Způsobilost. Data a parametry. Menu: QCExpert Způsobilost
|
|
- Jiřina Dušková
- před 10 lety
- Počet zobrazení:
Transkript
1 Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány související hodnoty řekročení secifikace a ARL. Modul umožňuje výočet indexů i ro jednostranné secifikace a ro data s asymetrickým (nenormálním) rozdělením. Data a arametry Vstuními daty jsou naměřené hodnoty sledovaného znaku jakosti. Tento modul očekává data v jednom slouci. V dialogovém anelu je dále nutno zadat cílovou hodnotu a alesoň jednu secifikační mez LSL (sodní secifikační mez, Lower Secification Limit) a USL (horní secifikační mez, Uer Secification Limit). V oli Slouce se vybere říslušný slouec s daty a říadně zvolíme výočet ro označená nebo neoznačená data v oli Data. V oli Grafy můžeme vybrat grafy, které chceme mít v grafickém výstuu, řehled grafů je uveden níže v odstavci 0. Je-li u sledovaného rocesu definována jen jedna secifikační mez, ať už sodní nebo dolní, zaíše se tato mez do dialogového anelu, druhá mez se onechá rázdná. Zadaná Hladina významnosti je oužita ro výočet intervalu solehlivosti jednotlivých indexů zůsobilosti a výkonnosti. Mezní je hodnota, indexu zůsobilosti, od kterou chceme ovažovat roces za nezůsobilý. V rotokolu se všechny hodnoty indexů i mezí jejich intervalů solehlivosti, které jsou menší než mezní, zvýrazní červeně. Obvyklá hodnota mezního bude zřejmě 1. Je-li zaškrtnuto olíčko Klasické indexy, vyočítají se a uvedou v rotokolu klasické indexy zůsobilosti a výkonnosti c, c k, c m,, k, m odle níže uvedených vztahů a k nim říslušné další arametry. okud je uvedena ouze jedna secifikační mez, klasické indexy se neočítají. V tom říadě je nutno zaškrtnout olíčko Obecné indexy a oužít index c * k. Je-li zaškrtnuto olíčko Obecné * indexy, vyočítají se a uvedou v rotokolu zobecněný index zůsobilosti c k založené na ravděodobnostním řístuu. Tento zobecněný index lze oužít i ro jednostrannou secifikační mez nebo ro asymetrická data, která nevyhovují ředokladu normálního rozdělení. (Test normality rozdělení dat je obsažen v modulu Základní statistika. Je-li zaškrtnuto olíčko Asymetrická data, * očítá rogram s možností asymetrického (sešikmeného) rozdělení dat a řisůsobí výočet c k skutečnému rozdělení dat za omocí exonenciální transformace dat, která je oužita k výočtu říslušné hodnoty kvantilové funkce F 1 ve vztahu ro c * k. ozor, není-li olíčko Asymetrická data zaškrtnuté, rogram oužije násilně model normálního rozdělení ro výočet c * k i v říadě, že data z normálního rozdělení neocházejí. okud si tedy nejsme jisti, necháme toto olíčko zaškrtnuté. Další odrobnosti o exonenciální transformaci viz modulu Transformace, říadně v Kuka: Statistické řízení jakosti, viz dooručená literatura. Nemají-li data normální rozdělení, klasické indexy jsou nerealistické, často silně nadhodnocené (avšak mohou být i odhodnocené) a není vhodné jich tedy oužívat.
2 Obrázek 1 Dialogový anel ro Zůsobilost c USL LSL min USL x, x LSL, c, 6 k 3 c m USL 2 LSL x 2 6 T USL LSL 6 1 d min USL x, x LSL 3, k, 2 n i2 x i x n1 i1 n 1, 2 xi x, d 2 = 1,128 n 1 i1 m 2 LSL x 2 USL 6 T zm F N x LSL 1 F N USL x ARL * c k F 1 ARL, 3 kde F -1 je inverzní distribuční funkce (neboli kvantilová funkce) normálního rozdělení. oznámka: rotože skutečná hodnota indexu zůsobilosti se nerovná vyočítanému odhadu, ale může ležet kdekoliv uvnitř intervalu solehlivosti, je jistější ovažovat za skutečnou hodnotu indexu sodní mez intervalu solehlivosti. Je nutno mít na aměti, že vyjde-li naříklad index c =1.001 s intervalem solehlivosti 0.8 až 1.2, je roces s 50% ravděodobností nezůsobilý (tedy c <1)! Vyjde-li však index c =1.2 s intervalem solehlivosti 1.0 až 1.4, je ravděodobnost (riziko), že roces je nezůsobilý, jen asi 2.5%. zm
3 rotokol Zůsobilost a výkonnost ro normální rozdělení Název úlohy : Výočty ro normální rozdělení se rovádějí ouze ři zadání obou secifikačních mezí. Je-li zadána jen jedna mez, oužijí se výsledky odstavce k ro asymetrická data. Název sešitu s daty. ílová hodnota: Zadaná ožadovaná hodnota arametru (cílová hodnota, target). Secifikační meze LSL Sodní secifikační mez, je-li zadána. USL Horní secifikační mez, je-li zadána. Mezní Nejnižší říustná hodnota zůsobilosti, res. výkonnosti. Hodnoty nižší než mezní budou v rotokolu označeny červeně a tučně. Indexy zůsobilosti Aritmetický růměr Aritmetický růměr dat. Směrodatná odchylka Směrodatná odchylka dat. +/- 3sigma Sodní a horní mez intervalu 3 kolem aritmetického růměru. Z-skore Hodnoty Z-skóre odovídající sodní a horní části rozdělení dat. Index Hodnota klasického indexu zůsobilosti c na základě. k Hodnota klasického indexu zůsobilosti c k na základě. m Hodnota klasického indexu zůsobilosti c m na základě. Dolní mez Dolní mez intervalu solehlivosti ro říslušné indexy. Udává nejnižší Horní mez Horní mez intervalu solehlivosti ro říslušné indexy. Udává nejvyšší Indexy výkonnosti Aritmetický růměr Aritmetický růměr dat. Směrodatná odchylka Směrodatná odchylka dat. +/- 3sigma Sodní a horní mez intervalu 3 kolem aritmetického růměru. Z-skore Hodnoty Z-skóre odovídající sodní a horní části rozdělení dat. Index Hodnota klasického indexu výkonnosti na základě. k Hodnota klasického indexu výkonnosti k na základě. m Hodnota klasického indexu výkonnosti m na základě. Dolní mez Dolní mez intervalu solehlivosti ro říslušné indexy. Udává nejnižší Horní mez Horní mez intervalu solehlivosti ro říslušné indexy. Udává nejvyšší ravd. řekročení ravděodobnost řekročení horní, res. sodní secifikační meze, zm. Toto číslo lze cháat jako ravděodobnost, že říští měření adne od sodní, res. nad horní secifikační mez ravd. řekročení % ravděodobnost řekročení horní, res. sodní secifikační meze (v rocentech). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích 100 měření, okud se v rocesu nic nezmění.
4 ravd. řekročení M ravděodobnost řekročení horní, res. sodní secifikační meze (v M). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích měření, okud se v rocesu nic nezmění. ravd. mimo SL ravd. mimo SL % ravd. mimo SL M ARL ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo lze cháat jako ravděodobnost, že říští měření adne mimo secifikační meze. ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích 100 měření, okud se v rocesu nic nezmění. ravděodobnost řekročení kterékoliv ze secifikačních mezí v rocentech. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích měření, okud se v rocesu nic nezmění. Střední (očekávaná) délka běhu (anglicky ARL = Average Run Length) mezi dvěma o sobě následujícími řekročeními secifikačních mezí. k ro asymetrická data 1) očet hodnot Oravený růměr ílová hodnota Mezní očet dat ro výočet Odhad střední hodnoty s ohledem na sešikmení dat. V říadě symetrických dat se rovná aritmetickému růměru, viz modul Transformace. Zadaná cílová hodnota (target). Nejnižší říustná hodnota zůsobilosti, res. výkonnosti. Hodnoty nižší než mezní budou v rotokolu označeny červeně a tučně. Secifikační meze Zadané secifikační meze. ravd. řekročení ravděodobnost řekročení horní, res. sodní secifikační meze, zm. Toto číslo lze cháat jako ravděodobnost, že říští měření adne od sodní, res. nad horní secifikační mez. ravd. řekročení % ravděodobnost řekročení horní, res. sodní secifikační meze (v rocentech). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích 100 měření, okud se v rocesu nic nezmění. ravd. řekročení M ravděodobnost řekročení horní, res. sodní secifikační meze (v M). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích měření, okud se v rocesu nic nezmění. ravd. mimo SL ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo lze cháat jako ravděodobnost, že říští měření adne mimo secifikační meze. ravd. mimo SL % ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích 100 měření, okud se v rocesu nic
5 nezmění. ravd. mimo SL M ravděodobnost řekročení kterékoliv ze secifikačních mezí v rocentech. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích měření, okud se v rocesu nic nezmění. ARL Střední (očekávaná) délka běhu (anglicky ARL = Average Run Length) mezi dvěma o sobě následujícími řekročeními secifikačních mezí. k Hodnota zobecněného indexu zůsobilosti c * k ro symetrická i asymetrická data latná ro oboustranné i jednostranné symetrické i asymetrické secifikační meze. Tato hodnota ck by se měla oužívat vždy v říadě rokazatelně asymetrických dat. Meze ro k Dolní a horní mez intervalu solehlivosti indexu zůsobilosti c * k. Udává nejnižší a nejvyšší 1) Výočty ro asymetrická data jsou založeny na transformované klasické směrodatné odchylce Grafy Modul Zůsobilost oskytuje čtyři grafy, z nichž tři mají charakter hustoty ravděodobnosti a jeden distribuční funkce. rvní tři grafy, tedy Histogram, Distribuční funkce a Hustoty ravděodobnosti se zobrazí ouze bylo-li zaškrtnuto olíčko Klasické indexy, oslední graf, Transformovaná hustota ravděodobnosti, se vytváří ouze bylo-li zaškrtnuto olíčko Obecné indexy. Orientační graf orovnávající data se secifikačními mezemi. Data jsou ředstavována histogramem, jádrovým odhadem hustoty ravděodobnosti (červeně) a křivkou hustoty normálního rozdělení (Gaussovou křivkou). Svislé čáry označují cílovou hodnotu, sodní a horní secifikační mez. Vrchol Gaussovy křivky (zeleně) odovídá aritmetickému růměru, který má být co nejblíže cílové hodnotě. Křivka distribuční funkce normálního rozdělení (neboli kumulativní hustota ravděodobnosti) vyočítaná z dat za ředokladu normálního rozdělení dat. Svisle jsou oět vyznačeny cílová hodnota (target) a secifikační meze. Vodorovná římka odovídá ravděodobnosti 0.5 a její růsečík s křivkou odovídá aritmetickému růměru dat. Z tohoto grafu lze římo odečítat ravděodobnosti ro odovídající hodnoty arametru. ro řesnější odečet oužijte funkci Detail v interaktivním režimu grafu. Křivky hustoty ravděodobnosti. Červeně je vyznačen jádrový odhad hustoty, zeleně je vyznačena Gaussova křivka hustoty normálního rozdělení. Odlišuje-li se výrazně tvar těchto dvou křivek může to svědčit o tom, že data neocházejí z normálního rozdělení. ro objektivní osouzení je však nutno oužít test normality, který je obsažen v modulu Základní statistika. řerušovanými svislými římkami jsou vyznačeny secifikační meze a cílová hodnota. Data jsou rerezentována černými body od osou x. Tyto body jsou náhodně roztýleny ve svislém směru ro leší řehlednost. V záhlaví grafu je uveden vyočítaný odhad klasických indexů c, c k a c m.
6 Transformovaná hustota ravděodobnosti. Jedná se o graf s obdobným významem jako graf ředchozí. Hustota ravděodobnosti je vyočtena metodou exonenciální transformace (další odrobnosti o exonenciální transformaci viz modulu Transformace). Není-li řed výočtem zaškrtnuto olíčko Asymetrická data, transformace se nerovádí a křivka v grafu ředstavuje hustotu normálního rozdělení. Křivka hustoty ravděodobnosti odráží říadné sešikmení rozdělení dat. V záhlaví je uvedena hodnota indexu c k * a v závorce (jsouli zadány obě secifikační meze) i klasického indexu c k. Liší-li se výrazně tyto hodnoty, je vhodnější oužít rvní hodnotu c k *. Ilustrace vlevo uvádí tvary grafu ro symetrická data a ro sešikmená data.
Národní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
Výpočet svislé únosnosti osamělé piloty
Inženýrský manuál č. 13 Aktualizace: 04/2016 Výočet svislé únosnosti osamělé iloty Program: Soubor: Pilota Demo_manual_13.gi Cílem tohoto inženýrského manuálu je vysvětlit oužití rogramu GEO 5 PILOTA ro
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz Pravděodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, tyy dat, variabilita, frekvenční analýza
1.3.3 Přímky a polopřímky
1.3.3 římky a olořímky ředoklady: 010302 edagogická oznámka: oslední říklad je oakování řeočtu řes jednotku. okud hodina robíhá dobře, dostanete se k němu řed koncem hodiny. edagogická oznámka: Nakreslím
NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL
NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL 1. ZADÁNÍ Navrhněte růměr a výztuž vrtané iloty délky L neosuvně ořené o skalní odloží zatížené v hlavě zadanými vnitřními silami (viz
můžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
Výpočet svislé únosnosti osamělé piloty
Inženýrský manuál č. 13 Aktualizace: 06/2018 Výočet svislé únosnosti osamělé iloty Program: Soubor: Pilota Demo_manual_13.gi Cílem tohoto inženýrského manuálu je vysvětlit oužití rogramu GEO 5 PILOTA ro
2.3.6 Práce plynu. Předpoklady: 2305
.3.6 Práce lynu Předoklady: 305 Děje v lynech nejčastěji zobrazujeme omocí diagramů grafů závislosti tlaku na objemu. Na x-ovou osu vynášíme objem a na y-ovou osu tlak. Př. : Na obrázku je nakreslen diagram
Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky
Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící
Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
3.2 Metody s latentními proměnnými a klasifikační metody
3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.
Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně
Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2Management
Porovnání dvou výběrů
Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů
7. VÝROBNÍ ČINNOST PODNIKU
7. Výrobní činnost odniku Ekonomika odniku - 2009 7. VÝROBNÍ ČINNOST PODNIKU 7.1. Produkční funkce teoretický základ ekonomiky výroby 7.2. Výrobní kaacita Výrobní činnost je tou činností odniku, která
Regulační diagramy (RD)
Regulační diagramy (RD) Control Charts Patří k základním nástrojům vnitřní QC laboratoře či výrobního procesu (grafická pomůcka). Pomocí RD lze dlouhodobě sledovat stabilitu (chemického) měřícího systému.
Cvičení z termomechaniky Cvičení 5.
Příklad V komresoru je kontinuálně stlačován objemový tok vzduchu *m 3.s- + o telotě 0 * C+ a tlaku 0, *MPa+ na tlak 0,7 *MPa+. Vyočtěte objemový tok vzduchu vystuujícího z komresoru, jeho telotu a říkon
Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )
Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat ) Zadání : Čistota vody v řece byla denně sledována v průběhu 10 dní dle biologické spotřeby kyslíku BSK 5. Jsou v
Úvěr a úvěrové výpočty 1
Modely analýzy a syntézy lánů MAF/KIV) Přednáška 8 Úvěr a úvěrové výočty 1 1 Rovnice úvěru V minulých řednáškách byla ro stav dluhu oužívána rovnice 1), kde ředokládáme, že N > : d = a b + = k > N. d./
7.5.13 Rovnice paraboly
7.5.1 Rovnice arabol Předoklad: 751 Př. 1: Seiš všechn rovnice ro arabol a nakresli k nim odovídající obrázk. Na každém obrázku vznač vzdálenost. = = = = Pedagogická oznámka: Sesání arabol je důležité,
Přednáška č. 11 Analýza rozptylu při dvojném třídění
Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané
Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými
1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce STATISTICKÁ
Zápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2
Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik
Spojitá náhodná veličina
Lekce 3 Sojitá náhodná veličina Příad sojité náhodné veličiny je komlikovanější, než je tomu u veličiny diskrétní Je to dáno ředevším tím, že jednotková ravděodobnost jistého jevu se rozkládá mezi nekonečně
Dynamické programování
ALG Dynamické rogramování Nejdelší rostoucí odoslounost Otimální ořadí násobení matic Nejdelší rostoucí odoslounost Z dané oslounosti vyberte co nejdelší rostoucí odoslounost. 5 4 9 5 8 6 7 Řešení: 4 5
Simulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
Analytická metoda aneb Využití vektorů v geometrii
KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor
Numerické výpočty proudění v kanále stálého průřezu při ucpání kanálu válcovou sondou
Konference ANSYS 2009 Numerické výočty roudění v kanále stálého růřezu ři ucání kanálu válcovou sondou L. Tajč, B. Rudas, a M. Hoznedl ŠKODA POWER a.s., Tylova 1/57, Plzeň, 301 28 michal.hoznedl@skoda.cz
Aproximativní analytické řešení jednorozměrného proudění newtonské kapaliny
U8 Ústav rocesní a zracovatelské techniky F ČVUT v Praze Aroximativní analytické řešení jednorozměrného roudění newtonské kaaliny Některé říady jednorozměrného roudění newtonské kaaliny lze řešit řibližně
Model tenisového utkání
Model tenisového utkání Jan Šustek Semestrální rojekt do ředmětu Náhodné rocesy 2005 V této ráci se budu zabývat modelem tenisového utkání. Vstuními hodnotami budou úsěšnosti odání jednotlivých hráčů,
Národní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti 1 METODA KUMULOVANÝCH SOUČTŮ C U S U M metoda: tabulkový (lineární) CUSUM RNDr. Jiří Michálek, CSc., Ing. Antonie Poskočilová 2 Základem SPC jsou Shewhartovy
Zahraniční platební styk CZA 3.2 CZ. 1. Popis/Instalace... 3
Zahraniční latební styk CZA 3.2 CZ Obsah CZA 3.2 CZ: 1. Pois/Instalace... 3 1.1 Modul CZA... 3 1.2 Instalace... 3 1.3 Suštění rogramu... 3 1.4 Uživatelské rostředí... 3 1.4.1 Lišta menu... 4 1.4.2 Lišta
1.1 Využití tabulkového procesoru jako laboratorního deníku. 1.3 Systém jakosti a počítačová kontrola jakosti
Semestrální práce Strana 1 Semestrální práce 1.1 Využití tabulkového procesoru jako laboratorního deníku 1.3 Systém jakosti a počítačová kontrola jakosti Ing. Ján Lengyel, CSc. Centrální analytická laboratoř
Metody s latentními proměnnými a klasifikační metody
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie etody s latentními roměnnými a klasifikační metody Ing. Roman Slavík V Bohumíně 4.4. ŽDB a.s. Příklad č. Vyočtěte algoritmem
Příklady z přednášek Statistické srovnávání
říklad z řednášek Statstcké srovnávání Jednoduché ndvduální ndex říklad V následující tabulce jsou uveden údaje o očtu závažných závad v areálu určté frm zjštěných a oravených v letech 9-998. Závažná závada
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
1.5.2 Mechanická práce II
.5. Mechanická ráce II Předoklady: 50 Př. : Jakou minimální ráci vykonáš ři řemístění bedny o hmotnosti 50 k o odlaze o vzdálenost 5 m. Příklad sočítej dvakrát, jednou zanedbej třecí sílu mezi bednou a
UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
ŠKODA AUTO VYSOKÁ ŠKOLA, O.P.S.
ŠKOD UTO VYSOKÁ ŠKOL, O.P.S. Studijní rogram: N6208 Ekonomika a management Studijní obor: 6208T088 Podniková ekonomika a management rovozu STTISTICKÁ REGULCE PROCESU S PROMĚNLIVOU STŘEDNÍ HODNOTOU Bc.
Analýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
Národní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Využití metody bootstrapping při analýze dat II.část Doc. Ing. Olga TŮMOVÁ, CSc. Obsah Klasické procedury a statistické SW - metody výpočtů konfidenčních
Kvantily a písmenové hodnoty E E E E-02
Na úloze ukážeme postup průzkumové analýzy dat. Při výrobě calciferolu se provádí kontrola meziproduktu 3,5 DNB esteru calciferolu metodou HPLC. Sleduje se také obsah přítomného ergosterinu jako nečistoty,
Lineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
Hledání parabol
7.5.1 Hledání arabol Předoklad: 751, 7513 Pedagogická oznámka: Studenti jsou o řekonání očátečních roblémů s aměti vcelku úsěšní, všichni většinou zvládnou alesoň rvních ět říkladů. Hodinu organizuji tak,
SHANNONOVY VĚTY A JEJICH DŮKAZ
SHANNONOVY VĚTY A JEJICH DŮKAZ JAN ŠŤOVÍČEK Abstrakt. Důkaz Shannonových vět ro binární symetrický kanál tak, jak měl být robrán na řednášce. Číslování vět odovídá řednášce. 1. Značení a obecné ředoklady
MĚŘENÍ VÝKONU V SOUSTAVĚ MĚNIČ - MOTOR. Petr BERNAT VŠB - TU Ostrava, katedra elektrických strojů a přístrojů
MĚŘENÍ VÝKONU V SOUSAVĚ MĚNIČ - MOOR Petr BERNA VŠB - U Ostrava, katedra elektrických strojů a řístrojů Nástu regulovaných ohonů s asynchronními motory naájenými z měničů frekvence řináší kromě nesorných
BH059 Tepelná technika budov Konzultace č. 2
Vysoké učení technické v Brně Fakulta stavební Ústav ozemního stavitelství BH059 Teelná technika budov Konzultace č. 2 Zadání P6 zadáno na 2 konzultaci, P7 bude zadáno Průběh telot v konstrukci Kondenzace
P Ř I Z N Á N Í k dani z příjmů právnických osob
Než začte vylňovat tiskois, řečtěte te si, rosím, okyny. Finančnímu úřadu ro / Secializovanému finančnímu úřadu Pardubický kraj Územnímu racovišti v, ve, ro Moravské Třebové T 0 Daňové identifikační číslo
Modul Základní statistika
Modul Základní statistika Menu: QCExpert Základní statistika Základní statistika slouží k předběžné analýze a diagnostice dat, testování předpokladů (vlastností dat), jejichž splnění je nutné pro použití
UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE
UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT V OSTRAVĚ 20.3.2006 MAREK MOČKOŘ PŘÍKLAD Č.1 : ANALÝZA VELKÝCH VÝBĚRŮ Zadání: Pro kontrolu
8. Normální rozdělení
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá
PRINCIPY ZABEZPEČENÍ KVALITY
(c) David MILDE, 2013 PRINCIPY ZABEZPEČENÍ KVALITY POUŽÍVANÁ OPATŘENÍ QA/QC Interní opatření (uvnitř laboratoře): pravidelná analýza kontrolních vzorků a CRM, sledování slepých postupů a možných kontaminací,
STATISTICKÉ METODY. (kombinovaná forma, 8.4., 20.5. 2012) Matěj Bulant, Ph.D., VŠEM
STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež, statistika.
2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
Téma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV
Téma 7: Přímý Otimalizovaný Pravděodobnostní Výočet POPV Přednáška z ředmětu: Pravděodobnostní osuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola
Nakloněná rovina III
6 Nakloněná rovina III Předoklady: 4 Pedagogická oznáka: Následující říklady oět atří do kategorie vozíčků Je saozřejě otázkou, zda tyto říklady v takové nožství cvičit Osobně se i líbí, že se studenti
Normální (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
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
Stabilita prutu, desky a válce vzpěr (osová síla)
Stabilita rutu, deky a válce vzěr (oová íla) Průběh ro ideálně římý rut (teoretický tav) F δ F KRIT Průběh ro reálně římý rut (reálný tav) 1 - menší očáteční zakřivení - větší očáteční zakřivení F Obr.1
Předpjatý beton Přednáška 6
Předjatý beton Přednáška 6 Obsah Změny ředětí Okamžitým ružným řetvořením betonu Relaxací ředínací výztuže Přetvořením oěrného zařízení Rozdílem telot ředínací výztuže a oěrného zařízení Otlačením betonu
Způsob určení množství elektřiny z kombinované výroby vázané na výrobu tepelné energie
Příloha č. 2 k vyhlášce č. 439/2005 Sb. Zůsob určení množství elektřiny z kombinované výroby vázané na výrobu teelné energie Maximální množství elektřiny z kombinované výroby se stanoví zůsobem odle následujícího
24.11.2009 Václav Jirchář, ZTGB
24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci
VYHODNOCENÍ MĚŘENÍ (varianta "soulodí")
VYHODNOCENÍ MĚŘENÍ (varanta "soulodí") Měřl (Jméno, Příjmení, skuna):... Datum:... Vyhodnocení hydrometrckého měření na Berounce (soulodí) Z vyočtených rychlostí ve všech bodech svslce určíme střední svslcovou
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
Systémové struktury - základní formy spojování systémů
Systémové struktury - základní formy sojování systémů Základní informace Při řešení ať již analytických nebo syntetických úloh se zravidla setkáváme s komlikovanými systémovými strukturami. Tato lekce
Zaokrouhlování: Směrodatná odchylka se zaokrouhluje nahoru na stanovený počet platných cifer. Míry
Červenou barvou jsou poznámky, věci na které máte při vypracovávání úkolu myslet. Úkol 1 a) Pomocí nástrojů explorační analýzy analyzujte kapacity akumulátorů výrobce A po 5 a po 100 nabíjecích cyklech.
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI Elektronická sbírka příkladů k předmětům zaměřeným na aplikovanou statistiku
ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI
ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI SPŠ na Proseku 4-1 Ing. A. Styblíková, Ing. L. Procházka - pevně stanovený soubor grafických technik napomáhajících při řešení problémů s kvalitou - jedná se o 7 nástrojů
1.5.5 Potenciální energie
.5.5 Potenciální energie Předoklady: 504 Pedagogická oznámka: Na dosazování do vzorce E = mg není nic obtížnéo. Problém nastává v situacíc, kdy není zcela jasné, jakou odnotu dosadit za. Hlavním smyslem
Větrání hromadných garáží
ětrání hromadných garáží Domácí ředis: ČSN 73 6058 Hromadné garáže, základní ustanovení, latná od r. 1987 Zahraniční ředisy: ÖNORM H 6003 Lüftungstechnische Anlagen für Garagen. Grundlagen, Planung, Dimensionierung,
PZP (2011/2012) 3/1 Stanislav Beroun
PZP (0/0) 3/ tanislav Beroun Výměna tela mezi nální válce a stěnami, telotní zatížení vybraných dílů PM elo, které se odvádí z nálně válce, se ředává stěnám ve válci řevážně řestuem, u vznětových motorů
Praktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované
Jak na nejistoty metodou Monte Carlo jednoduše a bez drahých programů
Rok / Year: Svazek / Volume: Číslo / Number: 214 16 2 Jak na nejistoty metodou Monte Carlo jednoduše a bez drahých rogramů How to calculate uncertainties by means of Monte Carlo method in an easy manner
CVIČENÍ Z ELEKTRONIKY
Střední růmyslová škola elektrotechnická Pardubice CVIČENÍ Z ELEKRONIKY Harmonická analýza Příjmení : Česák Číslo úlohy : Jméno : Petr Datum zadání :.1.97 Školní rok : 1997/98 Datum odevzdání : 11.1.97
Statistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Vedoucí studia a odborný garant: Prof. RNDr. Milan Meloun, DrSc. Vyučující: Prof. RNDr. Milan Meloun, DrSc. Autor práce: ANDRII
KORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)
Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) 3 5 1 4 Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STAVEBNÍ ÚSTAV VODNÍCH STAVEB FACULTY OF CIVIL ENGINEERING INSTITUTE OF WATER STRUCTURES VYUŽITÍ INTEGRAČNÍ METODY PRO MĚŘENÍ PRŮTOKU
Statistická analýza. jednorozměrných dat
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie icenční studium chemometrie Statistické zpracování dat Statistická analýza jednorozměrných dat Zdravotní ústav se sídlem v
PRŮTOK PLYNU OTVOREM
PRŮTOK PLYNU OTVOREM P. Škrabánek, F. Dušek Univerzita Pardubice, Fakulta chemicko technologická Katedra řízení rocesů a výočetní techniky Abstrakt Článek se zabývá ověřením oužitelnosti Saint Vénantovavy
Národníinformačnístředisko pro podporu jakosti
Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov
Termodynamické základy ocelářských pochodů
29 3. Termodynamické základy ocelářských ochodů Termodynamika ůvodně vznikla jako vědní discilína zabývající se účinností teelných (arních) strojů. Později byly termodynamické zákony oužity ři studiu chemických
Stručný úvod do testování statistických hypotéz
Stručný úvod do testování statistických hypotéz 1. Formulujeme hypotézu (předpokládáme, že pozorovaný jev je pouze náhodný). 2. Zvolíme hladinu významnosti testu a, tj. riziko, s nímž jsme ochotni se smířit.
Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011
Evroský sociální fond Praha & EU: Investujeme do vaší udoucnosti Ekonomika odniku Katedra ekonomiky, manažerství a humanitních věd akulta elektrotechnická ČVUT v Praze Ing. Kučerková Blanka, 2011 Vztahy
Induktivní statistika. z-skóry pravděpodobnost
Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných
Národní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
Analýza chování hybridních nosníků ze skla a oceli Ing. Tomáš FREMR doc. Ing. Martina ELIÁŠOVÁ, CSc. ČVUT v Praze Fakulta stavební
stavební obzor 9 10/2014 115 Analýza chování hybridních nosníků ze skla a oceli Ing. Tomáš FRER doc. Ing. artina ELIÁŠOVÁ, CSc. ČVUT v Praze Fakulta stavební Článek oisuje exerimentální analýzu hybridních
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
ze dne 2016, Nejlepší dostupné technologie v oblasti zneškodňování odpadních vod a podmínky jejich použití
I I I. N á v r h N A Ř Í Z E N Í V L Á D Y ze dne 2016, kterým se mění nařízení vlády č. 401/2015 Sb., o ukazatelích a hodnotách říustného znečištění ovrchových vod a odadních vod, náležitech ovolení k
Pravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n