LMA521: Statistisk kvalitetsstyrning

Relevanta dokument
LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

Tillämpad matematisk statistik LMA521 Tentamen

TENTAMEN I MATEMATISK STATISTIK 19 nov 07

LMA521: Statistisk kvalitetsstyrning

Tentamen LMA 200 Matematisk statistik,

LMA522: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000

LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

Övningstentamen 2 Uppgift 1: Uppgift 2: Uppgift 3: Uppgift 4: Uppgift 5: Uppgift 6: i ord

Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen

Matematisk statistik, LMA 200, för DAI och EI den 25 aug 2011

Övningstentamen 1. c) Beräkna sannolikheten att exakt en av A eller B inträffar (6 poäng)

Övningstentamen 1. A 2 c

SF1901 Sannolikhetsteori och statistik I

Föreläsning 11: Mer om jämförelser och inferens

Oberoende stokastiska variabler

Föreläsning 12: Linjär regression

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Kap 3: Diskreta fördelningar

0 om x < 0, F X (x) = c x. 1 om x 2.

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

8 Inferens om väntevärdet (och variansen) av en fördelning

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Lösningsförslag till Matematisk statistik LKT325 Tentamen

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

Tentamen i MATEMATISK STATISTIK Datum: 8 Juni 07

Marcussons Bildemontering AB i Konkurs

Formel- och tabellsamling i matematisk statistik

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.

Avd. Matematisk statistik

TMS136. Föreläsning 11

FÖRSLAG TILL KANDIDATLISTA

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Stokastiska Processer

Tentamen i Matematisk statistik Kurskod S0001M

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 9,

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):

Svar till gamla tentamenstal på veckobladen

Exempel på tentamensuppgifter

10.1 Enkel linjär regression

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13

MVE051/MSG Föreläsning 14

Matematisk statistik för D, I, Π och Fysiker

OMTENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER

F9 Konfidensintervall

TMS136. Föreläsning 10

Grundläggande matematisk statistik

Tentamen i Matematisk statistik Kurskod S0001M

Standardiserat arbetssätt inom konverteringsindustrin, med avseende på AQL

SF1901: Sannolikhetslära och statistik

Matematisk statistik för B, K, N, BME och Kemister

Grundläggande matematisk statistik

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression

Tentamen LMA 200 Matematisk statistik,

LKT325/LMA521: Faktorförsök

TMS136: Dataanalys och statistik Tentamen

Föreläsningsanteckningar till kapitel 8, del 2

SF1911: Statistik för bioteknik

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Hypotestestning och repetition

Optimeringslära Kaj Holmberg

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

TATM79: Föreläsning 6 Logaritmer och exponentialfunktioner

Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.

Tentamen i Matematisk statistik Kurskod S0001M

Konvergens och Kontinuitet

BERÄKNING AV KARAKTERISTISKA VÄRDEN laster, hållfasthet, öden (frekvensanalys)

Tentamen i Dataanalys och statistik för I den 28 okt 2015

Matematisk statistik 9 hp, HT-16 Föreläsning 15: Multipel linjär regression

TMS136. Föreläsning 13

Repetition 2, inför tentamen

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 7 ( ) OCH INFÖR ÖVNING 8 ( )

TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval

Tentamen i Matematisk statistik Kurskod S0001M

Matematisk statistik TMS063 Tentamen

Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar.

Tentamen i Matematisk statistik Kurskod S0001M

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20

Lycka till!

Matematisk statistik för B, K, N, BME och Kemister

histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1

Höftledsdysplasi hos dansk-svensk gårdshund

, s a. , s b. personer från Alingsås och n b

Transkript:

Föreläsning 4

Föregående föreläsning Genomsnittsligt provuttag Genomsnittslig kontrollomfattning Genomsnittslig utgående kvalitet

Dagens innehåll Övningar 1 Problem SK 122 2 Problem 8 Tenta 160113

Problem: 122 (SK) En grossist köper in partier om 1 000 reservdelar Antag att vi vill jämföra den genomsnittsliga kontrollomfattningen för två provtagningsplaner, en enkel och en dubbel Vi väljer den enkla planen, n = 50 och c = 1 och den dubbla n 1 =, n 2 = 60, c 1 = 0, c 2 = 2 och r 1 = r 2 = 3 Utför de beräkningar som behövs för ett parti där felkvoten är 2%

Problem: 122 (SK) En grossist köper in partier om 1 000 reservdelar Antag att vi vill jämföra den genomsnittsliga kontrollomfattningen för två provtagningsplaner, en enkel och en dubbel Vi väljer den enkla planen, n = 50 och c = 1 och den dubbla n 1 =, n 2 = 60, c 1 = 0, c 2 = 2 och r 1 = r 2 = 3 Utför de beräkningar som behövs för ett parti där felkvoten är 2% Lösning: 122 (SK) Fall I: enkel plan ATI (2%) ( = nl(p) + N(1 L(p)) = (50 10 3 )L(p) + 10 3 = (50 ) 950 0020 098 50 + ( ) ) 50 0021 098 49 + 10 3 = 0 1 950 07358 + 10 3 = 1

Lösning: 122 (SK) Fall II: dubbel plan ATI (2%) = n 1 P(acceptera på första urvalet) + (n 1 + n 2 )P(acceptera på andra urvalet) + NP(avvisa) = P(ξ 1 0) + 90(P(ξ 1 = 1)(P(ξ 2 = 0) + P(ξ 2 = 1)) + P(ξ 1 = 2)P(ξ 2 = 0)) + 10 3 P(avvisa) ( ) P(ξ 1 = 0) = 002 0 098 = 5455% 0 ( ) P(ξ 1 = 1) = 002 1 098 29 = 334% 1 ( ) P(ξ 1 = 2) = 002 2 098 28 = 988% 2 ( ) 60 P(ξ 2 = 0) = 002 0 098 60 = 2976% 0 ( ) 60 P(ξ 2 = 1) = 002 1 098 59 = 3644% 1

Lösning: 122 (SK) P(acceptera på första urvalet) = 5455% P(acceptera på andra urvalet) = 0334 (02976 + 03644) + 00988 02976 = 2505% P(avvisa) = 1 5455% 2505% = 204% ATI (002) = 05455 + 90 02505 + 10 3 0204 = 243

Problem: 8 tenta 160113 Antag att en företagare köper in ett parti med 5 000 glödlampor För att avgöra om partiet skall accepteras eller avvisas används en dubbel provtagningsplan n 1 =, c 1 = 2, r 1 = r 2 = 5, n 2 =, c 2 = 4 Antag att felkvoten i partiet är 10% och om partiet avvisas så kontrollerar man alla glödlampor Beräkna väntevärde och varians för antalet kontrollerade glödlampor Vi lägger även till: Använd tabellen på s119 i boken för att hitta AQL och LTPD för en producentrisk på 5% och en konsumentrisk på 10% Vad är ASN(p 1 ) (approximativt)? Eftersom n 1 + n 2 = 60 < 01 5000 kan vi använda binomialapproximation

Tabell: Tabell för dubbel provtagningsplan när n 2 = n 1 och α = 5%, β = 10% Provtagningsplan nr p 2 p 1 Acceptanstal n 1 p då L(p) = ASN(p 1 )/n 1 c 1 c 2 095 050 010 1 1190 0 1 021 100 250 1170 2 754 1 2 052 182 392 1081 3 679 0 2 043 142 296 1340 5 465 2 4 116 290 539 1105

Tabell: Tabell för dubbel provtagningsplan när n 2 = n 1 och α = 5%, β = 10% Provtagningsplan nr p 2 p 1 Acceptanstal n 1 p då L(p) = ASN(p 1 )/n 1 c 1 c 2 095 050 010 1 1190 0 1 021 100 250 1170 2 754 1 2 052 182 392 1081 3 679 0 2 043 142 296 1340 5 465 2 4 116 290 539 1105 n 1 p 1 = 116 AQL = p 1 = 116 n 1 = 116 = 387% p 2 p 1 = 465 LTPD = p 2 = 00387 465 = 1800% ASN(p 1 ) = 1105 = 3315 (Motsvarande värde för en enkel provtagningsplan med samma konsument- producentrisk: 43)

Väntevärde för antal kontrollerade glödlampor = ATI (p) = E[kontrollstorlek] = n 1 P(ξ 1 c 1 ) + (n 1 + n 2 )P(ξ 1 + ξ 2 c 2 ξ 1 > c 1 ) + NP(ξ 1 + ξ 2 r)

( ) P(ξ 1 c 1 ) = P(ξ 1 = 0) + P(ξ 1 = 1) + P(ξ 1 = 2) = 01 0 09 0 ( ) ( ) + 01 1 09 29 + 01 2 09 28 = 4114% 1 2 P(ξ 1 +ξ 2 c 2 ξ 1 > c 1 ) = P(ξ 2 = 0 ξ 1 = 3)P(ξ 1 = 3) + P(ξ 2 = 1 ξ 1 = 3)P(ξ 1 = 3) + P(ξ 2 = 0 ξ 1 = 4)P(ξ 1 = 4) ( ) ( ) = 01 0 09 01 1 09 27 0 3 ( ) ( ) + 01 1 09 29 01 3 09 27 1 3 ( ) ( ) + 01 0 09 01 4 09 26 = 5087% 0 4

P(ξ 1 + ξ 2 r) = 1 4114% 5087% = 5377% ATI (p) = n 1 P(ξ 1 c 1 ) + (n 1 + n 2 )P(ξ 1 + ξ 2 c 2 ξ 1 > c 1 ) + NP(ξ 1 + ξ 2 r) = 04114 + 60 00509 + 5000 05377 = 27039

Var(kontrollstorlek) = E[kontrollstorlek 2 ] E[kontrollstorlek] 2 = 2 04114 + 60 2 00509 + 5000 2 05377 27039 2 = 6132 10 6 Std(kontrollstorlek) = Var(kontrollstorlek) = 2476 Stor variation!