Statistické zpracování výsledků
|
|
- Adéla Kubíčková
- před 7 lety
- Počet zobrazení:
Transkript
1 Statistické zpracování výsledků Výpočet se skládá ze dvou částí. Vztažná hodnota a také hodnota směrodatné odchylky jednotlivých porovnání se určuje z výsledků dodaných účastníky MPZ. V první části je vypočten medián a vyloučeny odlehlé hodnoty dle algoritmu převzatého po určité úpravě z WEPAL (Wageningen Evaluating Programmes for Analytical Laboratories, Wageningen, The Netherlands). Jeho podrobný popis uvádí van Montfort [13]. Ve druhé části je vypočítáno z-score, které je vyjádřeno v číselné i grafické podobě. Základem pro výpočet hodnot z-score jsou robustní hodnoty průměru a směrodatné odchylky vypočítané podle algoritmu pro robustní analýzu. Podrobný popis je uveden v normě ISO [16]. Určení vztažné hodnoty a intervalu spolehlivosti se pro menší počet laboratoří počítá Hornovým postupem [15]. Jako vztažná hodnota je v případě problematických výsledků brána hodnota zjištěná vyhodnocením výsledků stanovených pilotním pracovištěm v rámci testů homogenity resp. stability. Výpočet mediánu a vyloučení odlehlých hodnot Ze všech hodnot pro určitý parametr (kromě hodnot označených < ) se vypočítá medián. Použití mediánu místo aritmetického průměru sníží ovlivnitelnost výpočtu extrémními hodnotami. Z absolutních hodnot rozdílů mezi naměřenými hodnotami a mediánem se určí medián absolutních odchylek MAD. Vylučování odlehlých výsledků probíhá ve dvou stupních. Nejprve se podle vylučovacího kritéria provede první stupeň vylučování a vyloučené hodnoty se označí "**". Potom se provede nový výpočet mediánu a mediánu absolutních odchylek a opět se provede vyloučení. Hodnoty vyloučené ve druhém kole se označí "*". Ve výsledkové části je uvedena hodnota mediánu i MAD po 1. a 2. stupni vylučování. Vyloučené hodnoty jsou označené příslušným počtem hvězdiček. Do výpočtu mediánu nejsou zahrnuty hodnoty označené "<". Tyto hodnoty se vyhodnocují podle následujících kritérií. Pokud je laboratoří uvedená hodnota vyšší, než je součet hodnot mediánu 1 a dvojnásobku meze 1. stupně (Median Mez 1.st), výsledek je označen "*M". To znamená, že byla použita metoda s vysokou hodnotou meze stanovitelnosti. V případě, že je laboratoří udaná hodnota příliš nízká, je menší než rozdíl hodnot mediánu 1 a meze 1. stupně (Median 1 Mez 1.st), výsledek se označí "**" jako vyloučená hodnota. Výpočet mediánu a mediánu absolutních odchylek (MAD) Je-li počet vyhodnocovaných hodnot (n) lichý, je medián roven prostřední hodnotě řady hodnot daného parametru uspořádané podle velikosti. Jde tedy o (n+1)/2 -tou hodnotu setříděného souboru dat. Je-li n sudé, platí, že medián je průměrem hodnot dvou prostředních prvků, tedy n/2-té a (n+2)/2-té hodnoty. Hodnota mediánu absolutních odchylek se vypočte tak, že nejprve se od každého prvku v souboru dat odečte vypočtený medián a ten se vyjádří jako absolutní hodnota. Ze setříděných hodnot takto vypočtených absolutních odchylek od mediánu se vypočte medián obdobně jako při výpočtu mediánu jednotlivých měřených hodnot.
2 Vylučování probíhá podle kriteria: x - MEDIAN /(f MAD) > 2, t.j., je-li podíl absolutní hodnoty rozdílu naměřené hodnoty a mediánu dělený součinem faktoru f a MAD (mediánu absolutních odchylek) větší než 2, je hodnota považována za odlehlou. Vylučování se může provést jen pro počet měřených hodnot větší než 7. f = (0, ,604/n) t t - aproximace kritických hodnot Studentova rozdělení získaná jako výsledek řešení Hornerova pravidla pro a = 0.05 a daný počet stupňů volnosti (v = n-1). Postup je uveden v literatuře [14]. t = 1,960 + (1/v) {2,350 + (1/v) [3,226 + (1/v) (0,621 + (1/v) 4,549)]} Ve výsledcích se kromě MAD uvádí i hodnota meze pro vylučování odlehlých výsledků, tj. maximální povolená odchylka od mediánu, pro kterou ještě nebylo provedeno vyloučení odlehlé hodnoty. Výpočet z-score Výpočet z-score se provádí pouze pro alespoň 8 naměřených hodnot. Z-score je definováno jako rozdíl mezi naměřenou hodnotou a hodnotou robustního průměru dělený robustní směrodatnou odchylkou. V rámci mezilaboratorního porovnání lze považovat absolutní hodnotu z-score menší nebo rovnou 1 za dobrou, hodnotu od jedné do dvou za uspokojivou, hodnota mezi 2 až 3 je diskutabilní (ve výsledcích značena "!") a hodnota větší než 3 je neuspokojivá (ve výsledcích značena "!!"). Dvojitý křížek (#) znamená, že z-score nebylo možné vypočítat, protože bylo poskytnuto méně než 8 výsledků. Pomlčka (-) znamená, že laboratoř nedodala výsledky pro daný parametr. Značka $ znamená, že laboratoř dodala výsledek, ale z-score nebylo možno vypočítat, protože robustní směrodatná odchylka je nulová (rob.s.od = 0). Výpočet z-score z-score = (x x * )/s * x - naměřená hodnota x * - robustní průměr, ve výsledcích značen jako rob.prum. (může být nahrazen ATV - assigned true value tzn. předem stanovená vztažná hodnota) s * - robustní směrodatná odchylka, ve výsledcích značena jako rob.s.od. (může být nahrazena SATV tzn. předem určenou směrodatnou odchylkou) Pro výpočet robustních hodnot průměru x * a směrodatné odchylky s * se použije následující algoritmus pro robustní analýzu [16]: Jednotlivé naměřené hodnoty se seřadí vzestupně podle velikosti a označí se x1, x2., xi., xp
3 Vypočte se počáteční hodnota x *, což je medián naměřených hodnot a vypočte se počáteční hodnota robustní směrodatné odchylky s *, což je medián absolutních odchylek vynásobený faktorem 1,483: x * = medián hodnot xi, kde i = 1,2,, p s * = 1,483 medián hodnot xi x *, kde i = 1,2,, p. Hodnoty x * a s * se upraví následovně. Vypočte se hodnota δ dle vztahu δ = 1,5 s * a dále se pro každou hodnotu xi (i = 1,2,, p) vypočte hodnota xi *, pro kterou platí jedna z následujících podmínek: Ze všech hodnot xi * se vypočtou nové hodnoty x * a s * podle vztahů: Robustní odhady x * a s * se zpřesňují iterací, tj. opakováním výpočtů od kroku, kdy se vypočítá nová hodnota δ s naposledy vypočítanou hodnotu s *. Iterace je ukončena, pokud mezi dvěma opakovanými výpočty nenastane změna třetí platné číslice u hodnoty robustní směrodatné odchylky. Hornův postup Tento postup je použitelný pro 4 až 20 platných měření. Statistické zpracování vychází z pořádkové statistiky souboru. Podle počtu měření se určí hloubka pivotů, pivotová polosuma (odhad střední hodnoty) a pivotové rozpětí. Součin pivotového rozpětí a kvantilu rozdělení TL pro 1 - a = 0,975 udává odhad intervalu spolehlivosti. Hloubka pivotu H se určí dle vztahů H = (int [(n + 1)/2] )/2 nebo H = (int [(n + 1)/2] + 1)/2 podle toho, které bude celé číslo. Dolní pivot je xd = x(h) a horní pivot xh = x(n+1 -H), n je počet měření. Odhad střední hodnoty - pivotová polosuma PL se určí ze vztahu
4 XHORN = PL = (xd + xh)/2 a odhadem parametru rozptýlení je pivotové rozpětí RL = xh - xd. Náhodná veličina TL = PL/RL má přibližně symetrické rozdělení. Odhad intervalu spolehlivosti SHORN je dán součinem pivotového rozpětí RL a kvantilu rozdělení TL pro 1 - a = 0,975, tzn. SHORN = RL tl,0,975(n) Kvantily tl pro 1 - a = 0,975 rozdělení TL viz [15]. Výpočet pro MPZ ÚKZÚZ mykotoxiny V případě MPZ ÚKZÚZ mykotoxiny je statistické vyhodnocení upraveno následujícím způsobem: a) vztažná hodnota pro každý parametr MPZ ÚKZÚZ mykotoxiny se vypočítá podle algoritmu z ISO (viz SOP č. 05/2013) jako robustní průměr hodnot získaných od účastníků, kteří stanovení prováděli chromatografickými metodami. V případě, že od účastníků s chromatografickými metodami je k dispozici < 8 hodnot, není možno počítat robustní průměr, ale použije se vztažná hodnota vypočtená podle Hornova postupu pro malé soubory viz SOP 05/2013. b) hodnota směrodatné odchylky pro vypočtenou vztažnou hodnotu koncentrace (viz a) se vypočítá dle Horwitzovy rovnice případně rovnic upravených dle Thompsona [3], v závislosti na koncentraci analytu, vyjádřené hmotnostním zlomkem. s Horw směrodatná odchylka, ve výsledcích značena jako s_horw. c) c koncentrace stanovovaného parametru v procentech (hmotnostní zlomek). Jedná se o vztažnou hodnotu vypočtenou dle a) vyjádřenou v požadovaném tvaru hmotnostního zlomku. Ve výsledcích značeno jako x* (může být nahrazen ATV assigned true value tzn. předem stanovená vztažná hodnota nebo hodnotou vypočtenou podle Hornova postupu pro soubory s počtem výsledků < 8, ve výsledcích značeno jako x_horn). Výsledky z diagnostických metod (ELISA, ROSA) jsou zpracovány zvlášť s použitím vztažné hodnoty, která se získá statistickým zpracováním výsledků z chromatografických metod a směrodatné odchylky vypočítané podle upravené Horwitzovy rovnice (viz a) a b)) d) Výsledky předané jako < méně než : vypočítá se z-score pro uvedené hodnoty. Pokud laboratoř uvede hodnotu, která bude menší než vypočtený robustní průměr,
5 bude výsledek označen podle hodnoty z-score. Pokud laboratoř uvede hodnotu, která bude větší než vypočtený robustní průměr, bude v případě z-score > 3 upozorněna na použití nevhodné metody s vysokou hodnotou meze stanovitelnosti.
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
VíceUNIVERZITA 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
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
VíceKRUHOVÝ TEST 4/2018/NIR
Kyjovská 474/7, Moravské Předměstí, 500 06 Hradec Králové provozovna: Broumovská 63, 547 03 Náchod spol. s r.o. Tel.: 491 424 788, 724 223 388, e-mail: mezos@mezos.cz KRUHOVÝ TEST 4/2018/NIR Stanovení
VíceÚloha 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
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VíceLužice doškolovací kurz Vzorkování heterogenních materiálů. Pavel Bernáth, Zdeněk Veverka, Milena Veverková, Petr Kohout
Lužice doškolovací kurz Vzorkování heterogenních materiálů Pavel Bernáth, Zdeněk Veverka, Milena Veverková, Petr Kohout 19. listopad 2009 Lužice doškolovací seminář Vzorkování heterogenních materiálů (vzorkování
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceSTATISTICKÉ CHARAKTERISTIKY
STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceKRUHOVÝ TEST 4/2013/NIR
spol. s r.o. Tř. E. Beneše 573, 500 12 Hradec Králové provozovna: Broumovská 63, 547 03 Náchod Tel./Fax.: 491 424 788, 777 866 546 e-mail: mezos@mezos.cz KRUHOVÝ TEST 4/2013/NIR Stanovení vlhkosti, N-látek,
VíceKRUHOVÝ TEST 2/2012/NIR
spol. s r.o. Tř. E. Beneše 573, 500 12 Hradec Králové provozovna: Broumovská 63, 547 03 Náchod Tel./Fax.: 491 424 788, 777 866 546 e-mail: mezos@mezos.cz KRUHOVÝ TEST 2/2012/NIR Stanovení vlhkosti, N-látek,
VíceKRUHOVÝ TEST 3/2013/NIR
spol. s r.o. Tř. E. Beneše 573, 500 12 Hradec Králové provozovna: Broumovská 63, 547 03 Náchod Tel./Fax.: 491 424 788, 777 866 546 e-mail: mezos@mezos.cz KRUHOVÝ TEST 3/2013/NIR Stanovení vlhkosti, N-látek,
VícePředpoklad 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
Více1 Úvod a důležité kontakty 3
Obsah 1 Úvod a důležité kontakty 3 Postupy statistické analýzy experimentu shodnosti 5.1 Numerický postup zjišťování odlehlých hodnot.............................. 5.1.1 Cochranův test..........................................
VíceStatistika 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
VíceZÁVĚREČNÁ ZPRÁVA O VÝSLEDCÍCH EXPERIMENTU SHODNOSTI
ZÁVĚREČNÁ ZPRÁVA O VÝSLEDCÍCH EXPERIMENTU SHODNOSTI PROGRAM ZKOUŠENÍ ZPŮSOBILOSTI Zkoušení oceli Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 602 00 Brno Czech Republic www.szk.fce.vutbr.cz,
VíceObsah. Příloha (celkový počet stran přílohy 24) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2016/1
Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2016/1 Obsah Úvod a důležité kontakty... 2 Postupy statistické analýzy experimentu shodnosti... 5 2.1 Numerický postup zjišťování odlehlých hodnot...
VíceUNIVERZITA 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
VíceStatistická 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
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
VícePraktická 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
VícePLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI. ZČB 2018/2 Zkoušení čerstvého betonu (ZČB 12350)
PLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI ZČB 018/ Zkoušení čerstvého betonu (ZČB 1350) Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 60 00 Brno Czech Republic www.szk.fce.vutbr.cz www.ptprovider.cz
VíceStatistická 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
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceNáhodná 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
VíceUNIVERZITA 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
VícePRŮZKUMOVÁ 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
VícePLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI. ZZB 2019/2 Pevnost a pružnost ztvrdlého betonu (ZZB 12390, , 1542, )
PLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI ZZB 019/ Pevnost a pružnost ztvrdlého betonu (ZZB 1390, 190 1504, 154, 731373) Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 60 00 Brno Czech Republic www.szk.fce.vutbr.cz
VícePopisná statistika kvantitativní veličiny
StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali
VíceZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY
zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické
VíceMATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
VíceČíselné 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
VíceStatistická 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
VíceTECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření školní zadání Skupina: 51 Vypracovaly: Pavlína Horná, Nikola Loumová, Petra Mikešová,
VíceZZ SČZL 4/2014. Zkouška rázem v ohybu metodou Charpy za okolní teploty. Ing. Jan Wozniak, CSc.
ZZ SČZL 4/2014 Zkouška rázem v ohybu metodou Charpy za okolní teploty Ing. Jan Wozniak, CSc. CTN WOZNIAK Centrum technické normalizace Nr. 2009/0008/RS Základní úkoly organizátorů zkoušení způsobilosti
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceObsah. Závěrečná zpráva o výsledcích experimentu shodnosti ZMC 2015/1
Závěrečná zpráva o výsledcích experimentu shodnosti ZMC 2015/1 Obsah Úvod a důležité kontakty... 3 Postupy statistické analýzy experimentu shodnosti... 6 2.1 Numerický postup zjišťování odlehlých hodnot...
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
VíceZákladní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
VíceMinerální vody. problematika analýz a vyhodnocení mezilaboratorních porovnávacích zkoušek. Klub techniků Novotného lávka 5, Praha 1
Minerální vody problematika analýz a vyhodnocení mezilaboratorních porovnávacích zkoušek Klub techniků Novotného lávka 5, Praha 1 Program odpolední části Vyhodnocení PT#V-1-21 Vybrané ukazatele jakosti
VíceVYSOKÉ 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
VíceAplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VícePLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI. ZZB 2019/1 Pevnost a trvanlivost ztvrdlého betonu (ZZB 12390, , , , )
PLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI ZZB 2019/1 Pevnost a trvanlivost ztvrdlého betonu (ZZB 12390, 480-11, 731322, 731324, 731326) Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 602 00 Brno
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VícePrůzkumová 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
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VíceNeparametrické metody
Neparametrické metody Dosud jsme se zabývali statistickými metodami, které zahrnovaly předpoklady o rozdělení dat. Zpravidla jsme předpokládali normální rozdělení. Např. Grubbsův test odlehlých hodnot
VíceProtokol č. 1. Tloušťková struktura. Zadání:
Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále
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.
VíceUNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek
UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceKvalita v laboratorní a kontrolní praxi
Kvalita v laboratorní a kontrolní praxi Část 3: Chyby a hodnocení výsledků měření Vladimír Kocourek Praha, únor 2015 Zkoušení (analýza) v laboratoři Výroba Výzkum a vývoj (R&D) Obchodování (dodávání) Ochrana
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 8 Statistický soubor s jedním argumentem Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola
Více3. Základní statistické charakteristiky. KGG/STG Zimní semestr Základní statistické charakteristiky 1
3. charakteristiky charakteristiky 1 charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme charakteristiky 2 charakteristiky Dva hlavní
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
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
VícePopisná statistika. Jaroslav MAREK. Univerzita Palackého
Popisná statistika Jaroslav MAREK Univerzita Palackého Přírodovědecká fakulta Katedra matematické analýzy a aplikací matematiky Tomkova 40, 779 00 Olomouc Hejčín tel. 585634606 marek@inf.upol.cz pondělí
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,
VícePLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI. ZK 2019/1 Zkoušení kameniv (ZK 933, 1097, 1367, 137, )
PLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI ZK 2019/1 Zkoušení kameniv (ZK 933, 1097, 1367, 137, 721179) Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 602 00 Brno Czech Republic www.szk.fce.vutbr.cz
VícePLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI. ZZ 2018/1 Zkoušení zemin (ZZ 17892, 13286)
PLÁN PROGRAMU ZKOUŠENÍ ZPŮSOBILOSTI ZZ 018/1 Zkoušení zemin (ZZ 1789, 1386) Poskytovatel zkoušení způsobilosti při SZK FAST Veveří 95, 60 00 Brno Czech Republic www.szk.fce.vutbr.cz www.ptprovider.cz Koordinátor
VícePosouzení přesnosti měření
Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení
Více23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
VíceUNIVERZITA 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
VícePlánování 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
VíceNárodní 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
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
VíceTestování vzorků podzemní vody z monitorovacích vrtů na stanovení těkavých organických látek.
Testování vzorků podzemní vody z monitorovacích vrtů na stanovení těkavých organických látek. Doškolovací seminář Manažerů vzorkování podzemních vod 24. 4. 2018 v Novém Bydžově Úvod Společnost Forsapi,
VíceDoplňuje vnitřní kontrolu kvality. Principem je provádění mezilaboratorních porovnávacích zkoušek (srovnatelnost výsledků)
Externí hodnocení kvality (EHK) Petr Breinek BC_EHK_N2011 1 Externí hodnocení kvality (EHK) také: Zkoušení způsobilosti nepoužívat: Externí kontrola kvality (od 07/2011) norma ISO 17043 Doplňuje vnitřní
VíceÚloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté
Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0
VíceS 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
VíceKalibrace 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
VíceObsah. Závěrečná zpráva o výsledcích experimentu shodnosti ZZB 2015/1
Závěrečná zpráva o výsledcích experimentu shodnosti ZZB 2015/1 Obsah Úvod a důležité kontakty... 2 Postupy statistické analýzy experimentu shodnosti... 7 2.1 Numerický postup zjišťování odlehlých hodnot...
VíceModul 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
VíceS 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
VíceTECHNICKÁ 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
VíceSimulace. 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,
VíceNeparametrické testy
Neparametrické testy Dosud jsme se zabývali statistickými metodami, které zahrnovaly předpoklady o rozdělení dat. Zpravidla jsme předpokládali normální (Gaussovo) rozdělení. Například: Grubbsův test odlehlých
VíceNejistota měř. ěření, návaznost a kontrola kvality. Miroslav Janošík
Nejistota měř ěření, návaznost a kontrola kvality Miroslav Janošík Obsah Referenční materiály Návaznost referenčních materiálů Nejistota Kontrola kvality Westgardova pravidla Unity Referenční materiál
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
Více1 Úvod a důležité kontakty 4
Obsah Úvod a důležité kontakty 4 Postupy statistické analýzy experimentu shodnosti 6. Numerický postup zjišťování odlehlých hodnot.............................. 6.. Cochranův test..........................................
VíceObsah. Příloha (celkový počet stran přílohy 28) Závěrečná zpráva o výsledcích experimentu shodnosti ZZB 2015/2
Závěrečná zpráva o výsledcích experimentu shodnosti ZZB 2015/2 Obsah Úvod a důležité kontakty... 2 Postupy statistické analýzy experimentu shodnosti... 5 2.1 Numerický postup zjišťování odlehlých hodnot...
VíceJevy a náhodná veličina
Jevy a náhodná veličina Výsledky některých jevů jsou vyjádřeny číselně -na hrací kostce padne číslo 1, 4, 6.., jiným jevům můžeme čísla přiřadit (stupeň školního vzdělání: ZŠ, SŠ, VŠ) Data jsme rozdělili
VíceÚvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost
Úvod do kurzu Moodle kurz (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Výpočty online: www.statisticsonweb.tf.czu.cz Začátek výuky posunut
VíceKALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)
KALIBRACE Chemometrie I, David MILDE Definice kalibrace: mezinárodní metrologický slovník (VIM 3) Činnost, která za specifikovaných podmínek v prvním kroku stanoví vztah mezi hodnotami veličiny s nejistotami
VíceSEMESTRÁLNÍ 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
VíceObsah. Příloha (celkový počet stran přílohy 44) Závěrečná zpráva o výsledcích experimentu shodnosti PrZZ ZZ 2014/1
Závěrečná zpráva o výsledcích experimentu shodnosti PrZZ ZZ 2014/1 Obsah 1 Úvod a důležité kontakty... 2 2 Postupy statistické analýzy experimentu shodnosti... 6 2.1 Numerický postup zjišťování odlehlých
VícePopisná statistika. Statistika pro sociology
Popisná statistika Jitka Kühnová Statistika pro sociology 24. září 2014 Jitka Kühnová (GSTAT) Popisná statistika 24. září 2014 1 / 31 Outline 1 Základní pojmy 2 Typy statistických dat 3 Výběrové charakteristiky
VíceÚloha 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
VíceStatistické metody. Martin Schindler KAP, tel , budova G. naposledy upraveno: 9.
Statistické metody Matematika pro přírodní vědy přednášející: konzul. hodiny: e-mail: Martin Schindler KAP, tel. 48 535 2836, budova G po dohodě martin.schindler@tul.cz naposledy upraveno: 9. ledna 2015,
VíceMinimální hodnota. Tabulka 11
PŘÍLOHA č.1 Výsledné hodnoty Výsledky - ženy (SOŠ i SOU, maturitní i učební obory) Aritmetický průměr Maximální hodnota Minimální hodnota Medián Modus Rozptyl Směrodatná odchylka SOM 0,49 2,00 0,00 0,33
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceSrovnávací praktické zkoušení upravených kalů mezi zúčastněnými laboratořemi sledovalo dílčí samostatné cíle:
Testování vzorků kalů z čištění komunálních odpadních vod odebraných v rámci Doškolovacího semináře Manažerů vzorkování odpadů 2. 11. 2017 v ČOV Velké Meziříčí společnosti Vodárenská akciová společnost
VíceObsah. Státní zdravotní ústav, Praha listopad 2012 1 / 9
Obsah Souhrnné informace o přípravě a hodnocení...2 1. Úvod...3 2. Příprava vzorků...3 3. Kontrola homogenity a stability vzorků...3 4. Hodnocení ukazatelů...3 4.1. Určení vztažné hodnoty a vztažné odchylky...3
VíceMezilaboratorní porovnávací zkoušky jeden z nástrojů zajištění kvality zkoušení. Lenka Velísková, ITC Zlín Zákaznický den,
Mezilaboratorní porovnávací zkoušky jeden z nástrojů zajištění kvality zkoušení Lenka Velísková, ITC Zlín Zákaznický den, 17. 3. 2011 Zákazník požadavek na zjištění vlastností nebo parametrů výrobku /
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
Více