Statistiska Grundbegrepp i SPC-Light Sida: 1 (5)
|
|
- Maja Eliasson
- för 8 år sedan
- Visningar:
Transkript
1 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 förståelse hänvisar vi till SPC-Light s inbygda hjälpfunktion. 1.2 Histogram
2 Statistiska Grundbegrepp i SPC-Light Sida: 2 (5) Uttryck i Histogram Analyserade provgrupper 1-30 Ignorerade/Filtrerade 0 Ej inom styrning över vidden (*) Senaste felaktiga vid 30 Processen är inte duglig* Pp =0,99 Ppk =0,95 Högsta prov =12,15 ÖTG =12,20 + 3σˆ 3σˆ UTG =11,80 Lägsta prov =11,84 HöLä område =0,31 Beräkningen baserad på normalanpassning Beräkningen baserad på XR σ 0 σˆ R s Upps. 0,101% ovanför ÖTG Upps. 0,169% under UTG Upps. 0,270% utanför tolerans 2703ppm utanför tolerans Skevhet =-0,037 Kurtosis =2,401 Provgruppsstorlek 5 Totalt antal prov 150 Anger det antalet provgrupper som används i beräkningarna, anges ett delområde som skall ingå i beräkningarna visas de ingående provgrupperna här. Antalet provgrupper inom det analyserade intervallet som av någon anledning är borttagna från beräkningarna genom ignorering eller filtrering. Någon provgrupp eller mätvärde inom det analyserade intervallet bryter från det normala statistiska mönstret (utanför styrgräns eller trend enligt inställningar i beräkningsmodellen) eller ligger utanför en toleransgräns, ofta visar detta sig som en onormal fördelning. Beräkningsresultatet sjunker i trovärdighet då den statistiska säkerheten minskar. Den provgrupp då det senast inträffade något statistiskt onormalt (utanför styrgräns eller trend) eller mätvärde utanför toleransgräns Värde på processduglighetstalet, processens spridning i förhållande till toleransvidden. Värde på det korrigerade processduglighetstalet, ett mått på processens läge i förhållande till en toleransgräns. Visar om det korrigerade processduglighetstalet (Cpk) ligger högre eller lägre än det förinställda tröskelvärdet för godkänd process, vanligen 1,33. Värde på det initiala processduglighetstalet (tidigare preliminär duglighet), processens spridning i förhållande till toleransvidden. Värde på det initiala korrigerade processduglighetstalet (tidigare preliminär korrigerad duglighet), ett mått på processens läge i förhållande till en toleransgräns. Högsta mätvärdet i det analyserade intervallet. Den angivna övre tillåtna toleransgränsen enligt specifikation. Den övre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner. Den undre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner. Den angivna undre tillåtna toleransgränsen enligt specifikation. Lägsta mätvärdet i det analyserade intervallet. Skillnaden mellan det högsta och lägsta insamlade mätdatat, variationsvidden. -Beräkning utifrån fierad, vald fördelning. -Verkligt sigma; Standardavvikelsen för de ingående individerna oberoende av provgruppstillhörighet. -XS; Medelstandardavvikelsen för standardavvikelsen inom provgrupperna korrigerad för provgruppsstorleken. -XR; Medelvariationsvidden för variationsvidden inom provgrupperna korrigerad för provgruppsstorleken. Värde på den verkliga standardavvikelsen som ligger som grund för de initiala duglighetsberäkningarna oavsett inställt beräkningssätt. Värde på den uppskattade processpridningen som ligger som grund för duglighetsberäkningarna vid beräkningssätt XR, XS eller Verkligt sigma. Värde på medelvariationsvidden mellan ingående provgrupper. Värde på medelstandardavvikelsen mellan ingående provgrupper. Uppskattad procentsats av kassation i förhållande till angiven övre toleransgräns. Uppskattad procentsats av kassation i förhållande till angiven undre toleransgräns. Uppskattad procentsats av total kassation i förhållande till de angivna toleransgränserna. Den uppskattade alternativt faktiska kassationen (beroende på beräkningssätt) uttryckt i Parts Per Million. En normalfördelning som inte längre är symmetrisk kring sitt medelvärde kallas för skev. Vid positiv skevhet är svansen på fördelningen större mot ma sidan. Vid negativ skevhet är svansen på fördelningen större mot min sidan. En normalfördelning har en skevhet=0,0. Kurtosis är ett mått på det relativa förhållandet mellan antalet individer i fördelningens centrum gentemot individer i svansarna. Högt värde innebär en hög, smal topp med långa svansar. Lågt värde innebär en flat, tjock topp med korta svansar. En normalfördelning har kurtosis=3,0 Antalet enskilda individer som ingår i en enskild provgrupp. Totala antalet enskilda individer som ingår i analysen.
3 Statistiska Grundbegrepp i SPC-Light Sida: 3 (5) 1.3 Styrdiagram Uttryck i Styrdiagram Analyserade provgrupper 1-30 Ignorerade/Filtrerade 0 Ej inom styrning över vidden (*) Senaste felaktiga vid 30 Processen är inte duglig* + 3σˆ 3σˆ Beräkningen baserad på normalanpassning Anger det antalet provgrupper som används i beräkningarna, anges ett delområde som skall ingå i beräkningarna visas de ingående provgrupperna här. Antalet provgrupper inom det analyserade intervallet som av någon anledning är borttagna från beräkningarna genom ignorering eller filtrering. Någon provgrupp eller mätvärde inom det analyserade intervallet bryter från det normala statistiska mönstret (utanför styrgräns eller trend enligt inställningar i beräkningsmodellen) eller ligger utanför en toleransgräns, ofta visar detta sig som en onormal fördelning. Beräkningsresultatet sjunker i trovärdighet då den statistiska säkerheten minskar. Den provgrupp då det senast inträffade något statistiskt onormalt eller mätvärde utanför toleransgräns Värde på processduglighetstalet, processens spridning i förhållande till toleransvidden. Värde på det korrigerade processduglighetstalet, ett mått på processens läge i förhållande till en toleransgräns. Visar om det korrigerade processduglighetstalet (Cpk) ligger högre eller lägre än det förinställda tröskelvärdet för godkänd process, vanligen 1,33. Den övre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner. Den undre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner. -Standardavvikelsen för de ingående individerna. -Beräkning av standardavvikelsen för provgrupperna. -Beräkning av variationsvidden för provgrupperna. -Beräkning utifrån fierad, vald fördelning.
4 1.4 Översiktsdiagram Statistiska Grundbegrepp i SPC-Light Sida: 4 (5)
5 Statistiska Grundbegrepp i SPC-Light Sida: 5 (5) Uttryck i Översiktsdiagram Filter Indikerar om något filter för utsortering av data är aktivt. Stabilitet Någon provgrupp eller mätvärde inom det analyserade intervallet bryter från det normala statistiska mönstret eller ligger utanför en toleransgräns, ofta visar detta sig som en onormal fördelning. Beräkningsresultatet sjunker i trovärdighet då den statistiska säkerheten minskar. Senaste felaktiga Den provgrupp då det senast inträffade något statistiskt onormalt eller mätvärde utanför toleransgräns Baerad på -Beräkning utifrån fierad, vald fördelning. -Verkligt sigma; Standardavvikelsen för de ingående individerna oberoende av provgruppstillhörighet. -XS; Medelstandardavvikelsen för standardavvikelsen inom provgrupperna korrigerad för provgruppsstorleken. -XR; Medelvariationsvidden för variationsvidden inom provgrupperna korrigerad för provgruppsstorleken. Värde på processduglighetstalet, processens spridning i förhållande till toleransvidden. Värde på det korrigerade processduglighetstalet, ett mått på processens läge i förhållande till en toleransgräns. Duglig Visar om det korrigerade processduglighetstalet (Cpk) ligger högre eller lägre än det förinställda tröskelvärdet för godkänd process, vanligen 1,33. Senaste provgrup Statusen för det senaste provuttaget. -Inom styrning (IS). -Utanför styrning (US). -Utanför toleransgräns (UT). ÖTG Den angivna övre tillåtna toleransgränsen enligt specifikation. 99,865% Den övre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner uttryck i procent av fördelningen. + 3σˆ Jämför med Nom Det angivna målvärdet enligt specifikation. Ett mått på målvärdescentreringen. Skillnaden mellan processens medelvärde Nom och angivet målvärde. 0,135% Den undre processgränsen för vad som anses vara en normal process enligt gällande kvalitetsrutiner uttryck i procent av fördelningen. UTG σˆ R s 3σˆ Jämför med Den angivna undre tillåtna toleransgränsen enligt specifikation. Värde på den uppskattade processpridningen enligt vald beräkning, ligger som grund för duglighetsberäkningarna. Värde på medelvariationsvidden mellan ingående provgrupper. Värde på medelstandardavvikelsen mellan ingående provgrupper. % utanför specifikation Uppskattad procentsats av total kassation i förhållande till de angivna toleransgränserna. Vid beräkningssätt XR, XS eller verkligt sigma när hänsyn inte tas till fördelningsutseende
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
Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?
När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns
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: Kapabilitet Föregående material Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram
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
EXAMINATION KVANTITATIV METOD vt-11 (110319)
ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110319) Examinationen består av 10 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt
Mätstyrning med M7005
Matematikföretaget jz M7005.metem.se 150423/150626/150721/SJn Mätstyrning med M7005 en översikt Mätstyrning med M7005, en översikt 1 (12) Innehåll 1 Mätstyrning 4 2 M7005:s sätt att mätstyra 5 3 Anpassa
Föreläsning 1. 732G60 Statistiska metoder
Föreläsning 1 Statistiska metoder 1 Kursens uppbyggnad o 10 föreläsningar Teori blandas med exempel Läggs ut några dagar innan på kurshemsidan o 5 räknestugor Tillfälle för individuella frågor Viktigt
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
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
Sju sätt att visa data. Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete
Sju sätt att visa data Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete Introduktion I förbättringsarbete förekommer alltid någon form av data, om inte annat
Statistisk processtyrning
Statistisk processtyrning Analys och styrning med hjälp av SPS Grupp 6,,,, 2004-12-07 Avdelningen för Industriella informations- och styrsystem Verksamhetsutveckling och kvalitet, 2C1522 Verksamhetsutveckling
Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar
KLEINLEKTION. Område statistik. Lektionens upplägg. Lämplig inom kurserna Matematik 2b och 2c. Engage (Väck intresse) Explore (Upptäck laborera)
KLEINLEKTION Område statistik. Lämplig inom kurserna Matematik 2b och 2c. Centralt innehåll i Matematik 2b och 2c: Statistiska metoder för rapportering av observationer och mätdata från undersökningar
Beskrivande statistik. Tony Pansell, Leg optiker Docent, Universitetslektor
Beskrivande statistik Tony Pansell, Leg optiker Docent, Universitetslektor Beskrivande statistik Grunden för all analys är ordning och reda! Beskrivande statistik hjälper oss att överskådligt sammanfatta
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
Övergripande kvalitets och kapabilitets granskning av produktionsprocessen en implementering av SPS.
Övergripande kvalitets och kapabilitets granskning av produktionsprocessen en implementering av SPS. Overall Quality and Capability Study of the Production Process an Implement of SPC. Peter Åklint LIU-IEI-TEK-G--07/0037--SE
Idag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Kamratgranskning Analys Exempel: exekveringstid Hur analysera data? Hur vet man om man kan lita på skillnader och mönster som man observerar?
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
Ingenjörsmetodik IT & ME 2011 Föreläsning 11
Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar
Parade och oparade test
Parade och oparade test Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning: möjliga jämförelser Jämförelser mot ett
Medelvärde, median och standardavvikelse
Medelvärde, median och standardavvikelse Detta är en enkel aktivitet där vi på ett dynamiskt sätt ska titta på hur de statistiska måtten, t.ex. median och medelvärde ändras när man ändar ett värde i en
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:
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
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
Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram
Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram 2.1 Grundläggande matematik 2.1.1 Potensfunktioner xmxn xm n x x x x 3 4 34 7 x x m n x mn x x 4 3 x4 3 x1 x x n 1 x n x 3 1 x 3 x0 1 1
Forskningsmetodik 2006 Lektion 3
Forskningsmetodik 6 Lektion Att tänka på i en mätsituation Per Olof Hulth Längden hos studenterna på forskningsmetodik : 76 8 6 6 7 6 7 67 7 8 7 7 7 6 6 77 8 6 6 7 Det blir litet överskådligare om vi ordnar
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
Kan man tillämpa bilindustrins krav på småserietillverkare?
Kan man tillämpa bilindustrins krav på småserietillverkare? Daniel Bash Johan Carlsson Jacob Kilstam EXAMENSARBETE 2007 INDUSTRIELL ORGANISATION Kan man tillämpa bilindustrins krav på småserietillverkare?
Tentamen i K0001N Kvalitetsutveckling
Institutionen för industriell ekonomi och samhällsvetenskap Datum: 2018-08-28 Tid: 09.00-14.00 Hjälpmedel: Miniräknare Formelsamling K0001N Version 4.3 Jourhavande lärare Erik Lovén, tel 0920-49 24 02
1 Mätdata och statistik
Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt
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
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
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
FK2002- FK2004 (HT2011)
FK2002- FK2004 (HT2011) Datorövning 2 - Självständigt arbete med assistent Under denna dataövning arbetar vi med histogram i OpenOffice Cal och undersöker effekten av olika binstorlekar. I slutet lägger
Föreläsning 7. Statistikens grunder.
Föreläsning 7. Statistikens grunder. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Föreläsningens innehåll Översikt, dagens föreläsning: Inledande
Uppgift a b c d e Vet inte Poäng
TENTAMEN: Dataanalys och statistik för I2, TMS135 Fredagen den 12 mars kl. 8:45-11:45 på V. Jour: Jenny Andersson, ankn 8294 (mobil:070 3597858) Hjälpmedel: Utdelad formelsamling med tabeller, BETA, på
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:
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
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
Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab
Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts
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
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
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
Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Tentamen i Statistik, STA A13 Deltentamen 1, 4p 24 april 2004, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 4 april 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
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
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
Typvärde. Mest frekventa värdet Används framförallt vid nominalskala Ex: typvärdet. Kemi 250. Ekon 570. Psyk 120. Mate 195.
Lägesmått Det kan ibland räcka med ett lägesmått för att beskriva datamaterial Lägesmåttet kan vara bra att använda då olika datamaterial skall jämföras Vilket lägesmått som skall användas: Typvärde Median
9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Vetenskaplig metod och statistik
Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?
Godkänt dokument, , Ansi Gerhardsson. Kapselmöte med SSM
Kapselmöte med SSM 2014-06-25 Säkerställande av förlängningsvärden BWR insatser Bakgrund till BWR serien Demonstrationsserie som förgicks av en prekvalificering av tillverkningsprocessen vid dåvarande
Styrelsens för teknisk ackreditering författningssamling
Styrelsens för teknisk ackreditering författningssamling ISSN 1101-7805 Utgivare: Erik Hansson STAFS 1993:16 Utkom från trycket 1994-01-8 Styrelsens för teknisk ackreditering särskilda föreskrifter om
Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 10 e januari Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 10 e januari 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
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
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,
Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval
Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande
LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum Skrivtid
LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum 2008-01-19 Skrivtid 0900 1400 Tentamen i: Statistik AI, 10p Antal uppgifter: 6 Krav för G: 11 Lärare: Robert Lundqvist,
en observerad punktskattning av µ, ett tal. x = µ obs = 49.5.
February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning
Vetenskaplig metod och Statistik
Vetenskaplig metod och Statistik Innehåll Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på Experiment NE:
Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,
MODELL FÖR ARBETE MED DUGLIGHET - Utformad vid VOLVO CE AB, Component Division -
EXAMENSARBETE 2007 IDPPOPEXD:07:03 MODELL FÖR ARBETE MED DUGLIGHET - Utformad vid VOLVO CE AB, Component Division - JESSICA KRISTENSSON MODELL FÖR ARBETE MED DUGLIGHET - Utformad vid VOLVO CE AB, Component
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
EXAMENSARBETE. En fallstudie på SSAB Tunnplåt AB i Borlänge ANNA BRICKMAN CIVILINGENJÖRSPROGRAMMET
2004:078 EXAMENSARBETE DUGLIGHETSSTUDIE En fallstudie på SSAB Tunnplåt AB i Borlänge ANNA BRICKMAN CIVILINGENJÖRSPROGRAMMET Institutionen för industriell ekonomi och samhällsvetenskap Avdelningen för kvalitets-
Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se
Föreläsning 10 Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se vad som skall göras Föreläsning 10 Inferens
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,
Anvisningar till del 2 av den obligatoriska inlämningsuppgiften (HT 2007)
Statistiska Institutionen Gebrenegus Ghilagaber & Nicklas Pettersson 007-1-06 Anvisningar till del av den obligatoriska inlämningsuppgiften (HT 007) Den obligatoriska inlämningsuppgiften består av två
Skriv tydligt. Besvara inte frågor med lösryckta ord, utan sammanhängande och tydligt. Visa även dina beräkningar.
KOD: Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetod Provmoment: Vetenskapsteori och forskningsmetod Ansvarig lärare: Anders Biel Tentamensdatum: 2015-02-17 08.00-12.00 Tillåtna
STOCKHOLMS UNIVERSITET FYSIKUM
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Fysikexperiment, 7,5 hp, för FK2002 Onsdagen den 15 december 2010 kl. 9-14. Skrivningen består av två delar A och B. Del A innehåller enkla frågor och
Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 23 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 23 e mars 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Vetenskaplig metod och statistik
Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på
Deskriptiv statistik. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Deskriptiv statistik Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Deskriptiv statistik Tabeller Figurer Sammanfattande mått Vilken
STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys I (SDA l, beskrivande statistik) 3 högskolepoäng, ingående i kursen Undersökningsmetodik
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
GRUPPARBETE. SCA Fellängder. IEK215 Statistisk processtyrning och Sex Sigma Ht-2005. Claes Gustafsson Mikael Bengtsson Adam Franz Andreas Persson
GRUPPARBETE SCA Fellängder IEK215 Statistisk processtyrning och Sex Sigma Ht-2005 Claes Gustafsson Mikael Bengtsson Adam Franz Andreas Persson Luleå tekniska universitet Institutionen för industriell ekonomi
2 Dataanalys och beskrivande statistik
2 Dataanalys och beskrivande statistik Vad är data, och vad är statistik? Data är en samling fakta ur vilken man kan erhålla information. Statistik är vetenskapen (vissa skulle kalla det konst) om att
Styrdiagram. ny alternativ metod för kontroll av överensstämmelse. Anders Lindvall Thomas Concrete Group, C-lab. E-post:
Styrdiagram ny alternativ metod för kontroll av överensstämmelse Anders Lindvall Thomas Concrete Group, C-lab E-post: anders.lindvall@c-lab.se Thomas Concrete Group Vårt fabriksnätverk Sverige: Thomas
STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman
STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, HT 2006 Den obligatoriska
Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):
EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer
EXAMINATION KVANTITATIV METOD vt-11 (110204)
ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt
SwemaCO 2 Bruksanvisning vers 1.30 JU
SwemaCO 2 Bruksanvisning vers 1.30 JU20190418 OBS! Innan du börjar mäta med ditt nya instrument läs kapitel 2. Start av instrument Uppvärmingstiden för mätnings sensor. SWEMA AB Pepparvägen 27 123 56 FARSTA
Studentens namn: Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.
KOD: Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetoder Provmoment: Vetenskapsteori respektive forskningsmetod Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 2015-09-29
11. DESKRIPTION EN VARIABEL
11. DESKRIPTION EN VARIABEL 11.1 Inledning I detta och nästa två kapitel introduceras en enkel typ av dataanalys kallad deskription. Deskription innebär att mer informellt presentera en observerad empirisk
Kort om mätosäkerhet
Kort om mätosäkerhet Henrik Åkerstedt 14 oktober 2014 Introduktion När man gör en mätning, oavsett hur noggrann man är, så får man inte exakt rätt värde. Alla mätningar har en viss osäkerhet. Detta kan
SwemaAir 5 Bruksanvisning vers 1.01 MB
SwemaAir 5 Bruksanvisning vers 1.01 MB20140904 OBS! Innan du börjar mäta med ditt nya instrument läs kapitel 6. Grundinställningar (Set). Vid leverans är k2-faktor aktiv. SWEMA AB Pepparvägen 27 123 56
LUNDS UNIVERSITET 1(6) STATISTISKA INSTITUTIONEN Per-Erik Isberg
LUNDS UNIVERSITET 1(6) STATISTISKA INSTITUTIONEN Per-Erik Isberg Simulering i MINITAB Det finns goda möjligheter att utföra olika typer av simuleringar i Minitab. Gemensamt för dessa är att man börjar
Del 2: Hantering och bedömning av data och osäkerheter
Del 2: Hantering och bedömning av data och osäkerheter Praktikfall: Kv. Verkstaden 14 Teori: Representativ halt, referenshalt, stickprov & beskrivande statistik, konfidensintervall & UCLM95 Diskussion:
Hur skriver man statistikavsnittet i en ansökan?
Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det
Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval
Tematisk kartografi det akademiska perspektivet INSTITUTIONEN FÖR KULTURGEOGRAFI OCH EKONOMISK GEOGRAFI 2017
Tematisk kartografi det akademiska perspektivet INSTITUTIONEN FÖR KULTURGEOGRAFI OCH EKONOMISK GEOGRAFI 2017 Module X Department of Human Geography 2015 Vad säger kartan? Vilket dataset visar kartan? Department
NpMa2b vt Kravgränser
Kravgränser Provet består av ett muntligt delprov (Del A) och tre skriftliga delprov (Del B, Del C och Del D). Tillsammans kan de ge 67 poäng varav 26 E-, 24 C- och 17 A-poäng. Observera att kravgränserna
STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh
1 STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III), 3 högskolepoäng ingående i kursen Undersökningsmetodik
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
F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion
Gnuer i skyddade/oskyddade områden, binära utfall och binomialfördelningar Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 I vissa områden i Afrika har man observerat att förekomsten
GRUPPARBETE. Statistisk Processtyrning och Sex Sigma IEK 215 Hösten Tony Bäckström Sara Svenberg Kajsa Torgå Gustaf Wikström
GRUPPARBETE Förbättring av en kapningsprocess enligt DMAIC-cykeln Statistisk Processtyrning och Sex Sigma IEK 215 Hösten 2005 Tony Bäckström Sara Svenberg Kajsa Torgå Gustaf Wikström Luleå tekniska universitet
Finansiering. Föreläsning 6 Risk och avkastning BMA: Kap. 7. Jonas Råsbrant
Finansiering Föreläsning 6 Risk och avkastning BMA: Kap. 7 Jonas Råsbrant jonas.rasbrant@fek.uu.se Föreläsningens innehåll Historisk avkastning för finansiella tillgångar Beräkning av avkastning och risk
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,
SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011
Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i
Valresultat Riksdagen 2018
Valresultat Riksdagen 2018 I ämnesplanerna i matematik betonas att eleverna ska få möjlighet att använda digitala verktyg. Ett exempel från kursen Matematik 2 är Statistiska metoder för rapportering av