Tématické okruhy pro státní závěrečné zkoušky. magisterské studium
|
|
- Marie Brožová
- před 8 lety
- Počet zobrazení:
Transkript
1 Tématické okruhy pro státní závěrečné zkoušky magisterské studium studijní obor "Řízení jakosti" školní rok 2009/2010
2 Management jakosti A 1. Koncepce managementu jakosti, charakteristiky a účel, normy ISO ř. 9000, struktura, účel. 2. Základní principy managementu jakosti. 3. Úloha vedení organizací v systémech managementu jakosti. 4. Benchmarking, význam a postupy. 5. Měření spokojenosti a loajality zákazníků. 6. Řízení dokumentů a záznamů, účel a postupy. 7. Ekonomika jakosti, oblasti, výdaje vztahující se k jakosti. 8. Základní procesy managementu jakosti v nakupování partnerství s dodavateli. 9. Základní procesy managementu jakosti při realizaci produktů. 10. Ověřování shody/technická kontrola produktů, účel, druhy a formy organizace. 11. Postupy řízení neshodných produktů, nápravná a preventivní opatření. 12. Postupy měření výkonnosti procesů, systémů a organizací, Balanced Scorecard. 13. Postupy a význam interních auditů v systémech managementu jakosti. 14. EFQM Model Excelence, struktura a možnosti využití. 15. Sebehodnocení, význam a postupy. 16. Hodnotící rámec RADAR a jeho využití. 17. Role a význam lidského faktoru/personálního řízení v systémech managementu jakosti, efektivní využívání lidských zdrojů v procesu řízení jakosti. 18. Výchova a vzdělávání pracovníků k jakosti, výchovné programy, výcvik jako proces, měření efektivnosti výcviku, certifikace personálu. 19. Motivace, komunikace a informovanost v systémech managementu jakosti (motivátory, stimulátory, demotivátory), pracovní motivace, motivační programy, formy motivace. 20. Týmová práce při řízení jakosti, tvůrčí typ (charakteristika), formy týmových činností v oblasti managementu jakosti. Týmy zlepšování jakosti - kroužky jakosti, KAIZEN, IIP (Investors in People). 21. Podniková kultura a TQM. 22. Osobní kvalita základem všech ostatních kvalit, měření spokojenosti zaměstnanců.
3 23. Učící se organizace, řízení znalostí jako součást komplexní podnikové integrace. 24. Etika v podnikání. Společenská odpovědnost organizací a udržitelný rozvoj. 25. Akreditace zkušebních a kalibračních laboratoří. 26. Certifikace - rozdělení. Oblasti certifikace. 27. Metody řízení laboratoří od regionů po jednotlivé laboratoře. 28. Odhady nejistot zkoušení a měření. 29. Validace zkušebních a kalibračních metod a postupů. 30. Zavádění systémů managementu jakosti v laboratořích. Metody plánování a zlepšování jakosti B 1. Plánování jakosti, obsah a význam. Plány jakosti. 2. Plánování jakosti produktů podle J. M. Jurana a postupem APQP. 3. Metoda QFD, její účel a použití. Dům jakosti a jeho kvantitativní vyhodnocení. Čtyřmaticový přístup. Matice matic. 4. Přezkoumání návrhu. 5. Metoda FMEA, její účel a oblasti použití. FMEA návrhu produktu. FMEA procesu. 6. Analýza stromu poruchových stavů (metoda FTA). 7. Analýza způsobilosti procesů. Druhy indexů způsobilosti a jejich interpretace. 8. Faktory ovlivňující vypovídací schopnost indexů způsobilosti. Hodnocení způsobilosti procesu v případě neměřitelných znaků jakosti. Způsobilost výrobních zařízení. 9. Statistické vlastnosti systémů měření. Hodnocení systémů měření pomocí indexů způsobilosti. Analýza opakovatelnosti a reprodukovatelnosti měření. 10. Afinitní diagram. Diagram vzájemných vztahů. Systematický diagram. 11. Maticový diagram. Analýza údajů v matici a její metody. Určování "vzdáleností" mezi vícerozměrnými proměnnými. Mapy. 12. Plošné diagramy. 13. Diagram PDPC. Rozhodovací diagramy.
4 14. Síťový graf, postup zpracování a vyhodnocení. Časové rezervy činností a jejich stanovení. Ganttův diagram. 15. Zlepšování jakosti metodou Quality Journal. Základy managementu projektů. 16. Aplikace statistické indukce v řízení jakosti. Techniky náhodného výběru. 17. Variabilita procesu. Statistická analýza variability procesu. Nástroje snižování variability a neustálého zdokonalování procesu. 18. Komplexní statistická analýza dat (metody ověřování základních předpokladů o datech). 19. Vývojové diagramy. Struktura, postup při sestavování, druhy. Časté chyby při tvorbě vývojových diagramů. Praktické příklady uplatnění vývojových diagramů v oblasti řízení jakosti. Bodové diagramy. Teoretické příklady. Postup při sestavení, analýza bodového diagramu. Příklady, praktické aplikace. 20. Metody vyhledávání a identifikace příčin variability procesu. Charakteristika metod, postup při aplikaci, příklady praktického použití v oblasti řízení jakosti. 21. Principy statistické regulace. Teoretické základy. Chyba I. a II. druhu. Charakteristika základního nástroje SPC (struktura, konstrukce, interpretace). 22. Shewhartovy regulační diagramy pro SPC měřením. 23. Shewhartovy regulační diagramy pro SPC srovnáváním. 24. Netradiční metody statistické regulace procesu (předpoklady o datech, vybrané metody SPC). 25. Státní normy pokrývající oblast statistické regulace procesu. 26. Statistická přejímka (principy, cíle, základní pojmy, členění). 27. Základní systémy statistického přejímek srovnáním a měřením. Volba vhodného přejímacího plánu. Srovnání přejímek z hlediska hospodárnosti. 28. Statistická přejímka srovnáváním. 29. Statistická přejímka měřením. 30. Státní normy pokrývající oblast statistických přejímek.
5 Statistické metody managementu jakosti C 1. Elementární jev, náhodný pokus, pravděpodobnostní prostor, operace s jevy, vlastnosti operací, speciální jevy. 2. Klasická, statistická a geometrická definice pravděpodobnosti vysvětlení pojmů, vlastnosti, Kolgomorovovy axiomy teorie pravděpodobnosti. 3. Podmíněná pravděpodobnost definice, věta o pravděpodobnosti průniku, nezávislost jevů, věta o pravděpodobnosti sjednocení, úplná pravděpodobnost, Bayesův vzorec, opakované nezávislé a závislé pokusy. 4. Diskrétní náhodná proměnná vysvětlení pojmu, zákon rozdělení pravděpodobnosti, definice p(x) a F(x), vlastnosti, vzájemné vztahy, rozdělení rovnoměrné, binomické a jeho aproximace, hypergeometrické, Poissonovo, Pascalovo. 5. Spojitá náhodná proměnná - vysvětlení pojmu, zákon rozdělení pravděpodobnosti, definice f(x) a F(x), vlastnosti, vzájemné vztahy, rozdělení rovnoměrné, exponenciální. 6. Normální rozdělení (tabelování distribuční funkce, pravidlo 3 sigma), Pearsonovo rozdělení, Fischerovo a Studentovo rozdělení definice, graf, vlastnosti. 7. Obecné a centrální momenty k-tého řádu, vztahy, přehled používaných momentů, význam, vlastnosti střední hodnoty a rozptylu, modus, momentová vytvořující funkce. 8. Náhodný vektor definice p, F, f, vlastnosti a vzájemné vztahy, střední hodnota, variační matice, koeficient korelace. 9. Základní a výběrový statistický soubor, variační řada, četnost, výběrové a základní charakteristiky, střední hodnota, rozptyl, kvantily. 10. Věta o jednom a o dvou výběrech z normálního rozdělení, jejich použití. 11. Teorie odhadu bodové odhady, intervalové odhady parametrů základního souboru s normálním rozdělením. 12. Testování hypotéz obecný postup, F- test, jednovýběrový a dvouvýběrový t-test, znaménkový test, Grubbsův test.
6 13. Grafické metody analýzy dat histogram, histogram s nerovnoměrným rozdělením, box plot. 14. Regresní analýza princip, předpoklady, základní věty regresní analýzy. 15. Korelační analýza princip, index korelace, Spearmanův koeficient korelace. Kontingenční tabulky. 16. Časové řady dekompozice časové řady, metoda klouzavých průměrů a exponenciální vyrovnání. 17. Autokorelační funkce, charakteristiky klasické analýzy časových řad. 18. Boxovy - Jenkinsovy modely AR, MA, ARMA a ARIMA: obecný tvar, vlastnosti, vzájemné vztahy. 19. Metodika určení typu a řádu modelu,výpočet koeficientu modelu AR. 20. Konstrukce predikčního modelu. 21. Multikolinearita: identifikace, odstranění. 22. Autokorelace: identifikace, odstranění. 23. Heteroskedasticita: identifikace, odstranění. 24. Graf interakcí, graf plánu experimentu pro dva faktory, úsečkový graf. 25. Taguchiho ztrátové funkce L(Y), SL(Y), TSL(Y) a jejich využití. 26. Úplné faktorové plány, výpočet efektu faktoru, lineární a kvadratický model. 27. Úplné faktorové plány: hodnocení významnosti efektu (test, grafická metoda). 28. Částečné faktorové plány: nalezení zaměnitelných faktorů, sestavení neúplného plánu. 29. ANOVA: Jednoduché třídění. 30. Box-Behnkenovy modely.
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.
VíceTématické 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.
VíceTématické 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.
VíceTématické 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
VíceTématické 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
VíceVYSOKÁ 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
VíceJAROSLAV NENADÁL / DARJA ~OSKIEVIČOVÁ RUŽENA PETRÍKOVÁ / JIRÍ PLURA JOSEF TOŠENOVSKÝ MODERNI MANAGEMENT JAKOSTI MANAGEMENT PRESS, PRAHA 2008
1 JAROSLAV NENADÁL / DARJA ~OSKIEVIČOVÁ RUŽENA PETRÍKOVÁ / JIRÍ PLURA JOSEF TOŠENOVSKÝ, MODERNI MANAGEMENT JAKOSTI.. P MANAGEMENT PRESS, PRAHA 2008 ...---- Obsah. Úvod 11 1 Proč práve jakost aneb Pochopení
Více1. 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
VíceMANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007
Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VíceMetodické listy pro kombinované studium předmětu MANAGEMENT JAKOSTI Metodický list č. l
Název tématického celku: Metodické listy pro kombinované studium předmětu MANAGEMENT JAKOSTI Metodický list č. l Základní pojmy a pojetí managementu jakosti a systému jakosti v podniku (SJP) Cíl: Hlavním
VíceSTATISTIKA 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
VícePravděpodobnost 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
VícePravděpodobnost 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
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceManagement kvality, environmentu a bezpečnosti práce
Jaromír Veber a kol. Management kvality, environmentu a bezpečnosti práce Legislativa, systémy, metody, praxe Management Press, Praha 2006 Autorský kolektiv: Ing. Marie Hůlová, CSc. subkapitola 6.6 Ing.
VícePravděpodobnost 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
VícePravděpodobnost 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
VícePravděpodobnost 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
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceUNIVERZITA 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
VíceGrafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
VíceStatistické 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
VíceAUDITOR KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.5/2007
Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 AUDITOR KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VícePravděpodobnost 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
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceČ.t. Téma školení Cílová skupina Rozsah
Témata školení Č.t. Téma školení Cílová skupina Rozsah I. Všeobecné požadavky I.1. Základní požadavky ISO 9001 - Procesní přístup - Vysvětlení vybraných požadavků ISO 9001 I.2. Základní požadavky ISO/TS
VíceNormy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)
Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceSYSTÉM ŘÍZENÍ JAKOSTI VE VEŘEJNÉ SPRÁVĚ
Metodický list č. 1 Název tématického celku: Základní pojmy a principy řízení jakosti Cíl: Objasnit a vyložit podstatu řízení jakosti a základní přístupy k jejímu zabezpečování. Vysvětlit podstatu systémů
VícePožadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
VíceJaroslav Nenadál, 2006 ISBN
Jaroslav Nenadál, 2006 ISBN 80-7261-152-6 OBSAH Úvod 9 Kapitola 1: POJMOSLOVÍ 13 Kapitola 2: PROČ A JAK MANAGEMENT PARTNERSTVÍ S DODAVATELI 19 2.1 Role nákupu v organizacích 21 2.2 Role organizací v dodavatelském
VíceBakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika. 1 Úvodní poznámky. Verze: 13. června 2013
Bakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika Podrobnější rozpis okruhů otázek pro třetí část SZZ Verze: 13. června 2013 1 Úvodní poznámky 6 Smyslem SZZ by nemělo být toliko
VíceSYSTÉM ŘÍZENÍ JAKOSTI VE VEŘEJNÉ SPRÁVĚ
Osnovy prezenčního studia předmětu Anotace: Problematika jakosti je ve veřejných službách klíčovou záležitostí Posluchači se seznámí se základními principy řízení jakosti, přístupem k budování systémů
VícePRAVDĚPODOBNOST A STATISTIKA 1 Metodický list č 1.
Metodický list č 1. Název tématického celku: Elementární statistické zpracování 1 - Kolekce a interpretace statistických dat, základní pojmy deskriptivní statistiky. Cíl: Základním cílem tohoto tematického
VíceProblematikou logistiky v oblasti řízení jakosti se zabývají normy ISO řady Dotýká se oblastí: Manipulace, uskladnění, označování, balení,
Problematikou logistiky v oblasti řízení jakosti se zabývají normy ISO řady 9000. Dotýká se oblastí: Manipulace, uskladnění, označování, balení, uvedení do provozu a dodání, servis po prodeji... a dále
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipa.cz Pravděpodobnost a matematická statistika 2010 1.týden 20.09.-24.09. Data, tp dat, variabilita, frekvenční analýza histogram,
VíceGradua-CEGOS, s.r.o. člen skupiny Cegos MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI
Gradua-CEGOS, s.r.o. člen skupiny Cegos Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY
Vícepravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.
3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceNáhodná veličina a rozdělení pravděpodobnosti
3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro
VícePracovní adresář. Nápověda. Instalování a načtení nového balíčku. Importování datového souboru. Práce s datovým souborem
Pracovní adresář getwd() # výpis pracovního adresáře setwd("c:/moje/pracovni") # nastavení pracovního adresáře setwd("c:\\moje\\pracovni") # nastavení pracovního adresáře Nápověda?funkce # nápověda pro
VíceManagement kvality, environmentu a bezpečnosti práce systémový pohled Ing. Dana Spejchalová, Ph.D.
Management kvality, environmentu a bezpečnosti práce systémový pohled Ing. Dana Spejchalová, Ph.D. Ing. Dana Spejchalová, Ph.D. Tanex,PLAST 1 Struktura 1. Význam 2. Základní standardy 3. Specifika sériových
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
Více5 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
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceMETODY, TECHNIKY A NÁSTROJE MANAGEMENTU KVALITY
METODY, TECHNIKY A NÁSTROJE MANAGEMENTU KVALITY metody techniky nástroje systematický přesný a konkrétní prostředek pro (plánovaný) postup postup kroků nebo uskutečnění činnosti, a způsob dosažení cíle
Více1) Jsou normy v ČR závazné a jaká je jejich úloha? normy nejsou v ČR závazné od roku 2000 od roku 2000 mají pouze doporučující charakter
NORMY A STANDARDY KVALITY 1) Jsou normy v ČR závazné a jaká je jejich úloha? normy nejsou v ČR závazné od roku 2000 od roku 2000 mají pouze doporučující charakter pokud u výrobku, který byl vyroben podle
Více1. soustředění (2 hod.)
Metodický list kombinovaného studia předmětu MnJ - MANAGEMENT JAKOSTI Název tématického celku: Systémy jakosti 1. soustředění (2 hod.) Cíl: Cílem tématického celku je objasnit význam systému managementu
Vícesprávně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.
Zkouška z předmětu KMA/PST. Anotace předmětu Náhodné jevy, pravděpodobnost, podmíněná pravděpodobnost. Nezávislé náhodné jevy. Náhodná veličina, distribuční funkce. Diskrétní a absolutně spojitá náhodná
VíceMANAGEMENT Systém managementu kvality
MANAGEMENT Systém managementu kvality doc. Ing. Monika MOTYČKOVÁ (Grasseová), Ph.D. Univerzita obrany Fakulta ekonomika a managementu Katedra vojenského managementu a taktiky Kounicova 44/1. patro/kancelář
Více4EK211 Základy ekonometrie
4EK11 Základy ekonometrie Autokorelace Cvičení 5 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady 1. E(u) = náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VícePOŽADAVKY NORMY ISO 9001
Kapitola Název Obsah - musí MUSÍ MŮŽE NESMÍ Záznam POČET Dokumentovaný postup Obecné požadavky staus národní normy 1 Předmluva požadavek organizacím, které musí dodržovat evropské směrnice 2 1 0.2 Procesní
VíceNadstavba pro statistické výpočty Statistics ToolBox obsahuje více než 200 m-souborů které podporují výpočty v následujících oblastech.
Statistics ToolBox Nadstavba pro statistické výpočty Statistics ToolBox obsahuje více než 200 m-souborů které podporují výpočty v následujících oblastech. [manual ST] 1. PROBABILITY DISTRIBUTIONS Statistics
VíceStatistické řízení jakosti - regulace procesu měřením a srovnáváním
Statistické řízení jakosti - regulace procesu měřením a srovnáváním Statistická regulace výrobního procesu (SPC) SPC = Statistical Process Control preventivní nástroj řízení jakosti, který na základě včasného
Více6.1. Výcvikový kurz QFD - Quality Function Deployment Přenášení požadavků zákazníků do procesů v organizaci
6.1. Výcvikový kurz QFD - Quality Function Deployment Přenášení požadavků zákazníků do procesů v organizaci cílem kurzu je pomoci porozumět a prakticky využívat metodu přenášení požadavků zákazníků do
VícePravděpodobnost a statistika I KMA/K413
Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,
VíceStatistické metody v ekonomii
Statistické metody v ekonomii vyučující: Mgr. David Zapletal, Ph.D. Výuka probíhá v počítačové učebně Univerzity Pardubice min počet účastníků pro otevření kurzu - 16 osob Testování hypotéz - běžné parametrické
VíceInovace 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,
VícePropojování metod kvality
Propojování metod kvality ve Zdravém městě Kopřivnice Management kvality CAF MA 21 Řízení rizik CAF (Common Assessment Framework) Společný hodnotící rámec CAF je efektivní nástroj k iniciování neustálého
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
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.
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti 1 Konzultační středisko statistických metod při NIS-PJ Využití statistických metod při aplikaci zásad norem ISO souboru 9000 z roku 2000 Ing. Vratislav
VíceŘízení vztahů se zákazníky
Řízení vztahů se zákazníky Řízení vztahů se zákazníky Vychází z představy, že podnik je řízen zákazníkem Používanými nástroji jsou: Call Centra Customer Relationship Management (CRM) Základní vazby v řízení
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceLineární 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:::Th., ',.., . '.,,'..' a '. ~'.'.,. --- 4. Plánovat. rešeni
. TYPYREŠENÝCHPROBLÉ'Mu1 '!i;! - -:-r-~ ".-. ""' Uvedomit si-o ~,pro.b!lm J ~~!'~ 1.Vybrat' téma "'.. ~~ ~.. " :::Th., ',..,. '.,,'..' a '. ~'.'.,. 7. Sledovat proces a vybrat dalši problém --- 4. Plánovat
VíceKorelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
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,
VíceCHARAKTERISTIKA EFQM MODELU EXCELENCE
CHARAKTERISTIKA EFQM MODELU EXCELENCE A MOŽNOSTI JEHO VYUŽITÍ VE ZDRAVOTNICTVÍ Model Excelence nám dal novou dimenzi řízení. Byli jsme si vědomi toho, že bychom měli dělat mnoho věcí jinak, ale až model
VíceStatistické řízení jakosti. Deming: Klíč k jakosti je v pochopení variability procesu.
Statistické řízení jakosti Deming: Klíč k jakosti je v pochopení variability procesu. SŘJ Statistická regulace výrobního procesu Statistická přejímka jakosti měřením srovnáváním měřením srovnáváním - X
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceCharakterizace 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
VíceStřední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.
Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která
VíceSystémy řízení EMS/QMS/SMS
Systémy řízení EMS/QMS/SMS Ústí nad Labem 11/2012 Ing. Jaromír Vachta Systém řízení EMS Systém environmentálního managementu Systém řízení podle ČSN EN ISO 14001:2004 Podstata EMS - detailní informace
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
VíceZápočtová 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
VíceČeské vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM
OKRUHY ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM Obor: Studijní program: Aplikace přírodních věd 1. Vektorový prostor R n 2. Podprostory 3. Lineární zobrazení 4. Matice 5. Soustavy lineárních rovnic
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VícePravděpodobnost 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
VícePravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík
Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné
VíceRegresní 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
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceMinikurz aplikované statistiky. Minikurz aplikované statistiky p.1
Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
VíceManažerská ekonomika KM IT
KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceNormy ČSN,ČSN ISO a ČSN EN
Normy ČSN,ČSN ISO a ČSN EN z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2013) Ing. Vratislav Horálek, DrSc. předseda TNK 4 při ÚNMZ 1 A Terminologické normy 2 [1] ČSN ISO 3534-1:2010 Statistika
VíceHODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ
HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti
Více