé veličiy v i-té výběru v ráci -té série začí rozsah výběrů v -té sérii regulačí eze 3 25
26 Literatura BISSELL, D. 994: Statistical Methods for SPC ad TQM. Chapa & Hall, 994. BREYFOGLE, F.W. 2003: Ipleetig Si Siga: Sarter Solutios Usig Statistical Methods. J. Wiley & Sos, DEL CASTILLO, E. GRAYSON, J.M. MONTGOMERY, D.C. RUNGER, G.C. 996: A review of statistical process cotrol techiques for short ru aufacturig systes. I: Couicatios i Statistics Theory ad Methods č., 996: s DEL CASTILLO, E., MONTGOMERY, D.C. (994): Short-ru statistical process cotrol: Q-charts ehaceets ad alterative ethods. Quality ad Reliability Egieerig Iteratioal, 0, DEL CASTILLO, E., MONTGOMERY, D.C. (995): A Kala filterig process cotrol schee with a applicatio i seicoductor short ru aufacturig. Quality ad Reliability Egieerig Iteratioal,, 0 05 FARNUM, N.R. (992): Cotrol charts for short rus: Nocostat process ad easureet error. Joural of Quality Techology, 24(3), HILLIER, F.S. (964): Chart cotrol liits based o a sall uber of subgroups. Idustrial Quality Cotrol, 20(8), HILLIER, F.S. (969): X ad R chart cotrol liits based o a sall uber of subgroups. Joural of Quality Techology, (),
27 MAGUIRE, M., ed. 999: Statistical gyastics revisited: A debate o oe approach to short-ru cotrol charts. I: Quality Progress č. 2, 999: s MONTGOMERY, D.C.: Statistical Quality Cotrol. J. Wiley & Sos, PYZDEK, T. (993): Process cotrol for short ad sall rus. Quality Progress, 26(4), 5 60 QUESENBERRY, C.P. (99): SPC Q charts for start-up processes ad short or log rus. Joural of Quality Techology, 23(3), QUESENBERRY, CH. 998: Statistical Gyastics. I: Quality Progress č. 9, 998: s RYAN, T.P. 2000: Statistical Methods for Quality Iproveet. J. Wiley & Sos, WASSERMAN, G.S. (993):Short ru SPC based upo the secod order dyaic liear odel for tred detectio. Couicatios i Statistics: Siulatio ad Coputatio 22(4): WASSERMAN, G.S. (995): A adaptatio of the EWMA chart for short ru SPC. Iteratioal Joural of Productio Research 33(0): YANG, C.H., HILLIER, F.S. (970): Mea ad variace chart cotrol liits based o a sall uber of subgroups. Joural of Quality Techology, 2(),
Národní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
VíceVYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
VíceTeorie chyb a vyrovnávací počet. Obsah:
Teorie chyb a vyrovávací počet Obsah: Testováí statistických hypotéz.... Ověřováí hypotézy o středí hodotě základího souboru s orálí rozděleí... 4. Ověřováí hypotézy o rozptylu v základí souboru s orálí
Více6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
VíceRegulační diagramy EWMA. Eva Jarošová Škoda Auto Vysoká škola
Regulační diagramy EWMA Eva Jarošová Škoda Auto Vysoká škola ČSJ 19.2.2015 Obsah 1. Podstata a konstrukce diagramu 2. Využití diagramů EWMA 3. Porovnání Shewhartova a EWMA diagramu 4. Volba parametrů 5.
Více12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
VíceMezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
VíceDeskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou
VíceHodnocení vlastností materiálů podle ČSN EN 1990, přílohy D
Hooceí vlastostí ateriálů pole ČSN EN 1990, přílohy D Mila Holický Klokerův ústav ČVUT v Praze 1. Úvo 2. Kvatil áhoé veličiy 3. Hooceí jeé veličiy 4. Hooceí oelu 5. Příklay - poůcky ECEL Obecé zásay statistického
VíceNáhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
VíceUPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ
3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,
VíceRegulační diagramy CUSUM pro atributivní znaky. Eva Jarošová
Regulační diagramy CUSUM pro atributivní znaky Eva Jarošová Obsah. Klasické diagramy pro atributivní znaky, omezení a nevýhody jejich aplikace 2. Přístup založený na transformaci sledované veličiny 3.
VíceNárodní informační středisko pro podporu kvality
Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí
VícePřednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
VíceIntervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
VíceV. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
VícePravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
VíceNáhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
VíceVariabilita měření a statistická regulace procesu
Variabilita měří a statistická rgulac procsu Ig. Darja Noskivičová, CSc. Katdra kotroly a řízí jakosti, VŠB-TU Ostrava Abstrakt: Efktivost využití statistických mtod pro aalýzu a řízí procsů j odvislá
Více1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
Více1. Měření ve fyzice, soustava jednotek SI
. Měřeí ve fyzice, soustava jedotek SI Fyzika: - je věda o hotě (ta eistuje ve dvou forách jako látka, ebo jako pole), o jejích ejobecějších vlastostech, stavech, zěách, iterakcích Rozděleí fyziky: a)
VíceSTATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
VícePravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
VícePopisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
VíceMOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ
PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT
Víceveličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
Více17. Statistické hypotézy parametrické testy
7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé
VícePevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
VíceLean Six Sigma Logistics Využití statistických metod ke zlepšení logistických proces
Lean Six Sigma Logistics Využití statistických metod ke zlepšení logistických proces Eva Jarošová Institut ekonomiky provozu a technických v d Obsah Základní pojmy Oblasti pro využití statistických nástroj
Více2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
VícePRINCIPY 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,
VíceAplikace teorie neuronových sítí
Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus
VíceOdhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
VíceIntervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceDynamická pevnost a životnost Statistika
DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické
VíceOdhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
Více1 ROVNOMĚRNOST BETONU KONSTRUKCE
ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
VíceIntervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním
Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí
VíceLineární a adaptivní zpracování dat. 8. Modely časových řad I.
Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK
VícePřednášky část 7 Statistické metody vyhodnocování dat
DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
VíceRegulační 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.
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
VíceKatedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti
Katedra pravděpodobosti a matematické statistiky Oborový semiář χ 2 test ezávislosti Petr Míchal 27 listopadu 2017 Situace 2 X {1,, I}, Y {1,, J} Jsou X a Y ezávislé? K dispozici máme áhodý vyběr (X 1,
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která
VíceVaR analýza citlivosti, korekce
VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou
VíceÚloha II.S... odhadnutelná
Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí
Více3. DIFERENCIÁLNÍ ROVNICE
3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se
Více1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.
ZÁPOČTOVÝ TEST. JEV JISTÝ a. je jev, který ikdy eastae b. je jev, jehož pravděpodobost ½ c. je jev, jehož pravděpodobost 0 d. je jev, jehož pravděpodobost e. je jev, který astae za jistých okolostí f.
VíceREGRESNÍ DIAGNOSTIKA. Regresní diagnostika
4.11.011 REGRESNÍ DIAGNOSTIKA Chemometrie I, David MILDE Regresí diagostika Obsahuje postupy k posouzeí: kvality dat pro regresí model (přítomost vlivých bodů), kvality modelu pro daá data, splěí předpokladů
VíceStatistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.
Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový
VíceTento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/
Teto projekt je spolufiacová Evropským sociálím fodem a Státím rozpočtem ČR IoBio CZ..07/2.2.00/28.008 Připravil: Ig. Vlastimil Vala, CSc. Metody zkoumáí ekoomických jevů Kapitola straa 3 Metoda Z řeckého
VíceQ-diagramy. Jiří Michálek ÚTIA AVČR
Q-diagramy Jiří Michálek ÚTIA AVČR Proč Q-diagramy? Nevýhody Shewhartových diagramů velikost regulačních mezí závisí na rozsahu logické podskupiny nehodí se pro krátké výrobní série normálně rozdělená
VíceČíselné charakteristiky náhodných veličin
Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí
VíceTestujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení
S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým
VícePro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
VíceSeriál XXX.II Zpracování dat fyzikálních měření
Seriál: Zpracováí dat fyzikálích měřeí V miulém díle seriálu jsme se sezámili s tím, co je to áhodá veličia, hustota pravděpodobosti a jak se dá v ěkterých případech odhadout typ rozděleí áhodé veličiy
VícePři sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
VíceZávislost slovních znaků
Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví
VíceOdhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
Vícezákladním prvkem teorie křivek v počítačové grafice křivky polynomiální n
Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru
Více8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
VíceEKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
Více7. Analytická geometrie
7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp
VíceNEPARAMETRICKÉ METODY
NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost
Víceb c a P(A B) = c = 4% = 0,04 d
Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá
VíceTržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.
Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
Vícevají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
VíceIAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
VícePřehled metod regulace procesů při různých typech chování procesu
Přehled metod regulace procesů při různých typech chování procesu Eva Jarošová, Darja Noskievičová Škoda Auto Vysoká škola, VŠB Ostrava ČSJ 7.9.205 Typy procesů (ČSN ISO 2747) Procesy typu A Výsledné rozdělení
VíceLineární a adaptivní zpracování dat. 9. Modely časových řad II.
Lieárí a adaptiví zpracováí dat 9. Modely časových řad II. Daiel Schwarz Ivestice do rozvoje vzděláváí Opakováí K čemu je dobré vytvářet modely procesů geerující časové řady? Dekompozice časový řad: jaké
VíceTest dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
Více8.1.3 Rekurentní zadání posloupnosti I
8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím
Vícejako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
Více8. cvičení 4ST201-řešení
cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,
VíceMěřící technika - MT úvod
Měřící techika - MT úvod Historie Už Galileo Galilei zavádí vědecký přístup k měřeí. Jeho výrok Měřit vše, co je měřitelé a co eí měřitelým učiit platí stále. - jedotá soustava jedotek fyz. veliči - símače
VíceOptimalizace provozních podmínek. Eva Jarošová
Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové
VíceCvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
VíceRekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě
Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceNáhodný výběr, statistiky a bodový odhad
Lekce Náhodý výběr, statistiky a bodový odhad Parametr rozděleí pravděpodobosti je ezámá kostata, jejíž přímé určeí eí možé. Nástrojem pro odhad ezámých parametrů je áhodý výběr a jeho charakteristiky
VíceCvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
VícePravděpodobnost a statistika - absolutní minumum
Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky
VíceS1P Popisná statistika. Popisná statistika. Libor Žák
SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk
VíceMetoda datových obalů DEA
Metoda datoých obalů DEA Model datoých obalů složí ro hodoceí techické efektiit rodkčích jedotek ssté a základě elosti stů a ýstů. Protože stů a ýstů ůže být íce drhů, řadí se DEA ezi etod icekriteriálího
Vícevají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
VícePřednáška VIII. Testování hypotéz o kvantitativních proměnných
Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?
VíceTento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i
: ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru
Více