Statistische Proces Beheersing
|
|
- David Baert
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Statistische Proces Beheersing met casus de Knipfabriek Oosterhoorn Advies BV, 2010
2 Het product van de knipfabriek In de knipfabriek worden strookjes papier van de rol geknipt in een constante flow van productie. 10 ± 0,4 [centimeter] Oosterhoorn Advies BV,
3 Het productieteam Het productieteam bestaat uit de volgende personen Knipper: de werkelijke productie medewerker, knipt de strookjes Medewerker meetkamer: meet de lengte van de strookjes Medewerker kwaliteitsborging: beoordeelt de gemeten waarde en schrijft deze op (op strookje EN in computer) Aan de hand van steekproeven van steeds vijf strookjes wordt een beeld opgebouwd van de prestaties van het proces ten opzichte van de eisen die gesteld zijn. Oosterhoorn Advies BV,
4 Het product van de knipfabriek Het hele verhaal start met het opstellen van de specificatie van het product. Produkt eisen OTG N BTG T=BTG-OTG Oosterhoorn Advies BV,
5 Histogram Het maken van het histogram gebeurt aan de hand van de onderstaande rekenregels. 1. bepaal de range van de waarnemingen 2. deel range door wortel uit aantal waarnemingen dat geeft de klassebreedte 3. maak een klasse indeling (handzaam gekozen) 4. bepaal aantal waarnemingen per klasse 5. geef aantal waarnemingen weer door de hoogte van de staaf Standaard klasse aanduiding 10 - < valt wel in die klassen, 20 niet meer Als klassen niet even breed zijn, dan werken met frequentiedichtheid! Oosterhoorn Advies BV,
6 Histogram We bekijken de resultaten van de metingen door met de strookjes een histogram te maken en de verdeling te vergelijken met de eis Oosterhoorn Advies BV,
7 Tijdgrafiek De stabiliteit in de tijd wordt afgelezen van de tijdgrafiek van zowel de gemiddelde waarden per steekproef als de standaarddeviatie per steekproef. Snippie Knippie Produktnaam... Produktie serie P... SPB-KAART Produktcode... Bewerking... Materiaal Levering LE... wijzigingsdatum... /... /... Blad... van... Controle frequentie... /... Maat + Middel f ±0.4 cm X1 X2 X3 X4 X5 gemiddelde standaarddeviatie datum paraaf bijgesteld Oosterhoorn Advies BV,
8 Het proces van de knipfabriek We hebben nu de eis en we hebben een beeld van de prestatie van het proces Produkt eisen Proces prestaties OTG N BTG T=BTG-OTG Oosterhoorn Advies BV,
9 Visie op variatie Om nu een oordeel te kunnen geven over het hele proces, moeten we het beeld dat ontstaat op basis van de steekproef veralgemeniseren naar het hele proces. Daarvoor gebruiken we het model van de normale verdeling. Het beeld dat ontstaat uit het histogram wordt vertaald naar een nette vorm: de normale verdeling gekarakteriseerd door:! gemiddelde µ! standaarddeviatie Oosterhoorn Advies BV,
10 Intermezzo: De normale verdeling Oosterhoorn Advies BV,
11 De normale verdeling. De normale verdeling heeft twee parameters µ: het gemiddelde σ: de standaarddeviatie µ σ Standaard in de statistiek is te spreken over de gebieden zoals hierboven aangegeven van alle waarden. tussen µ-σ en µ+σ ligt 68,2% tussen µ-2σ en µ+2σ ligt 95,4% tussen µ-3σ en µ+3σ ligt 99,74% Oosterhoorn Advies BV,
12 Ontwikkeling van normale verdeling Eén van de eerste toepassing van de normale verdeling was de analyse van fouten van metingen bij astronomische gegevens, fouten die werden veroorzaakt door imperfecte instrumenten en imperfecte waarnemers. Galileo ontdekte in de 17e eeuw dat deze fouten symmetrisch rond 0 lagen en dat kleine fouten vaker voorkwamen dan grote fouten. Diverse pogingen zijn ondernomen om de variatie in een model te gieten, maar het was Gauss die in 1809 de formule van de normale verdeling ontwikkelde om de variatie in deze fouten te modelleren. Carl Friedrich Gauss Born: 30 April 1777 in Brunswick, Duchy of Brunswick Died: 23 Feb 1855 in Göttingen, Hanover Oosterhoorn Advies BV,
13 Ontwikkeling van normale verdeling De Belgische statisticus Lambert Quetelet was de eerste die statistische methoden toepaste op de studie van menselijke eigenschappen en daar ook weer de normale verdeling tegenkwam. De karakteristieken van het merendeel van de menselijke populatie liggen tussen bepaalde extremen, de vorm lijkt op de klokvorm. Quetelet is ook de ontwikkelaar voor de Quetelet index voor zwaarlijvigheid. Lambert Adolphe Jacques Quetelet, Galton was geïntrigeerd door de het werk van Quetelet en keek vooral naar intelligentie. Hij zag dat een heel klein aantal super intelligent was en een heel klein aantal volslagen idioot, de rest der mensheid zat daar tussenin, conform de vorm van de normale verdeling. Sir Francis Galton F.R.S Oosterhoorn Advies BV,
14 Kansberekening via Z-score Processtap geeft Z-score 1,13 kans Tabel van standaard normale verdeling 0 0,00 0,01 0,02 0,03 0,04 0 0, , , , , ,1 0, , , , , ,2 0, , , , , ,3 0, , , , , ,4 0, , , , , ,5 0, , , , , ,6 0, , , , , ,7 0, , , , , ,8 0, , , , , ,9 0, , , , , , , , , , ,1 0, , , , , ,2 0, , , , , ,3 0, , , , , ,4 0, , , , , ,5 0, , , , , ,6 0, , , , , ,7 0, , , , , ,8 0, , , , , ,9 0, , , , , , , , , ,
15 Gebruik van Excel Om de kans uit te rekenen kunnen we ook gebruik maken van Excel, via de functie N(μ; 2 ) μ-3 μ-2 μ- μ μ+ μ+2 μ+3 Cumulatief = 1 x Oosterhoorn Advies BV, 2010
16 Einde intermezzo: De normale verdeling capabiliteit met strookjes
17 Capabiliteits index C p en C pk De mate waarin een proces in staat kan zijn om te produceren binnen de gestelde grenzen, wordt uitgedrukt in een kengetal index Cp vergelijkt de tolerantiebreedte T met het variatiegebied van het proces, uitgedrukt in zes maal de standaarddeviatie C p index C pk bekijkt als het ware de minimale afstand van het procesgemiddelde tot de beide tolerantiegrenzen C pk T 6 BTG OTG min ; 3 3 N N N µ µ µ BTG BTG BTG C pk = 1.00 C pk = 1.33 C pk = capabiliteit met strookjes
18 Capabiliteits index C p De capabiliteitsindex C p meet de mate waarin het proces binnen de gestelde variatiebreedte van het tolerantiegebied zou kunnen produceren. Het vergelijkt de toegestane variatie T = BTG OTG met de 99,74% variatiebreedte van het proces, 6σ A Breedte procesvariatie B Breedte toegelaten variatie C p = A B Om de waarde van C p te berekenen wordt voor de waarde van σ de geschatte waarde van de standaarddeviatie gebaseerd op de binnen-steekproef variatie gebruikt R d of s 2 c capabiliteit met strookjes
19 Capabiliteits index C pk De capabiliteitsindex C pk geeft weer in welke mate het proces ook daadwerkelijk binnen de gestelde grenzen produceert. Het vergelijkt aan twee zijn de afstand tussen procesgemiddeld een tolerantiegrens (BTG-μ en μ-otg) met de eenzijdige 99,74% variatiebreedte van het proces, 3σ F E Breedte (eenzijdige) procesvariatie Toegelaten eenzijdige breedte variatie C Breedte (eenzijdige) procesvariatie D Toegelaten eenzijdige breedte variatie C pu = C pl = C D E F C pk = min(c pkl C pku ) capabiliteit met strookjes
20 Capabiliteits index C p en C pk Een paar situaties C p = 0,5 Het proces heeft 2 keer (1/0,5) zoveel ruimte nodig als toegestaan C p = 1,0 Het proces past precies binnen de grenzen, maar wat gebeurt er over langere termijn? C p = 2,0 C pk = 2,0 C p = 2,0 C pk = 1,0 Het proces zou veel beter kunnen, maar ligt verschoven C p = 2,0 C pk = 0, capabiliteit met strookjes
21 Capabiliteits index P p en P pk De indices C p en C pk maken gebruik van de korte termijn binnen-steekproef variatie en geven daarmee alleen aan wat het proces op korte termijn zou kunnen. Variatiebronnen die op langere termijn optreden, en die vooral tot uiting komen tussen de steekproeven, worden niet meegenomen in de beoordeling. Om dat te ondervangen zijn de indices P p en P pk opgesteld, die worden berekend op basis van de totale variatie in de dataset, dus zowel de binnen- als de tussen-steekproef variatie. P p T 6 P pk min BTG 3 ; OTG 3 Waarbij de waarde van σ wordt geschat met de totale standaarddeviatie Oosterhoorn Advies BV, 2010
22 Het proces van de knipfabriek We hebben nu een oordeel kunnen vellen over de mate waarin het proces in staat is binnen de gestelde grenzen te produceren. Produkt eisen Proces prestaties OTG N T=BTG-OTG BTG Capabiliteit (C p, C pk ) capabiliteit met strookjes
23 Het proces van de knipfabriek Er zijn verschillende situaties te onderscheiden als we het proces beoordelen in zowel de mogelijkheid om binnen de gestelde eisen te produceren als de stabiliteit in de tijd. Vier situaties voor een proces Statistisch onbeheerst proces Statistisch onbeheerst maar Technisch beheerst proces O nde rste T ole rantie G rens Bove nste T ole rantie G rens tijd tijd kwaliteits kenmerk kwaliteits kenmerk Statistisch beheerst proces Capabel proces O n de rste T ol era n ti e G re ns Bo ven ste T ol era n ti e G re ns tijd tijd kwaliteits kenmerk kwalite its kenm erk capabiliteit met strookjes
24 De capabiliteits indices Vanuit een beheerst proces kunnen de capabiliteitsindices (Cp, Cpk, Pp, Ppk ) berekend worden. Snippie Knippie Produktnaam... Produktie serie P... SPB-KAART Produktcode... Materiaal Levering LE... Bewerking... wijzigingsdatum... /... /... Blad... van... Controle frequentie... /... Maat + Middel ±0.4 cm X1 X2 X3 X4 X5 gemiddelde standaarddeviatie datum paraaf bijgesteld 24 f Cp = 0.54 Cpk =
25 De volgende stap Gezien de slechte prestaties van het eerdere proces wordt nu een verbeteractie uitgevoerd door de groepsleden zelf. Hoe moet het proces worden uitgevoerd zodat wel aan de eisen kan worden voldaan. Voorbeelden van 'betere' processen: gebruik maken van een malletje eerste stukjes van 10 cm vouwen en dan knippen Er moeten nog steeds met redelijke snelheid individuele strookjes geknipt worden met een schaar Aantoonbaarheid van verbetering Er worden in het verbeterde proces nu bijvoorbeeld acht groepjes van vijf strookjes geknipt en de resultaten daarvan worden weer op de regelkaart ingevuld
26 Werkwijze Omdat het hier gaat om reductie van variatie, zijn eerder aan bod gekomen methoden goed van toepassing, zoals een visgraat diagram. materiaal machine methode mens variatie in lengte van strookjes milieu meetmethode management
27 De nieuwe data De nieuwe data worden op de regelkaart bijgeschreven en de capabiliteitsindices worden berekend. Snippie Knippie Produktnaam... Produktie serie P... Produktcode... Materiaal Levering LE... Bewerking... SPB-KAART Blad... van... Controle frequentie... /... Maat + Middel 10 ±0.4 cm X1 X2 X3 X4 X5 gemiddelde standaarddeviatie datum paraaf bijgesteld 27 f wijzigingsdatum... /... / Cp = 0.54 Cpk = Cp = 1.47 Cpk = 1.44
28 Nieuwe proces beheersen De resultaten zijn nu wel tevredenstellend. Om deze situatie te handhaven worden de regelgrenzen uitgerekend en op de regelkaart geschreven. Deze grenzen geven aan in welke mate het steekproefgemiddelde en de steekproefrange kunnen variëren ten gevolge van proces inherente (normale) variatie. Als waarnemingen buiten de regelgrenzen komen, dan is dat een overtuigende aanwijzing dat er veranderingen zijn opgetreden in het proces cl BRG ORG Als er bepaalde patronen op de regelkaarten zichtbaar worden, dan zou dat een aanwijzing kunnen zijn voor een wijziging in het proces cl BRG ORG
29 Ontstaan van regelgrenzen De regelgrenzen ontstaan vanuit de eigenschappen van de normale verdeling. Van individuele waarnemingen Via de verdeling van vele individuele waarnemingen (histogram) En de statistische vertaling daarvan in de vorm van een normaalverdeling met twee karakteristieke maten (parameters) BRG cl ORG Naar beslissingsgrenzen voor de steekproefmaten (gemiddelde en range) BRG ORG = x = x + A = x = x - A 3 s 3 s
30 n-wet De berekening van de regelgrenzen is gebaseerd op een eigenschap van de variatie in de gemiddelde waarden, die als volgt (formeel opgeschreven) luidt: Als individuele waarden x 1, x 2,. normaal verdeeld zijn met een gemiddelde μ en een standaarddeviatie, dan zijn gemiddelden van n waarnemingen uit die verdeling normaal verdeeld met een gemiddelde μ en een standaarddeviatie / n / n 3 / n
31 Het proces van de knipfabriek We zijn nu op het punt aangekomen dat we, vanuit de gestelde eisen en het onderzoek naar de procesprestatie, het proces statistisch kunnen beheersen. Product eisen Proces prestaties OTG N T=BTG-OTG BTG Capabiliteit (C p, C pk ) Proces beheersing BRG cl ORG
32 De regelgrenzen voor de variatie Omdat de normaalverdeling een verdeling is met twee parameters, moeten er nog regelgrenzen bepaald worden voor de mate van variatie. Omdat we de variatie kunnen weergeven in de steekproefrange en de steekproefstandaarddeviatie, zijn daarvoor twee varianten. cl x X-kaart R-kaart cl R R BRG d x 3 x 3 x A R A x 2 2 n n d R ORG d x 3 x 3 x A R A x 2 2 n n d 2 cl x 2 3 X-kaart s BRG c x 3 x 3 x A s A x 3 3 n n c s ORG c x 3 x 3 x A s A x 3 3 n n c n n n n BRG R D 4 R ORG R D 3 R s-kaart cl s BRG s B 4 s ORG s B 3 s
33 De procesregelgrenzen Op basis van de data uit het verbeterde proces worden nu de regelgrenzen aangegeven. Dat betekent niets doen zolang de waarnemingen binnen de regelgrenzen liggen ingrijpen als er iest anders gebeurt Snippie Knippie Produktnaam... Produktie serie P... Produktcode... Materiaal Levering LE... Bewerking... SPB-KAART Blad... van... Controle frequentie... /... Maat + Middel 10±0.4 cm X1 X2 X3 X4 X5 gemiddelde standaarddeviatie datum paraaf bijgesteld f wijzigingsdatum... /... /... BRG = ORG = 9.89 BRG = Cp = 0.54 Cpk = 0.19 Cp = 1.47 Cpk =
34 Patronen op regelkaarten Er zijn diverse patronen te herkennen op een regelkaart. BRG BRG cl cl ORG Normaal patroon ORG Stijgende (dalende) trend BRG BRG cl cl ORG Een waarneming buiten de regelgrenzen ORG Stuiterend beeld BRG BRG cl cl ORG Zeven punten boven (onder) het gemiddelde ORG Golfpatroon BRG BRG cl ORG Zeven punten achtereenvolgend stijgend (dalend) cl ORG Achterhaalde regelgrenzen
35 Out of Control Actie Plan Een OCAP is een gestructureerde wijze van het vaststellen van de oorzaak van onbeheerst gedrag, gebaseerd op kennis uit verleden, en een voorstel tot een maatregel (remedie) om in het proces in te grijpen. categorisering naar type aanleiding per categorie een overzicht van meest waarschijnlijke oorzaken gedefinieerde eindpunten voor zoekgedrag continue terugkoppeling en leereffect Met de OCAP beheers niet alleen het gedrag als het goed gaat, maar ook het proces van oplossen van problemen
36 Out of Control Actie Plan Het mechanisme van de OCAP is in onderstaand schema weergegeven. A i : aanleiding, wat zie je op de regelkaart O i : wat is een mogelijke oorzaak R i : wat is de meest aangewezen remedie. BRG cl ORG ALARM, wat nu A 1 A n Volgorde zoekstrategie gebaseerd op kennis uit het verleden procent O? 1 n O? 2 n O? 3 n j j j R 1 R 2 R 3 O? 1 n O? 2 n O? 3 n j j j R 1 R 2 R 3 Het zoekproces kent dus voor ieder niveau ook een einde, we blijven niet eindeloos doorpielen raadpleeg andere dienst O? 4 n j raadpleeg andere dienst R
37 Out of Control Actie Plan De structuur van een OCAP kan er als volgt uitzien
38 Totaaloverzicht van het systeem van SPC Product eisen Proces prestaties OTG N T=BTG-OTG BTG Capabiliteit (C p, C pk ) Proces beheersing BRG cl ORG OCAP
39 Inbedding van Statistische ProcesBeheersing Om succesvol te zijn en van de volledige werkzaamheid van SPC te kunnen profiteren, zijn er een aantal aandachtspunten # interesse van het management # opleiding # kennis over de processen # weten hoe in te grijpen # laten zien dat er wat met de informatie wordt gedaan # verbinding tussen procesgedrag en patroon op regelkaart # beslissingen op basis van regelkaart eerbiedigen Aandacht voor kwaliteit betekent aandacht voor de makers
Statistische Proces Controle
Statistische Proces Controle Katrien Descamps Studente KU-Leuven Inhoud Hoofdstuk 1: Inleiding Hoofdstuk 2: Gegevens verzamelen en ordenen Hoofdstuk 3: Verwerken van de gegevens $1. Tolerantiegrenzen $2.
Nadere informatieG0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing
G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag
Nadere informatieEWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot
EWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot EWMA Control Charts in Statistical Process Monitoring Inez M. Zwetsloot Samenvatting EWMA Regelkaarten in Statistische Procesmonitoring
Nadere informatieExact Periode 5.1. Rekenvaardigheid Controlekaarten
Exact Periode 5.1 Rekenvaardigheid Controlekaarten 1 Rekenvaardigheid Opfrissen - Gebruik rekenmachine - Significantie - Afronden - Wetenschappelijke notatie - Eenheden omrekenen 2 Rekenmachine Casio
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Doel Beheersen van elementaire statistische technieken Toepassen van deze technieken op aardwetenschappelijke data 2 1 Leerstof Boek: : Introductory Statistics, door
Nadere informatieHoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1
Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 1 Onderwerpen van de lessenserie: De Normale Verdeling Nul- en Alternatieve-hypothese ( - en -fout) Steekproeven Statistisch toetsen Grafisch
Nadere informatieLes 1 Kwaliteitsbeheersing. Les 2 Kwaliteitsgegevens. Les 3 Introductie Statistiek. Les 4 Normale verdeling. Kwaliteit
Kwaliteit Les 1 Kwaliteitsbeheersing Introductie & Begrippen Monstername Les 2 Kwaliteitsgegevens Gegevens Verzamelen Gegevens Weergeven Les 3 Introductie Statistiek Statistische begrippen Statistische
Nadere informatieHoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 3 : Numerieke beschrijving van data Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Numerieke beschrijving van data p 1/31 Beschrijvende
Nadere informatieHOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN
HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN. Continue Verdelingen 1 A. De uniforme (of rechthoekige) verdeling Kansdichtheid en cumulatieve frequentiefunctie Voor x < a f(x) = 0 F(x) = 0 Voor a x
Nadere informatie1. Shewartkaart. σ (sigma): de standaarddeviatie. In een shewartkaart komen de gemeten waarden en nog 5 extra lijnen :
Controlekaarten 1 1. Shewartkaart 1.1 Wat is een shewartkaart? Een shewartkaart is een controlekaart. Gecontroleerd wordt of meetwaarden niet te veel afwijken van de waarde die je verwacht. Oorzaken van
Nadere informatieOverzicht statistiek 5N4p
Overzicht statistiek 5N4p EEB2 GGHM2012 Inhoud 1 Frequenties, absoluut en relatief... 3 1.1 Frequentietabel... 3 1.2 Absolute en relatieve frequentie... 3 1.3 Cumulatieve frequentie... 4 2 Centrum en spreiding...
Nadere informatieInleiding Applicatie Software - Statgraphics
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek /k 1/35 OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een
Nadere informatieInleiding statistiek
Inleiding Statistiek Pagina 1 uit 8 Inleiding statistiek 1. Inleiding In deze oefeningensessie is het de bedoeling jullie vertrouwd te maken met een aantal basisbegrippen van de statistiek, meer bepaald
Nadere informatieInleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje
Nadere informatieHoofdstuk 7: Statistische gevolgtrekkingen voor distributies
Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatie4.1 Eigenschappen van de normale verdeling [1]
4.1 Eigenschappen van de normale verdeling [1] Relatief frequentiepolygoon van de lengte van mannen in 1968 1 4.1 Eigenschappen van de normale verdeling [1] In dit plaatje is een frequentiepolygoon getekend.
Nadere informatieStatistiek basisbegrippen
MARKETING / 07B HBO Marketing / Marketing management Raymond Reinhardt 3R Business Development raymond.reinhardt@3r-bdc.com 3R 1 M Statistiek: wetenschap die gericht is op waarnemen, bestuderen en analyseren
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieStatistische variabelen. formuleblad
Statistische variabelen formuleblad 0. voorkennis Soorten variabelen Discreet of continu Bij kwantitatieve gegevens gaat het om meetbare gegeven, zoals temperatuur, snelheid of gewicht. Bij een discrete
Nadere informatieStatistische denkwijze. Oosterhoorn Advies BV,
Statistische denkwijze 1 Statistiek een methodiek, wetenschappelijk onderbouwd, die in praktische situaties optimaal geschikt is voor het verwerven en analyseren van waarnemingen onderhevig aan variabiliteit
Nadere informatieHoofdstuk 3 Statistiek: het toetsen
Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 3 oktober 006 Deel I Toevallige veranderlijken Steekproef Beschrijving van gegevens Histogram Gemiddelde en standaarddeviatie
Nadere informatieOplossingen hoofdstuk 7
Oplossingen hoofdstuk 7 1. X is normaal verdeeld met µ=5 en =2. Tussen welke grenzen liggen P Z z 0, 3 z 0, 52 P Z z 0, 7 z 0,52. a) 30, 70 De ondergrens is x30 5z30 2 50,52 2 3,96 De bovengrens isx 70
Nadere informatieOpgaven hoofdstuk 14 Methoden voor kwaliteitsverbetering
Opgaven hoofdstuk 14 Methoden voor kwaliteitsverbetering 14.1 Waaraan moet de variatie van een proces voldoen voordat een x -regelkaart wordt gebruikt om de uitvoer van het proces te registreren? Waarom?
Nadere informatieStatistiek ( ) ANTWOORDEN eerste tentamen
Statistiek (200300427) ANTWOORDEN eerste tentamen studiejaar 2010-11, blok 4; Taalwetenschap, Universiteit Utrecht. woensdag 18 mei 2011, 17:15-19:00u, Kromme Nieuwegracht 80, zaal 0.06. Schrijf je naam
Nadere informatieSOCIALE STATISTIEK (deel 2)
SOCIALE STATISTIEK (deel 2) D. Vanpaemel KU Leuven D. Vanpaemel (KU Leuven) SOCIALE STATISTIEK (deel 2) 1 / 57 Hoofdstuk 5: Schatters en hun verdeling 5.1 Steekproefgemiddelde als toevalsvariabele D. Vanpaemel
Nadere informatieStatistiek. Beschrijvende Statistiek Hoofdstuk 1 1.1, 1.2, 1.5, 1.6 lezen 1.3, 1.4 Les 1 Hoofdstuk 2 2.1, 2.3, 2.5 Les 2
INHOUDSOPGAVE Leswijzer...3 Beschrijvende Statistiek...3 Kansberekening...3 Inductieve statistiek, inferentiele statistiek...3 Hoofdstuk...3. Drie deelgebieden...3. Frequentieverdeling....3. Frequentieverdeling....4.5
Nadere informatieExact Periode 9.1. Rekenvaardigheid Controlekaarten
Exact Periode 9.1 Rekenvaardigheid Controlekaarten Rekenvaardigheid Opfrissen - Gebruik rekenmachine - Significantie - Afronden - Wetenschappelijke notatie - Eenheden omrekenen Exact Periode 9.1 2 Rekenmachine
Nadere informatiePraktische opdracht Wiskunde Statistiek
Praktische opdracht Wiskunde Statistiek Praktische-opdracht door R. 3948 woorden 5 december 2016 2,8 3 keer beoordeeld Vak Wiskunde Scoreformulier: Statistisch onderzoek havo 4 wiskunde A Namen groepsleden:
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS. Kansmodellen. 4. Het steekproefgemiddelde. Werktekst voor de leerling. Prof. dr. Herman Callaert
VOOR HET SECUNDAIR ONDERWIJS Kansmodellen 4. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg . Een concreet voorbeeld.... Een kansmodel
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatieHerkansing eindtoets statistiek voor HBO
Herkansing 1A 1 Herkansing eindtoets statistiek voor HBO Schrijf de antwoorden op de vragen alleen op deze pagina s. Antwoorden geschreven op andere vellen papier worden niet meegenomen in de beoordeling.
Nadere informatieStatistiek = leuk + zinvol
Statistiek = leuk + zinvol Doel 1: Doel : Doel 3: zie titel een statistisch onderzoek kunnen beoordelen een statistisch onderzoek kunnen opzetten een probleem vertalen in standaardmethoden gegevens verzamelen,
Nadere informatieHOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES
HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieHiermee rekenen we de testwaarde van t uit: n. 10 ( x ) ,16
modulus strepen: uitkomst > 0 Hiermee rekenen we de testwaarde van t uit: n 10 ttest ( x ) 105 101 3,16 n-1 4 t test > t kritisch want 3,16 >,6, dus 105 valt buiten het BI. De cola bevat niet significant
Nadere informatie3.1 Procenten [1] In 1994 zijn er 3070 groentewinkels in Nederland. In 2004 zijn dit er nog 1625.
3.1 Procenten [1] In 1994 zijn er 3070 groentewinkels in Nederland. In 2004 zijn dit er nog 1625. Absolute verandering = Aantal 2004 Aantal 1994 = 1625 3070 = -1445 Relatieve verandering = Nieuw Oud Aantal
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 7 Dinsdag 11 Oktober 1 / 33 2 Statistiek Vandaag: Populatie en steekproef Maten Standaardscores Normale verdeling Stochast en populatie Experimenten herhalen 2 / 33 3
Nadere informatiePopulaties beschrijven met kansmodellen
Populaties beschrijven met kansmodellen Prof. dr. Herman Callaert Deze tekst probeert, met voorbeelden, inzicht te geven in de manier waarop je in de statistiek populaties bestudeert. Dat doe je met kansmodellen.
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatieHoofdstuk 5: Steekproevendistributies
Hoofdstuk 5: Steekproevendistributies Inleiding Statistische gevolgtrekkingen worden gebruikt om conclusies over een populatie of proces te trekken op basis van data. Deze data wordt samengevat door middel
Nadere informatieHoofdstuk 10: Regressie
Hoofdstuk 10: Regressie Inleiding In dit deel zal uitgelegd worden hoe we statistische berekeningen kunnen maken als sprake is van één kwantitatieve responsvariabele en één kwantitatieve verklarende variabele.
Nadere informatieHoofdstuk 2 De normale verdeling. Kern 1 Normale verdelingen. 1 a
Hoofdstuk De normale verdeling Kern Normale verdelingen a percentage 30 0 0 57 6 67 7 77 8 87 9 97 0 07 De polygoon heeft een klokvorm. b In totaal is 0, + 0,9 + 3,3 +,0 +,3 + 7,3= 50,5 procent van de
Nadere informatieFrequentiematen voor ziekte: Hoe vaak komt de ziekte voor
Frequentiematen voor ziekte: Hoe vaak komt de ziekte voor 4 juni 2012 Het voorkomen van ziekte kan op drie manieren worden weergegeven: - Prevalentie - Cumulatieve incidentie - Incidentiedichtheid In de
Nadere informatieHoofdstuk 5 Een populatie: parametrische toetsen
Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie
Nadere informatieOnderzoeksmethodiek LE: 2
Onderzoeksmethodiek LE: 2 3 Parameters en grootheden 3.1 Parameters Wat is een parameter? Een karakteristieke grootheid van een populatie Gem. gewicht van een 34-jarige man 3.2 Steekproefgrootheden Wat
Nadere informatieStatistiek: Vorm van de verdeling 1/4/2014. dr. Brenda Casteleyn
Statistiek: Vorm van de verdeling /4/204 . Theorie Enkel de theorie die nodig is voor de oefeningen is hierin opgenomen. Scheefheid of asymmetrie Indien de meetwaarden links van de mediaan meer spreiding
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 5 oktober 007 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatiewerkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions
cursus 4 mei 2012 werkcollege 5 - P&D7: Population distributions - P&D8: Sampling variability and Sampling distributions Huiswerk P&D, opgaven Chapter 6: 9, 19, 25, 33 P&D, opgaven Appendix A: 1, 9 doen
Nadere informatie2 Data en datasets verwerken
Domein Statistiek en kansrekening havo A 2 Data en datasets verwerken 1 Data presenteren 1.3 Representaties In opdracht van: Commissie Toekomst Wiskunde Onderwijs 1 Data presenteren 1.1 Introductie In
Nadere informatieStatistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn
Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel
Nadere informatieStoeien met Statistiek
Stoeien met Statistiek Havo 4: Statistiek op grote datasets 2 Inhoudsopgave Achtergrondinformatie... 4 Docentenhandleiding... 5 Inleiding voor leerlingen... 6 Opdracht 1... 7 Opdracht 2... 8 Opdracht 3...
Nadere informatieExamenprogramma wiskunde A vwo
Examenprogramma wiskunde A vwo Het eindexamen Het eindexamen bestaat uit het centraal examen en het schoolexamen. Het examenprogramma bestaat uit de volgende domeinen: Domein A Vaardigheden Domein Bg Functies
Nadere informatieWerkblad 1 Normale dichtheidsfunctie als benadering voor een klokvormig histogram
Werkblad 1 Normale dichtheidsfunctie als benadering voor een klokvormig histogram Probeer zeker de opdrachten 1, 4 en 6 te maken. 1. In de tabel hieronder vind je gegevens over de borstomtrek van 5732
Nadere informatieStatistiek voor Natuurkunde Opgavenserie 1: Kansrekening
Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail
Nadere informatie11.0 Voorkennis. Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k)
11.0 Voorkennis Let op: Cumulatieve binomiale verdeling: P(X k) = binomcdf(n,p,k) Wanneer je met binomcdf werkt, werk je dus altijd met een kans van de vorm P(X k) Voorbeeld 1: Binomiaal kanseperiment
Nadere informatieWiskunde D Online uitwerking 4 VWO blok 5 les 3
Paragraaf 10 De standaard normale tabel Opgave 1 a Er geldt 20,1 16,6 = 3,5 C. Dit best wel een fors verschil, maar hoeft niet direct heel erg uitzonderlijk te zijn. b Er geldt 167 150 = 17. Dat valt buiten
Nadere informatiePopulatie: De gehele groep elementen waarover informatie wordt gewenst.
Statistiek I Werkcollege 1 Populatie: De gehele groep elementen waarover informatie wordt gewenst. Steekproef: Gedeelte van de populatie dat feitelijk wordt onderzocht om informatie te vergaren. Eenheden:
Nadere informatie+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.
STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.
Nadere informatieVoorbeelden van gebruik van 5 VUSTAT-apps
Voorbeelden van gebruik van 5 VUSTAT-apps Piet van Blokland Begrijpen van statistiek door simulaties en visualisaties Hoe kun je deze apps gebruiken bij het statistiek onderwijs? De apps van VUSTAT zijn
Nadere informatieVOOR HET SECUNDAIR ONDERWIJS
VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg
Nadere informatieLes 1: Waarschijnlijkheidrekening
Les 1: Waarschijnlijkheidrekening A Men neemt een steekproef van 1000 appelen. Deze worden ingedeeld volgens gewicht en volgens symptomen van een bepaalde schimmel: geen, mild, gematigd of ernstig. Het
Nadere informatieSPSS Introductiecursus. Sanne Hoeks Mattie Lenzen
SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen
Nadere informatieMeten en experimenteren
Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt
Nadere informatieBeoordelingsmodel. Antwoorden VWO wa I. Deelscores. Meer neerslag
Beoordelingsmodel Antwoorden VWO wa 005-I Meer neerslag Maximumscore de opmerking dat de gemiddelde jaarlijkse neerslag in beide plaatsen gelijk is De standaardafwijking in Winterswijk is groter (en dus
Nadere informatieOpgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies
Opgeloste Oefeningen Hoofdstuk 6: Steekproeven en empirische distributies 6.. Uit een normaal verdeeld universum X met gemiddelde waarde µ = en standaardafwijking σ = worden 0 onafhankelijke steekproefwaarden
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Woensdag 7 Oktober 1 / 51 Kansrekening en Statistiek? Bevordert luieren de fantasie? Psychologie 2 / 51 Kansrekening en Statistiek? Bevordert luieren de fantasie? Psychologie
Nadere informatieToetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling
Toetsende Statistiek, Week 2. Van Steekproef naar Populatie: De Steekproevenverdeling Moore, McCabe & Craig: 3.3 Toward Statistical Inference From Probability to Inference 5.1 Sampling Distributions for
Nadere informatieDOEN! - Praktische Opdracht Statistiek 4 Havo Wiskunde A
DOEN! - Praktische Opdracht Statistiek 4 Havo Wiskunde A Docentenhandleiding 1. Voorwoord Doel van de praktische opdracht bij het hoofdstuk over statistiek 1 : Het doel van de praktische opdracht (PO)
Nadere informatie6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Basistechnieken 6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. x 0 2 4 6 p(x) ¼ ¼ ¼ ¼ a. Schrijf alle mogelijke verschillende steekproeven van n =
Nadere informatie5.0 Voorkennis. Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram:
5.0 Voorkennis Er zijn verschillende manieren om gegevens op een grafische wijze weer te geven: 1. Staafdiagram: De lengte van de staven komt overeen met de hoeveelheid; De staven staan meestal los van
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 16 Donderdag 4 November 1 / 25 2 Statistiek Indeling: Schatten Correlatie 2 / 25 Schatten 3 / 25 Schatters: maximum likelihood schatters Def. Zij Ω de verzameling van
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatie8. Analyseren van samenhang tussen categorische variabelen
8. Analyseren van samenhang tussen categorische variabelen Er bestaat een samenhang tussen twee variabelen als de verdeling van de respons (afhankelijke) variabele verandert op het moment dat de waarde
Nadere informatieNiet de hoogte, wel de oppervlakte. Aandachtspunten bij. - statistische technieken voor een continue veranderlijke
Niet de hoogte, wel de oppervlakte Prof. dr. Herman Callaert Aandachtspunten bij - statistische technieken voor een continue veranderlijke - de interpretatie van een histogram - de normale dichtheidsfunctie
Nadere informatiePVT-WERKBOEK CLUSTER: Pagina 1
PVT-WERKBOEK NAAM : TEAM : CLUSTER: Pagina 1 Voorwoord Met verbeterteams zult u de theorie in praktijk kunnen brengen. Dit programma laat u zien hoe u kwaliteitsverbetering tot een integraal onderdeel
Nadere informatieKwaliteitsverbetertechnieken
pag.: 1 van 6 Kwaliteitsverbetertechnieken In dit artikel behandelen we een aantal relatief eenvoudige technieken. Deze kunnen we gebruiken bij het beoordelen en/of gezamenlijk met de leverancier opzetten
Nadere informatieParagraaf 5.1 : Frequentieverdelingen
Hoofdstuk 5 Beschrijvende statistiek (V4 Wis A) Pagina 1 van 7 Paragraaf 5.1 : verdelingen Les 1 Allerlei diagrammen = { Hoe vaak iets voorkomt } Relatief = { In procenten } Absoluut = { Echte getallen
Nadere informatieOefenvragen bij Statistics for Business and Economics van Newbold
Oefenvragen bij Statistics for Business and Economics van Newbold Hoofdstuk 1 1. Wat is het verschil tussen populatie en sample? De populatie is de complete set van items waar de onderzoeker in geïnteresseerd
Nadere informatieHoofdstuk 6 Twee populaties: parametrische toetsen
Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieLes 1: de normale distributie
Les 1: de normale distributie Elke Debrie 1 Statistiek 2 e Bachelor in de Biomedische Wetenschappen 18 oktober 2018 1 Met dank aan Koen Van den Berge Indeling lessen Elke bullet point is een week. R en
Nadere informatieStatistiek voor A.I. College 12. Dinsdag 23 Oktober
Statistiek voor A.I. College 12 Dinsdag 23 Oktober 1 / 20 2 Deductieve statistiek Orthodoxe statistiek 2 / 20 3 / 20 Jullie - onderzoek Wivine Tijd waarop je opstaat (uu:mm wordt weergeven als uumm). Histogram
Nadere informatie1. De wereld van de kansmodellen.
STATISTIEK 3 DE GRAAD.. De wereld van de kansmodellen... Kansmodellen X kansmodel Discreet model Continu model Kansverdeling Vaas Staafdiagram Dichtheidsfunctie f(x) GraJiek van f Definitie: Een kansmodel
Nadere informatieExamen G0N34 Statistiek
Naam: Richting: Examen G0N34 Statistiek 8 september 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium
Nadere informatieTIP 10: ANALYSE VAN DE CIJFERS
TOETSTIP 10 oktober 2011 Bepaling wat en waarom je wilt meten Toetsopzet Materiaal Betrouw- baarheid Beoordeling Interpretatie resultaten TIP 10: ANALYSE VAN DE CIJFERS Wie les geeft, botst automatisch
Nadere informatieHoofdstuk 9 De Normale Verdeling. Kern 1 Normale verdelingen. Netwerk, 4 Havo A, uitwerkingen Hoofdstuk 9, De Normale Verdeling Elleke van der Most
Hoofdstuk 9 De Normale Verdeling Kern Normale verdelingen a percentage 30 0 0 57 6 67 7 77 8 87 9 97 0 07 De polygoon heeft een klokvorm. b De gemiddelde lengte valt in de klasse 80 84 cm. Omdat 8 precies
Nadere informatieTI83-werkblad. Vergelijkingen bij de normale verdeling
TI83-werkblad Vergelijkingen bij de normale verdeling 1. Inleiding Een normale verdeling wordt bepaald door de constanten µ en σ. Dit blijkt uit het voorschrift van de verdelingsfunctie van de normale
Nadere informatieEindexamen wiskunde A1-2 vwo 2005-I
Eindexamen wiskunde A- vwo 005-I 4 Beoordelingsmodel Meer neerslag de opmerking dat de gemiddelde jaarlijkse neerslag in beide plaatsen gelijk is De standaardafwijking in Winterswijk is groter (en dus
Nadere informatieWe illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten
Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 9 Dinsdag 18 Oktober 1 / 1 2 Statistiek Vandaag: Centrale Limietstelling Correlatie Regressie 2 / 1 Centrale Limietstelling 3 / 1 Centrale Limietstelling St. (Centrale
Nadere informatieCollege 4 Inspecteren van Data: Verdelingen
College Inspecteren van Data: Verdelingen Inleiding M&T 01 013 Hemmo Smit Overzicht van deze cursus 1. Grondprincipes van de wetenschap. Observeren en meten 3. Interne consistentie; Beschrijvend onderzoek.
Nadere informatieRekenen met de normale verdeling (met behulp van grafisch rekentoestel)
Rekenen met de normale verdeling (met behulp van grafisch rekentoestel) In 1947 werd in opdracht van N.V. Magazijn De Bijenkorf een statistisch onderzoek verricht naar de lichaamsafmetingen van de Nederlandse
Nadere informatieRobuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid
Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S390) op 17-11-2003 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 2218) en van een zakrekenmachine.
Nadere informatiewerkcollege 6 - D&P9: Estimation Using a Single Sample
cursus 9 mei 2012 werkcollege 6 - D&P9: Estimation Using a Single Sample van frequentie naar dichtheid we bepalen frequenties van meetwaarden plot in histogram delen door totaal aantal meetwaarden > fracties
Nadere informatieStatistiek I Samenvatting. Prof. dr. Carette
Statistiek I Samenvatting Prof. dr. Carette Opleiding: bachelor of science in de Handelswetenschappen Academiejaar 2016 2017 Inhoudsopgave Hoofdstuk 1: Statistiek, gegevens en statistisch denken... 3 De
Nadere informatie