LMA521: Statistisk kvalitetsstyrning

Relevanta dokument
LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

LMA522: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

LMA521: Statistisk kvalitetsstyrning

Kap 3: Diskreta fördelningar

LMA521: Statistisk kvalitetsstyrning

Tillämpad matematisk statistik LMA521 Tentamen

Tentamen LMA 200 Matematisk statistik,

SF1901 Sannolikhetsteori och statistik I

Matematisk statistik LKT325 Tentamen med lösningar

Tentamen i Matematisk statistik Kurskod S0001M

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

F9 SAMPLINGFÖRDELNINGAR (NCT

4 Diskret stokastisk variabel

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Övningstentamen i matematisk statistik

Avd. Matematisk statistik

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

TAMS65 - Föreläsning 6 Hypotesprövning

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

TAMS65 - Föreläsning 6 Hypotesprövning

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

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 27 mars 2004, kl

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

LMA201/LMA521: Faktorförsök

Tentamen i Matematisk statistik Kurskod S0001M

F10 Problemlösning och mer om konfidensintervall

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

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

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl

Tentamen i Matematisk statistik Kurskod S0001M

LKT325/LMA521: Faktorförsök

Svar till gamla tentamenstal på veckobladen

Matematisk statistik KTH. Formelsamling i matematisk statistik

Föreläsning 4: Konfidensintervall (forts.)

Tentamen i Matematisk statistik Kurskod S0001M

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

SF1901: Sannolikhetslära och statistik. Mer om Approximationer

10. Konfidensintervall vid två oberoende stickprov

Tentamen i matematisk statistik (92MA31, STN2) kl 08 12

Tentamen i Matematisk statistik Kurskod S0001M

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

Jörgen Säve-Söderbergh

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Kap 2. Sannolikhetsteorins grunder

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

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Föreläsning 12: Regression

Formel- och tabellsamling i matematisk statistik

Föreläsning 5. Kapitel 6, sid Inferens om en population

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

TAMS65 - Föreläsning 8 Test av fördelning χ 2 -test

Föreläsning G60 Statistiska metoder

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

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

TMS136. Föreläsning 11

Föreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Lärare 1. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

TENTAMEN I MATEMATISK STATISTIK 19 nov 07

1.1 Diskret (Sannolikhets-)fördelning

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

Avd. Matematisk statistik

F9 Konfidensintervall

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

TAMS65 - Föreläsning 12 Test av fördelning

TENTAMEN Datum: 14 feb 2011

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

1.1 Diskret (Sannolikhets-)fördelning

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

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

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

4.2.1 Binomialfördelning

Mer om konfidensintervall + repetition

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl

Studietyper, inferens och konfidensintervall

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

TAMS65 - Föreläsning 12 Test av fördelning

Transkript:

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 4 Genomsnittslig utgående kvalitet 5 Genomgång av problem 124 från boken

Sekventiell provtagningsplan För resonemanget från dubbel provtagningsplan vidare Från urval 2 kan man gå vidare till urval 3 etc Detta kallas för sekventiell provtagningsplan ( Ingår inte i kursen!) Figur: För varje kontrollerad enhet undersöker man ifall antal defekta är inom intervallet (mellan röd och grön linje)

Genomsnittsligt provuttag Vi vill ha ett mått på hur många enheter vi i genomsnitt kommer att kontrollera Denition: Genomsnittsligt provuttag ASN(p) = genomsnittsligt provuttag (Average Sample Number) Förväntat antal enheter kontrollerade för given provtagningsplan och p-värde ASN(p) = N kp(accepterar eller avvisar då k kontrollerats) k=0 Enkel provtagningsplan Man kontrollerar alltid n:st enheter ASN(p) = n Dubbel provtagningsplan ASN(p) = n 1 + n 2 P(c 1 < ξ 1 (p) < r 1 )

Problem: 116 Beräkna ASN för ett parti med felkvoten 6% Använd den dubbla provtagningsplanen n 1 = 30, n 2 = 60, c 1 = 0, c 2 = 2 och r 1 = r 2 = 3

Problem: 116 Beräkna ASN för ett parti med felkvoten 6% Använd den dubbla provtagningsplanen n 1 = 30, n 2 = 60, c 1 = 0, c 2 = 2 och r 1 = r 2 = 3 Lösning: 116 p = 006 och vi antar binomialapproximation ( n N < 01) som vanligt ξ 1 Bin(n = 30, p = 006) P(0 < ξ 1 < 3) = 2 k=1 ( ) 30 006 k 094 30 k k 30 29 = 30 006 01662 + 00036 01768 = 576% 2 ASN(6%) = 30 + 60 0576 = 6456

Tabell: Tabell för dubbel provtagningsplan när n 2 = n 1 och α = 5%, β = 10% Provtagningsplan nr p 2 p 1 Approximativt Acceptanstal värde på np 1 dp L(p) = c 1 c 2 095 050 010 Approx värde på ASN(p)/n 1 1 1190 0 1 021 100 250 1170 2 754 1 2 052 182 392 1081 3 679 0 2 043 142 296 1340 Sista kolumnen i tabellerna för dubbel provtagningsplan ger oss ett approximativt värde för ASN(p 1 )

Genomsnittslig kontrollomfattning Vad gör man efter att man valt att avvisa ett helt parti? I många fall vill man kontrollera hela partiet för att få en förståelse för varför så många var defekta och för att sälja de som faktiskt fungerade ATI är ett mått som berättar hur många man genomsnittsligt kan behöva kontrollera givet att ett avvisat parti allkontrolleras Denition: Genomsnittslig kontrollomfattning ATI(p) = genomsnittslig kontrollomfattning (Average Total Inspection) Förväntat antal enheter som kommer kontrolleras ATI (p) = N kp(accepterar då k kontrollerats) k=0 + NP(Partiet avvisas)

Enkel provtagningsplan ATI (p) = nl(p) + N(1 L(p)) Dubbel provtagningsplan 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 r 1 ) (ξ 1 + ξ 2 r 2 ))

Exempel: dubbel provtagningsplan Antag provtagningsplanen n 1 = 20, n 2 = 30, c 1 = 2, r 1 = 5, c 2 = 4, r 2 = 5 Partiet består av N = 1000 enheter Vad blir ATI (p = 10%)?

Lösning: första termen Antag binomialfördelning: ξ 1 Bin(n = 20, p = 10%) n 1 P(ξ c 1 ) = ( 2 20 ) 20 k=0 k 01k 09 20 k = 20 06769 = 13538

Lösning: andra termen ξ 2 Bin(n = 30, p = 10%) P((ξ 1 + ξ 2 c 2 ) (ξ 1 > c 1 )) = P(ξ 2 0) = 09 30 = 4239% 4 P(ξ 2 4 k)p(ξ 1 = k) k=3 P(ξ 2 1) = 4239% + 30 01 09 29 = 18369% ( ) 20 P(ξ 1 = 3) = 01 3 09 17 = 19012% 3 ( ) 20 P(ξ 1 = 4) = 01 4 09 16 = 8978% 4 (n 1 + n 2 )P((ξ 1 + ξ 2 c 2 ) (ξ 1 > c 1 )) = 50(01837 01901 + 00424 00898) = 1936

Lösning: tredje termen P((ξ 1 r 1 ) (ξ 1 + ξ 2 > c 2 )) = P(ξ 1 + ξ 2 5) 4 = P(ξ 1 5) + P(ξ 2 5 k)p(ξ 1 = k) k=3 P(ξ 1 = 3) = 19012%, P(ξ 1 = 4) = 8978% P(ξ 1 5) = 1 P(ξ 1 4) = 1 0677 019 009 = 43% P(ξ 2 5 3) = 1 P(ξ 2 1) = 8163% P(ξ 2 5 4) = 1 P(ξ 2 0) = 9576% P((ξ 1 r 1 ) (ξ 1 + ξ 2 > c 2 )) = 0043 + 0816 019 + 0958 009 = 2843% N 02843 = 2843

Exempel: dubbel provtagningsplan Antag provtagningsplanen n 1 = 20, n 2 = 30, c 1 = 2, r 1 = 5, c 2 = 4, r 2 = 5 Partiet består av N = 1000 enheter Vad blir ATI (p = 10%)? Lösning: ATI (01) = 1354 + 194 + 2843 = 29978

Genomsnittlig utgående kvalitet Man kan också vara intresserad av den genomsnittsliga utgående felkvoten Detta säger någonting om hur eektiv kvalitetsstyrningen har varit Denition: Genomsnittlig utgående kvalitet AOQ(p) = genomsnittslig utgående kvalitet (Average Outgoing Quality) Förväntad sannolikhet att en enhet är trasig hos de enheter som skickas vidare efter kvalitetskontrollen AOQ(p) = n k=0 D k P(d = k acceptera) N Detta värde blir samma oavsett om man väljer att allkontrollera alla avvisade partier eller bara slänga dem

Enkel provtagningsplan Dubbel provtagningsplan AOQ(p) pl(p) N n N AOQ(p) p N n 1 N A 1 + p N n 1 n 2 N A 1 = P(ξ 1 c 1 ) A 2 A 2 = P((c 1 < ξ 1 < r 1 ) (ξ 1 + ξ 2 r 2 ))

Problem: 124 a) Antag att du har en enkel provtagningsplan n = 80, c = 3 Partistorleken är 1000 enheter Beräkna den genomsnittsliga utgående kvaliteten vid en ingående felkvot på 5%

Problem: 124 a) Antag att du har en enkel provtagningsplan n = 80, c = 3 Partistorleken är 1000 enheter Beräkna den genomsnittsliga utgående kvaliteten vid en ingående felkvot på 5% Lösning: 124 a) Enligt denition: AOQ(p) = c D k k=0 N P(ξ = k) = {binomial approximation} = 3 k=0 (005 k N )( ) 80 k 005k 095 80 k = 205% Enligt approximation: AOQ(p) 005 L(005) 103 80 = ( 10 3 3 ( 005 80 ) ) i=0 i 005i 095 80 i 920 = 10 3 0046 0428 = 1969%

Maximal genomsnittlig utgående kvalitet Ett stort AOQ värde är dåligt (mer defekta enheter) AOQL är det största AOQ värdet som kan fås för given provtagningsplan Denition: Gränsen för genomsnittlig utgående kvalitet AOQL(p) = gränsen för genomsnittslig utgående kvalitet (Average Outgoing Quality Limit) Ingår inte i kursen AOQL(p) = max 0 p 1

Acceptanskontroll enligt variabelmetoden Tidigare: (godkänd eller defekt) Om kontrollen innebär att man mäter någonting och får ett kvantitativt värde så får man egentligen mer information än sant/falskt Givet vissa antaganden kan man dra slutsatser med mindre antal mätningar än för attributmetoden Mätningarna antas fördelad som någon sannolikhetsfördelning med okända parametrar Parametrarna skattas från mätningarna Sannolikheten att ett kravvärde överskrids räknas ut Ingår inte i kursen

Sammanfattning av dagens innehåll Genomsnittsligt provuttag (ASN(p)) Genomsnittsligt antalet kontrollerade enheter per parti Fördelen med dubbel provtagningsplan framför enkel är att ASN kan göras mindre Genomsnittslig kontrollomfattning (ATI (p)) Om man antar allkontroll av avvisade partier ATI beskriver det genomsnittsliga antalet enheter som måste kontrolleras Genomsnittslig utgående kvalitet (AOQ(p)) Sannolikheten att en slumpmässigt vald enhet är defekt efter att den lämnat fabriken