LMA521: Statistisk kvalitetsstyrning
|
|
- Christer Lundberg
- för 5 år sedan
- Visningar:
Transkript
1 Föreläsning: Kapabilitet
2 Föregående material Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram
3 Dagens innehåll 1 Kapabilitet 2 Kapabilitetsindex 3 Korrigerat kapabilitetsindex 4 Problem 34 (SK) 5 Problem 32 (SK)
4 Kapabilitet Tidigare den här veckan har vi gått igenom styrande kontroll Här var fokus på att upptäcka om produktionsprocessen förändrats Vi diskuterade aldrig om huruvida våra producerade enheter levde upp till kvalitetskraven eller inte Nu kommer vi knyta ihop styrande kontroll med de kvalitetskrav vi faktiskt har på produkten Detta görs genom att man jämför sin process med kvalitetskraven genom några specika kapabilitetsmått
5 Våra krav kan denieras med följande värden: Målvärde, M Det värde som vi helst skulle vilja att kvalitetsindikator hade för alla enheter som produceras Övre toleransgräns, T ö Det värde som är det absolut högsta värde vi tillåter för kvalitetsindikatorn om enheten inte skall klassas som defekt Undre toleransgräns, T u På samma sätt som T ö fast en undre gräns istället Kapabilitetsmått beskriver sedan hur bra de producerade enheterna lever upp till dessa kvalitetskrav
6 Denition: Kapabilitetsindex (duglihetsindex) C p = T ö T u 6σ Kapabilitetsindex sätter standardavvikelsen av produktionsprocessen i relation till de kravgränser vi har Vi vill att C p skall vara stor så det är en väldigt liten risk att en enhet som produceras hamnar utanför kravgränserna då processen är under statistisk kontroll Tumregel: C p > 133 för att vi skall vara nöjda med produktionsprocessen
7 Vad innebär C p > 133 Antag att kvalitetsindikatorn, ξ, är normalfördelad med målvärdet som väntevärde ( ) ( ) Tö M Tu M P(T u ξ T ö ) = Φ Φ σ σ ( ) ( ) Tö M Tö T u = 2Φ 1 = 2Φ 1 σ 2σ = 2Φ (3C p ) 1 > 2Φ (3 133) 1 = = % Alltså, väldigt liten risk att hamna utanför gränserna om processen är under statistisk kontroll
8 Denition: Korrigerat kapabilitetsindex C pk = C p (1 CM) Här är CM = 2 M µ T ö T u, där µ är processens väntevärde och M är produktens målvärde Jämfört med vanligt kapabilitetsindex så inkluderar C pk att väntevärdet av processen inte behöver vara samma som vårt målvärde Som vi ser på formeln för C pk så blir den mindre hur mer målvärdet och väntevärdet skiljer sig Vi ser också att C pk C p Även här ger boken gränsen C pk > 133 för en acceptabel process
9 Problem 34 (SK) Problem: 34 a) (SK) Vad mäter duglighetsindex och korrigerat duglighetsindex?
10 Problem 34 (SK) Problem: 34 a) (SK) Vad mäter duglighetsindex och korrigerat duglighetsindex? C p mäter processens spridning jämfört med kravgränserna Ett stort C p innebär att spridningen är liten jämfört med de satta kravgränserna C pk justerar C p för att också ta hänsyn till att processens väntevärde kanske inte är det samma som det målvärde man egentligen helst vill ha Tex skulle medianen ligga precis på gränsen till en av kravgränserna så skulle den minsta spridning innebära att hälften av alla producerade enheter inte uppfyllde kraven
11 Problem 34 (SK) Problem: 34 b) (SK) Rita ett medelvärdesdiagram där C p = 1 och C pk = 1 (Antag att n = 1)
12 Problem 34 (SK) Problem: 34 b) (SK) Rita ett medelvärdesdiagram där C p = 1 och C pk = 1 (Antag att n = 1)
13 Problem 32 (SK) Problem: 32 a) (SK) En operatör valde med jämna mellanrum slumpmässigt ut 5 observationer för att konstruera medelvärdes- och spridningsdiagram Från sina urval beräknade han x = 274 och R = 1284 a) När skall kontrollanten slå larm om att processen inte längre är under statistisk kontroll? n = 5, x = 274 och R = 1284
14 Tabell: Tabell för konstanter relaterade till styrdiagrammen Finns på sidan 117 i boken n x-diagram s-diagram R-diagram A 2 A 3 d 2 D 1 D 2 D 3 D n = 5, x = 274 och R = 1284
15 Medelvärdesdiagram Cl = x = 274 Sö = x + A 2 R = = 3481 Su = x A 2 R = = 200 R-diagram Cl = R = 1284 Sö = D 4 R = = 2716 Su = D 3 R = 0
16 Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna
17 Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna T ö = 4, T u = 2, M = 3
18 Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna T ö = 4, T u = 2, M = 3 ˆσ = R d 2 = = C p = T ö T u = 6σ M µ CM = = = = = T ö T u 2 2 C pk = C p (1 CM) = = = 026
19 Problem: 32 c) (SK) Vad skall vi dra för slutsatser om processen? Vi vet styrgränserna för huruvida vår process är under statistisk kontroll Givet att den skulle vara detta så kan vi titta på kapabilitetsmåtten C p < 133 så det är för stor spridning i vår process C pk är inte så mycket mindre än C p så processen är ganska välcentrerad omkring målvärdet
20 Sammanfattning av dagens innehåll Kapabilitetsindex Korrigerat kapabilitetsindex
LMA521: Statistisk kvalitetsstyrning
Föreläsning 7 Föregående föreläsningar Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram Dagens
LMA521: Statistisk kvalitetsstyrning
Föreläsning 5 Föregående föreläsningar Acceptanskontroll: Konsten att kontrollera producerade enheter så att man kan garantera kvalitet samtidigt som kontrollen inte blir för kostsam att genomföra Dagens
LMA522: Statistisk kvalitetsstyrning
Föreläsning 5 Föregående föreläsningar Acceptanskontroll: Konsten att kontrollera producerade enheter så att man kan garantera kvalitet samtidigt som kontrollen inte blir för kostsam att genomföra Dagens
LMA521: Statistisk kvalitetsstyrning
Föreläsning 6 Tidigare Styrande kontroll enligt variabelmetoden: Medelvärdesdiagram R-diagram/ s-diagram Dagens innehåll 1 Styrande kontroll enligt attributmetoden 2 Felkvotsdiagram 3 Felantalsdiagram
LMA522: Statistisk kvalitetsstyrning
Föreläsning 6 Tidigare Styrande kontroll enligt variabelmetoden: Medelvärdesdiagram R-diagram/ s-diagram Dagens innehåll 1 Styrande kontroll enligt attributmetoden 2 Felkvotsdiagram 3 Felantalsdiagram
Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen
Lösningsförslag till Tillämpad matematisk statistik LMA21, Tentamen 201801 Betygsgränser: för betyg krävs minst 20 poäng, för betyg 4 krävs minst 0 poäng, för betyg krävs minst 40 poäng. 1. Vid en kvalitetskontroll
Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005
Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 005 Uppgift 1: Från ett register över manliga patienter med diabetes fick man följande statistik i procent: Lindrigt fall Allvarligt fall Patientens
LMA521: Statistisk kvalitetsstyrning
Föreläsning 1 Dagens innehåll 1 Kvalitet 2 Acceptanskontroll enligt attributmetoden 3 Enkel provtagningsplan 4 Design av enkel provtagningsplan med binomialnomogram 5 Genomgång av problem 1.5 från boken.
Tillämpad matematisk statistik LMA521 Tentamen
Tillämpad matematisk statistik LMA521 Tentamen 20190115 Tid: 8.30-12.30 Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen Tabell- och formelsamling i matematisk statistik, försöksplanering
LMA522: Statistisk kvalitetsstyrning
Föreläsning 1 Föreläsningens innehåll 1 Kvalitet 2 Acceptanskontroll enligt attributmetoden 3 Enkel provtagningsplan 4 Design av enkel provtagningsplan med binomialnomogram 5 Genomgång av problem 1.5 från
6.1 Process capability
6.1 Process capability Produktkvalitet: Två produkter som har samma användning men som är utformade på olika sätt kan vara av olika specifikationskvalitet. Om enheter överensstämmer väl med specifikationerna
Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen
Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen 2019-03-18 Tid: 8.30-12.30. Tentamensplats: Lindholmen Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen
Tentamen i matematisk statistik
Sid (5) i matematisk statistik Statistisk processtyrning 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-3.00 ger maximalt 2 poäng. För godkänt krävs
Lektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
Föreläsning G60 Statistiska metoder
Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala
LMA521: Statistisk kvalitetsstyrning
Föreläsning 3 Föregående föreläsning Dubbel provtagningsplan Tabeller för Dubbel provtagningsplan Dagens innehåll 1 Genomsnittsligt provuttag 2 Genomgång av problem 116 från boken 3 Genomsnittslig kontrollomfattning
Föreläsningsanteckningar till kapitel 8, del 2
Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
MVE051/MSG Föreläsning 7
MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel
LMA521: Statistisk kvalitetsstyrning
Föreläsning 3 Föregående föreläsning Dubbel provtagningsplan Tabeller för Dubbel provtagningsplan Dagens innehåll 1 Genomsnittsligt provuttag 2 Genomgång av problem 116 från boken 3 Genomsnittslig kontrollomfattning
FÖRELÄSNING 7:
FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla
F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17
1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,
TMS136. Föreläsning 7
TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna
Kontrolldiagram hjälper oss att skilja mellan två olika typer variation, nämligen akut och kronisk variation.
5. Kontrolldiagram Variation Tillverkade produkter uppvisar variation. Kvalitetsökning en minskning av dessa variationer. Kontrolldiagram hjälper oss att skilja mellan två olika typer variation, nämligen
Övningstentamen 2 5.44 5.39 5.41 5.35 5.41 5.46 5.40 5.37 5.39 5.43
Övningstentamen Uppgift 1: Företaget Holly Suger Co tillverkar sockerbitar. Med hjälp av kvalitetskontrollerna upptäcker man att 1% av sockerbitarna är defekta. Anta att man väljer ut 3 sockerbitar från
TMS136. Föreläsning 10
TMS136 Föreläsning 10 Intervallskattningar Vi har sett att vi givet ett stickprov kan göra punktskattningar för fördelnings-/populationsparametrar En punkskattning är som vi minns ett tal som är en (förhoppningsvis
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data
Introduktion till statistik för statsvetare
"Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått
4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
F9 Konfidensintervall
1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att
Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
LKT325/LMA521: Faktorförsök
Föreläsning 2 Innehåll Referensfördelning Referensintervall Skatta variansen 1 Flera mätningar i varje grupp. 2 Antag att vissa eekter inte existerar 3 Normalfördelningspapper Referensfördelning Hittills
Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Matematisk statistik, LMA 200, för DAI och EI den 25 aug 2011
Matematisk statistik, LMA, för DAI och EI den 5 aug Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg, minst poäng för och minst för 5. Examinator: Ulla Blomqvist Hjälpmedel:
F10 Problemlösning och mer om konfidensintervall
1/13 F10 Problemlösning och mer om konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 22/2 2013 2/13 Dagens föreläsning Problemlösning Skattningar Konfidensintervall
Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000
Datum: okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H Moment: TEN ( Matematisk Statistik ) Lärare: Armin Halilovic Skrivtid: 8:5-:5 Införda beteckningar skall förklaras och definieras. Resonemang
Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen
Kap 6: Normalfördelningen Normalfördelningen Normalfördelningen som approximation till binomialfördelningen σ μ 1 Sats 6 A Om vi ändrar läge och/eller skala på en normalfördelning så har vi fortfarande
EXEMPELSAMLING STATISTISKA ÖVNINGAR
EXEMPELSAMLING STATISTISKA ÖVNINGAR TILL KURSEN INFORMATIONSHANTERING, 5p LINKÖPINGS UNIVERSITET/MÄLARDALENS HÖGSKOLA 1 Innehållsförteckning ÖVNINGSUPPGIFTER...3 DE 7 QC- OCH LEDNINGSVERKTYGEN...3 GRUNDLÄGGANDE
Lösningsförslag till Matematisk statistik LKT325 Tentamen
Lösningsförslag till Matematisk statistik LKT325 Tentamen 20190115 Kursansvarig: Reimond Emanuelsson Betygsgränser: för betyg 3 krävs minst 20 poäng, för betyg 4 krävs minst 30 poäng, för betyg 5 krävs
TMS136. Föreläsning 13
TMS136 Föreläsning 13 Jämförelser mellan två populationer Hittills har vi gjort konfidensintervall och tester kring parametrar i EN population I praktiska sammanhang är man ofta intresserad av att jämföra
Styr- och kontrolldiagram ( )
Styr- och kontrolldiagram (8.3-8.5) När vi nu skall konstruera kontrolldiagram eller styrdiagram är det viktigt att vi har en process som är under kontroll! Iden med styrdiagram är att med jämna tidsmellanrum
Studietyper, inferens och konfidensintervall
Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär
Föreläsning 5. Kapitel 6, sid Inferens om en population
Föreläsning 5 Kapitel 6, sid 153-185 Inferens om en population 2 Agenda Statistisk inferens om populationsmedelvärde Statistisk inferens om populationsandel Punktskattning Konfidensintervall Hypotesprövning
Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2
Tentamen den april 7 i Statistik och sannolikhetslära för BI Uppgift : Låt händelserna A, B, C och D vara händelser i samband med ett försök. a) Anta att P(A)., P(A B)., P(A B).6. Beräkna sannolikheten
Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070
entamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN0/MS070 isdag 007-04-0, klockan 4.00-8.00 Examinator: Holger Rootzén elefonjour: Jan Rohlén, tfn: 0708-579548 Betygsgränser G: G: -.5, VG:
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
LMA521: Statistisk kvalitetsstyrning
Föreläsning 4 Föregående föreläsning Genomsnittsligt provuttag Genomsnittslig kontrollomfattning Genomsnittslig utgående kvalitet Dagens innehåll Övningar 1 Problem SK 122 2 Problem 8 Tenta 160113 Problem:
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 ( uppgifter) Tentamensdatum 2018-08-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Niklas Grip Jourhavande
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler Jörgen Säve-Söderbergh Stokastisk variabel Singla en slant två gånger. Ω = {Kr Kr, Kr Kl, Kl Kr, Kl Kl}
5. Kontrolldiagram. I Chart of T-bolt. Observation UCL=0, , , ,74825 _ X=0, , , ,74750 LCL=0,747479
5. Kontrolldiagram Om man är delaktig i en produktionsprocess (kanske mitt i), hur kan man då veta att det man gör inte bidrar till en kvalitetsbrist hos slutprodukten? Genom att specificera nödvändiga
Forskningsmetodik 2006 lektion 2
Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som
LINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1
LINKÖPINGS UNIVERSITET Matematiska institutionen TENTA 9MA31, 9MA37, 93MA31, 93MA37 / STN 9GMA5 / STN 1 1 juni 16, klockan 8.-1. Jour: Jörg-Uwe Löbus Tel: 79-687) Tillåtna hjälpmedel är en räknare, formelsamling
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
TMS136. Föreläsning 4
TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,
6.1 Process capability
6.1 Process capability σ LSL µ USL Kapabiliteten eller dugligheten jämför förmågan hos en process (med väntevärde µ och standardavvikelse σ) med de krav vi har på den i form av givna specifikationsgränser
Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen
Sannolikhetslära och inferens II Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen 1 Statistikor och samplingfördelningar I Kapitel 6 studerades metoder för att bestämma sannolikhetsfördelningen
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag Jörgen Säve-Söderbergh Väntevärde för en funktion av en stokastisk variabel Om
Föreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik David Bolin Chalmers University of Technology April 7, 2014 Projektuppgift Projektet går ut på att genomföra ett statistiskt försök och analysera resultaten.
Del 2 tillsammans med förberedelsefrågor - tid för inlämning och återlämning meddelas senare.
STOCKHOLMS UNIVERSITET Statistiska institutionen VT 2009 Tatjana Pavlenko och Bertil Wegmann OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, VT 2009 Den obligatoriska inlämningsuppgiften,
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2018-01-12 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Niklas
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-03-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Niklas
Arbeta med normalfördelningar
Arbeta med normalfördelningar I en större undersökning om hur kvinnors längd gjorde man undersökning hos kvinnor i ett viss åldersintervall. Man drog sedan ett slumpmässigt urval på 2000 kvinnor och resultatet
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2016-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson och
Kursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys).
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 0 ( uppgifter) Tentamensdatum 200-0-5 Ove Edlund Lärare: Adam Jonsson Robert Lundqvist
Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 8 Binomial-, hypergeometrisk- och Poissonfördelning Exakta egenskaper Approximativa egenskaper Jörgen Säve-Söderbergh Binomialfördelningen
Föreläsning 6: Hypotestester (forts.)
Föreläsning 6: Hpotestester (forts.) Johan Thim (johan.thim@liu.se) 4 november 018 Vi fortsätter nu ekursionen i hpotesernas förlovade land. Fokus kommer vara på den vanligaste tpen av hpotestester, nämligen
1.1 Diskret (Sannolikhets-)fördelning
Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas
F3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
F9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
Mer om konfidensintervall + repetition
1/14 Mer om konfidensintervall + repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/2 2011 2/14 Dagens föreläsning Skattningar som slumpvariabler Väntevärde Varians
Statistiska Grundbegrepp i SPC-Light Sida: 1 (5)
Statistiska Grundbegrepp i SPC-Light Sida: 1 (5) 1.1 Inledning En enkel förklaring till de statistiska symboler och begrepp som förekommer i de olika SPC-Light diagrammen. För formelreferens och djupare
EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Föreläsning 4. Kapitel 5, sid Stickprovsteori
Föreläsning 4 Kapitel 5, sid 127-152 Stickprovsteori 2 Agenda Stickprovsteori Väntevärdesriktiga skattningar Samplingfördelningar Stora talens lag, Centrala gränsvärdessatsen 3 Statistisk inferens Population:
Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända
Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling
TENTAMEN. Matematik och matematisk statistik 6H3000/6L3000
Namn: ersonnummer: Klass: Kurs: Kursnummer: Moment: rogram: Åk: Examinator: Rättande lärare: Datum: Tid: Hjälpmedel: Omfattning och betygsgränser: TENTMEN Matematik och matematisk statistik H/L TEN DD/DE/D/MT
Summor av slumpvariabler
1/18 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 9/2 2011 2/18 Dagens föreläsning Parkeringsplatsproblemet Räkneregler för väntevärden Räkneregler
13.1 Matematisk statistik
13.1 Matematisk statistik 13.1.1 Grundläggande begrepp I den här föreläsningen kommer vi att definiera och exemplifiera ett antal begrepp som sedan kommer att följa oss genom hela kursen. Det är därför
F13 Regression och problemlösning
1/18 F13 Regression och problemlösning Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/3 2013 2/18 Regression Vi studerar hur en variabel y beror på en variabel x. Vår modell
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad
Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (10) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 Betrakta nedanstående täthetsfunktion för en normalfördelad slumpvariabel X med väntevärde
Lösningar till tentamen i Matematisk Statistik, 5p
Lösningar till tentamen i Matematisk Statistik, 5p LGR98 20 juni, 2001 kl. 9.00 13.00 Kursansvarig: Eric Järpe Maxpoäng: 30 Betygsgränser: 12p: G, 22p: VG 1. Efter en provräkning observerar en lärare resultaten
Beskrivande statistik
Beskrivande statistik Tabellen ovan visar antalet allvarliga olyckor på en vägsträcka under 15 år. år Antal olyckor 1995 36 1996 20 1997 18 1998 26 1999 30 2000 20 2001 30 2002 27 2003 19 2004 24 2005
Tentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola
Tentamen i Statistik, STA A10 samt STA A13 9p 24 augusti 2005, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A0 samt STA A3 9p 4 augusti 005, kl. 08.5-3.5 Tillåtna hjälpmedel: Ansvarig lärare: Övrigt:
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Korrelation och regression Innehåll 1 Korrelation och regression Spridningsdiagram Då ett datamaterial består av två (eller era) variabler är man ofta intresserad av att veta om det nns ett
Stockholms Universitet Statistiska institutionen Termeh Shafie
Stockholms Universitet Statistiska institutionen Termeh Shafie TENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2011-10-28 Skrivtid: 9.00-14.00 Hjälpmedel: Miniräknare utan lagrade formler eller text, bifogade
Föreläsning 12: Linjär regression
Föreläsning 12: Linjär regression Matematisk statistik Chalmers University of Technology Oktober 4, 2017 Exempel Vi vill undersöka hur ett ämnes specifika värmeskapacitet (ämnets förmåga att magasinera
Övningstentamen i kursen Statistik och sannolikhetslära (LMA120)
Övningstentamen i kursen Statistik sannolikhetslära (LMA0). Beräkna ( ) 04.. Malin har precis yttat, ska skruva ihop sitt rektangulära skrivbord igen. Bordet har ett ben i varje hörn, har två långsidor
Grundläggande matematisk statistik
Grundläggande matematisk statistik Väntevärde, varians, standardavvikelse, kvantiler Uwe Menzel, 28 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Väntevärdet X : diskret eller kontinuerlig slumpvariable
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
Obligatorisk uppgift, del 1
Obligatorisk uppgift, del 1 Uppgiften består av tre sannolikhetsproblem, som skall lösas med hjälp av miniräknare och tabellsamling. 1. Vid tillverkning av en produkt är felfrekvensen 0,02, dvs sannolikheten
Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Tentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2013-08-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
MSG830 Statistisk analys och experimentplanering
MSG830 Statistisk analys och experimentplanering Tentamen 15 januari 2016, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri
Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer