Lean Six Sigma Proefexamen Green Belt for Industry/Services

Maat: px
Weergave met pagina beginnen:

Download "Lean Six Sigma Proefexamen Green Belt for Industry/Services"

Transcriptie

1 Lean Six Sigma Proefexamen Green Belt for Industry/Services Naam van de Green Belt: Controleer of u het correcte examen heeft. Dit is het Green Belt Examen for Services. Het is een open boek examen. Het is toegestaan om boeken en aantekeningen te gebruiken. Het is niet toegestaan om een rekenmachine, telefoon, tablet of computer te gebruiken. Gelieve uw antwoord te omcirkelen. Berekening van punten Score = 10(#correct 10) / 30 De score wordt afgerond op halven, met uitzondering van het cijfer 5,5. Het examen bestaat uit 40 vragen. This material is intellectual property of the Institute for Business and Industrial Statistics of the University of Amsterdam (IBIS UvA)

2 1 DMAIC 7: Pas de procesbeheersing aan De Green Belt (GB) implementeert nieuwe werkprocedures. Om naleving van de procedures te borgen, organiseert ze wekelijkse coachingsessies. In zo n sessie controleren teamleiders of de teamleden de procedures volgen. Zo niet, dan helpt de teamleider de teamleden om dit wel te doen. Waar nodig worden de werkinstructies verder verbeterd. Volgens Juran is dit een voorbeeld van a) Visueel management. b) Kwaliteitsverbetering, waar management het proces continu verbetert. c) Kwaliteitscontrole, waar het management personeel controleert en faciliteert. d) Een regelkaart met OCAP. 2 Probability Plot of TT Normal - 95% CI Mean 6,528 StDev 2,205 N 50 AD 0,420 P-Value 0, Percent TT De afbeelding hierboven gaat over de CTQ: Totale Tijd. Dit is de totale tijd die nodig is voor het verwerken van een aanvraag. Wat is waar? a) De p-waarde (p-value) is hoog: er is geen relatie tussen de CTQ en Percent. b) Er moet een uitschieter verwijderd worden voor verdere analyse. c) De CTQ volgt een normale verdeling. d) 1 van de 50 tijden voldoet niet aan de klanteisen.

3 3 4, ,8 3,6 UCL=3,649 3,4 _ X=3,335 3,2 3, LCL=3,022 In DMAIC 3 maakt de GB de regelkaart hierboven. Wat is de volgende stap? a) Het proces is niet in control, ga verder naar de control-fase van DMAIC. b) Zoek uit wat de uitschieters veroorzaakt heeft. c) Splits de dataset in twee delen, en maak voor beide delen een aparte regelkaart. d) Bepaal de klanteisen (LSL en USL). 4 Binnenkomende aanvragen Stap 1 Stap 2 Stap 3 Takttijd: 3 min. Taktrate: 20 aanvragen/uur BWT: 5 min. BWT: 2 min. BWT:10 min. Aanvragen worden verwerkt in drie processtappen. De totale bewerkingstijd (BWT) van iedere processtap is gegeven. Er is minimale variatie in werkaanbod en bewerkingstijden. Hoeveel medewerkers zijn in totaal nodig om deze drie processtappen te bemensen? a) 3. b) 7. c) 10. d) 17.

4 5 Hoe is men op de naam Six Sigma gekomen voor het verbeterprogramma? a) Omdat alle processen maximaal 6 van het gemiddelde mogen afwijken. b) Omdat de methode is ontstaan uit de statistiek. c) Het is een symbolische naam voor het streven naar extreem weinig defecten. d) Het is bedacht tijdens de 6 e reorganisatie van Motorola. 6 In een distributiecentrum meet een GB dagelijks het werkvolume, en de benodigde tijd (BT) voor het verzamelen van een order. Ze gebruikt een database waar de dagelijkse volumes in staan, en met tijdsregistratieformulieren gaat ze de tijden meten. Met wat voor variabelen heeft ze te maken? a) Werkvolume is categorisch, BT is categorisch. b) Werkvolume is numeriek, BT is categorisch. c) Werkvolume is categorisch, BT is numeriek. d) Werkvolume is numeriek, BT is numeriek.

5 7 Een GB heeft een regressie uitgevoerd om te bestuderen of X een effect heeft op haar CTQ: Y. Regression Analysis: CTQ versus X The regression equation is CTQ = X S = 1.40 R-Sq = 34.8% R-Sq(adj) = 32.5 % Analysis of Variance Source DF SS MS F P Regression Error Total Gegeven de bovenstaande analyse, welke bewering is waar? a) X verklaart het grootste deel van de variatie in Y. b) X heeft geen significant effect op Y. c) De voorspelde waarde voor Y is 2,05 indien X=2. d) De P-waarde is te laag voor betrouwbare conclusies. 8 Welke uitspraak is niet waar: a) Groep 1 lijkt meer scheef verdeeld. b) Uit de grafiek kunnen we de gemiddelden van beide groepen aflezen. c) De spreiding in Groep 2 is groter. d) Ongeveer de helft van de metingen in Groep 2 is groter dan 3.9.

6 9 Two-Sample T-Test and CI: Groep 1, Groep 2 Two-sample T for Groep 1 vs Groep 2 N Mean StDev SE Mean Groep Groep Difference = mu (Groep 1) - mu (Groep 2) Estimate for difference: % CI for difference: ( , ) T-Test of difference = 0 (vs not =): T-Value = P-Value = DF = 14 Both use Pooled StDev = Test for Equal Variances: Groep 1, Groep 2 95% Bonferroni confidence intervals for standard deviations N Lower StDev Upper Groep Groep F-Test (normal distribution) Test statistic = 1.85, p-value = Levene's Test (any continuous distribution) Test statistic = 0.53, p-value = Welke conclusie volgt uit de bovenstaande twee analyses? a) De gemiddelden verschillen onderling significant, maar de standaardafwijkingen niet. b) De standaardafwijkingen zijn significant verschillend, maar de gemiddelden niet. c) Zowel gemiddelden als de standaardafwijkingen verschillen significant van elkaar. d) Noch de gemiddelden, noch de standaardafwijkingen verschillen van elkaar. 10 Stap 4 van DMAIC heet Identificeer potentiële invloedsfactoren. Welke van het hieronder genoemde gereedschap is vermoedelijk niet bruikbaar in deze stap? a) Failure Mode & Effect Analysis (FMEA) b) Regelkaarten c) Beheersplan (control plan) d) Visgraat- of Ishikawadiagram

7 11 Het aantal telefoontjes dat dagelijks binnenkomt in een call center heeft een normale verdeling met een gemiddelde van 500 en een standaardafwijking van 25. Een GB registreert voor 1000 opeenvolgende dagen het aantal binnengekomen telefoontjes. Welke van de volgende stellingen klopt? a) In ongeveer 95 procent van deze dagen ligt het aantal ontvangen telefoontjes per dag tussen 475 en 575. b) De standaardafwijking is ongeveer gelijk aan de mediaan. c) In ongeveer 68 procent van deze dagen ligt het aantal ontvangen telefoontjes per dag tussen 495 en 505. d) Op ongeveer 500 dagen is het aantal telefoontjes lager dan Tijdens de eerste Lean Six Sigma projectbijeenkomst komt een teamlid niet opdagen. De volgende dag ontmoet je hem in de gang, en vraag je waar hij was. Hij vertelt je dat hij ook bij de volgende bijeenkomst afwezig zal zijn, omdat hij Lean Six Sigma een waardeloze methode vindt. Wat is de juiste reactie? a) Leg hem uit dat Lean Six Sigma een goede methode is, waarbij je de (financiële) voordelen benadrukt. b) Nodig hem uit voor een gesprek, en vraag zoiets als: Een waardeloze methode, zeg je? en luister. c) Schreeuw naar hem en zeg dat hij niet loyaal is. d) Accepteer zijn ontslag en vind iemand anders om hem te vervangen in het team.

8 13 Wat is het verschil tussen regelgrenzen (UCL en LCL in de regelkaart) en klantspecificaties (USL en LSL)? a) Het is praktisch hetzelfde. b) Klantspecificaties worden gebruikt om speciale oorzaken van variatie op te sporen. Met regelgrenzen geef je aan hoe klein de variatie van het proces moet zijn. c) Regelgrenzen worden gebruikt om klantspecificaties te detecteren. d) Regelgrenzen geven de bandbreedte aan waarbinnen een proces varieert; klantspecificaties geven aan wat de klant acceptabel vindt. 14 USL 50% 75% 90% 95% 99% Doorlooptijden: 50% korter dan 2.6 dagen 75% korter dan 5.1 dagen 90% korter dan 8.3 dagen 95% korter dan 10.6 dagen 99% korter dan 16.0 dagen In bovenstaande histogram is aangegeven dat 50% van de doorlooptijden korter is dan 2.6 dagen, 75% is korter dan 5.1 dagen, etcetera. Met welke techniek zijn deze percentages bepaald? a) Descriptive statistics (Basic Statistics > Display Descriptive statistcs). b) Procesprestatie-analyse (Quality tools > Capability analysis). c) Empirische CDF (Graph > Empirical CDF). d) Normale verdeling (Calc > Probability distributions > Normal).

9 15 Descriptive Statistics: CTQ Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3 Maximum CTQ Welke uitspraak is waar: a) De standaardafwijking is 1.06 en 75% van de data is kleiner dan b) Alle metingen zijn kleiner dan 14.1 en de mediaan is c) De dataset heeft 30 metingen, en 25% van de data is groter dan d) De standaardafwijking is en 50% van de data is groter dan Vragen 16 t/m 24 zijn typische vragen voor Green Belt for Industry Vragen 25 t/m 40 zijn typische vragen voor Green Belt for Services

10 16 Typische vragen voor Green Belt for Industry Optimalisatie van de productie van cafeïnevrije koffie Vragen 16 t/m 24 hebben betrekking op deze case. We kijken naar een project bij een koffieproducent. Het proces is de extractie van cafeïne uit ruwe koffiebonen voor het maken van caffeïnevrije koffie (decaf). Volgens de regels van de voedselindustrie moet het cafeïnepercentage van decaf lager dan 0,1% zijn. Het doel van het project is de cyclustijd (de productietijd per batch) te reduceren, zodat de productiecapaciteit toeneemt. Elke extra batch decaf levert namelijk aan omzet op. Natuurlijk moet het uiteindelijke product voldoen aan de regels van de voedselindustrie. Wat is een juiste operationele definitie van de CTQ s in dit project? a) CTQ-1: cyclustijd (meetprocedure: uitlezen digitaal proceslogboek / eenheid: batch / eis: zo laag mogelijk). CTQ-2: cafeïne% (meetsysteem procedure: chemische analyse / eenheid: batch / eis: USL = 0,1). b) CTQ-1: cyclustijd (meetprocedure: uitlezen digitaal proceslogboek / eenheid: batch / eis: zo laag mogelijk). c) Dit project is succesvol als het erin slaagt de cyclustijd zodanig te reduceren, dat er 2 extra batches per week kunnen worden geproduceerd, met als resultaat extra omzet. d) De CTQ is cyclustijd. De relevantie van de CTQ is dat een verlaging extra capaciteit genereert zonder extra investeringen ( voor iedere extra batch). 17 Optimalisatie van de productie van decaf De GB voert een gage R&R studie uit. De opzet is als volgt: 10 batches worden willekeurig geselecteerd, en van iedere batch wordt een monster (steekproef) genomen. De 10 monsters worden twee keer gemeten (op twee verschillende momenten), in een willekeurige volgorde, door ieder van de drie operators. De resultaten staan op de volgende slide. Wat lijkt het grootste probleem te zijn bij deze metingen? a) De systematische meetfout (bias). b) De willekeurige meetfout wanneer een enkele operator een partij herhaaldelijk meet. c) Het apparaat dat wordt gebruikt voor de metingen. d) Inconsistenties tussen de verschillende operators.

11 Gage R&R %Contribution Source VarComp (of VarComp) Total Gage R&R Repeatability Reproducibility Operators Part-To-Part Total Variation Study Var %Study Var Source StdDev (SD) (6 * SD) (%SV) Total Gage R&R Repeatability Reproducibility Operators Part-To-Part Total Variation Number of Distinct Categories = 1 18 Optimalisatie van de productie van decaf Hoe nauwkeurig zijn de cafeïne% metingen? a) Als een batch herhaaldelijk door verschillende personen wordt gemeten, is de standaardafwijking van de metingen S GRR = 0, b) Als een batch herhaaldelijk door verschillende personen wordt gemeten, is de standaardafwijking van de metingen S GRR = 0, c) Als een batch herhaaldelijk door verschillende personen wordt gemeten, is de standaardafwijking van de metingen S GRR = 0, d) Als een batch herhaaldelijk door verschillende personen wordt gemeten, is de standaardafwijking van de metingen S GRR = 0,

12 19 Optimalisatie van de productie van decaf De GB voert een proces prestatie analyse (process capapbility analysis) uit. Van 50 batches bepaalt ze het cafeïne%. Het resultaat van de analyse staat op de volgende slide. Wat moet de conclusie van de GB zijn op basis van de analyse? a) De C p kan niet worden berekend omdat de data geen normale verdeling volgen. b) Op de lange termijn voldoet ongeveer 0,00% van de totale hoeveelheid batches niet aan de eis (dat is caf% < 0,1%). c) Over een langere periode is de standaard deviatie van het cafeïne percentage ongeveer 0, d) Dit is een 0, sigma proces. Process Capability of Caf% Process Data LSL * Target * USL 0.1 Sample Mean Sample N 50 StDev(Within) StDev(Overall) USL Within Overall Potential (Within) Capability Cp * CPL * CPU 1.35 Cpk 1.35 Overall Capability Pp * PPL * PPU 1.09 Ppk 1.09 Cpm * Observed Performance % < LSL * % > USL 0.00 % Total 0.00 Exp. Within Performance % < LSL * % > USL 0.00 % Total 0.00 Exp. Overall Performance % < LSL * % > USL 0.05 % Total 0.05

13 20 Optimalisatie van de productie van decaf De GB wil vaststellen of de cafeïne percentages een normale, lognormale of een Weibull verdeling hebben, of misschien wel een hele andere verdeling. Wat is het beste middel om de verdeling van de data te bestuderen? a) De regelkaart (control chart). b) Het histogram. c) De empirical CDF. d) De probability plot. 21 Optimalisatie van de productie van decaf Laten we aannemen dat de GB zich zorgen maakt om mogelijke vervuilingen in de dataset, en de data wil screenen op uitschieters (outliers). Waarmee kun je het beste uitschieters (outliers) in de dataset identificeren? a) Het histogram. b) De empirische CDF (cumulatieve verdelingsfunctie). c) De probability plot. d) De 1-sample t-test.

14 22 Optimalisatie van de productie van decaf De grootste component van de doorlooptijd van een batch is de extractietijd (ET). Bij normale productie wordt de ET door de operators op 400 minuten per batch ingesteld. Om het effect van de ET op het cafeïne percentage te onderzoeken, voert de GB een experiment uit, waarbij hij de ET varieert van 200 tot 700 minuten. De resultaten worden geanalyseerd door middel van regressie-analyse (zie de volgende slide). Is de analyse acceptabel? a) Nee: de GB moet de uitschieters (outliers) uit the dataset verwijderen. b) Nee: de GB moet een kwadratisch term in de regressie-vergelijking opnemen. c) Nee: 87.1% is geen acceptabele waarde voor de R-sq. d) Nee: de waarde S = geeft aan dat er teveel ruis (random error) in de data zit. Regression Analysis: Caf% versus ET The regression equation is Caf% = ET S = R-Sq = 87.1% R-Sq(adj) = 86.3% Analysis of Variance Source DF SS MS F P Regression Error Total Sequential Analysis of Variance Source DF SS F P Linear Quadratic

15 23 Optimalisatie van de productie van decaf Laten we voor deze vraag aannemen dat de analyse van de voorgaande slide correct en acceptabel is. Gebaseerd op de fitted line plot op de voorgaande slide, wat zou een aanvaardbare extractietijd (ET) zijn? a) Caf% = 0,1%. b) ET = 200 min. c) ET = 300 min. d) ET = 430 min. 24 Optimalisatie van de productie van decaf In de regressieanalyse van Caf% versus ET (twee slides terug) staat: Analysis of Variance Source DF SS MS F P Regression Error Total Wat betekent dit? a) Het betekent dat de helling van de regressielijn significant afwijkt van nul (i.e. de regressielijn is niet horizontaal). b) Het betekent dat Caf% significant is. c) Het betekent dat de ET bijna 100% van Caf% bepaalt. d) Het betekent dat de dataset niet groot genoeg is om te bewijzen dat er relatie is tussen Caf% en ET.

16 Typische vragen voor Green Belt for Services Reduceer doorlooptijd van hypotheekoffertes Vragen 25 tot 40 hebben betrekking op deze case. Een bank verwerkt aanvragen voor hypotheken. Als de aanvraag wordt geaccepteerd, komt er een offerte. Anders wordt er een afwijzingsbrief opgesteld. Gemiddeld gaan elke dag 40 aanvragen het proces in. In de eerste fase worden deze verwerkt door 4 coördinatoren, die de aanvragen controleren op volledigheid, en die verdere informatie opvragen uit het Kadaster. Vervolgens sturen de coördinatoren de aanvraag naar één van de 3 beoordelaars. Zij beoordelen of de aanvrager aan de eisen voldoet voor een lening, en ze bepalen het rentetarief. Aanvragen voor de grotere leningen (25% van de aanvragen) worden dan naar een interne adviseur gestuurd, die het risico beoordeelt en beslist over goedkeuren of afwijzing van de lening. Uiteindelijk wordt 10% van de aanvragen afgekeurd. In dat geval schrijft de secretaresse een afwijzingsbrief. Voor goedgekeurde aanvragen (90%), maakt de secretaresse een offerte en stuurt deze naar de aanvrager. Het bedrijf verliest klanten vanwege de lange doorlooptijd van het proces. Als aanvragers niet binnen enkele dagen een offerte ontvangen, geven zij het op en proberen het bij een andere bank. Dit resulteert in een slechte conversieratio (= het percentage offertes dat door de aanvragers geaccepteerd wordt). 25 Conversieratio (= % offertes geaccepteerd door klanten) Operationele kosten Doorlooptijd (DLT) Man-uren per aanvraag Wachttijd (WT) tussen processtappen Bewerkingstijd (BWT) van processtappen Is bovenstaande CTQ-flowdown acceptabel? a) Ja, de flowdown is zo goed. b) Nee, wachttijd (WT) hoort niet verbonden te zijn met man-uren per aanvraag. c) Nee, bewerkingstijd (BWT) hoort niet verbonden te zijn met man-uren per aanvraag. d) Nee, conversieratio zou vervangen moeten worden door kwaliteit en efficiëntie.

17 26 Wat is een praktische en effectieve manier om BWT en WT te meten? a) Travelsheet: volg een steekproef van aanvragen door het proces, waarbij medewerkers tijdstempels plaatsen wanneer zij aan een taak beginnen of eindigen. b) Day-in-the-life-of (multi-moment-opname): volg een aantal medewerkers gedurende een dag. Elk 15 minuten. Zij geven op een formulier aan welke taak ze aan het doen zijn. c) Tijdstudie: Vraag een medewerker om de eerste processtap uit te voeren voor 10 aanvragen en meet de bewerkingstijden met een stopwatch. Hetzelfde voor de tweede processtap, enzovoorts. d) Processtudie: Meet op welke momenten een aanvraag de eerste processtap bereikt, dan de tweede stap, enzovoorts. 27 DMAIC 2: Valideer de meetprocedures De GB wil het meetplan valideren dat zij heeft ontworpen om de WT en BWT te bepalen. Welk van deze technieken is niet relevant voor het valideren van het meetplan. a) Brainstormsessie om validiteitsproblemen te identificeren. b) Een testmeting. c) Controleer achteraf de face validity van de resultaten. d) Regelkaart (control chart).

18 28 DMAIC 2: Valideer de meetprocedures De GB overweegt een kappa-studie (agreement study) uit te voeren. Is dat in deze situatie een geschikte techniek? a) Ja, want de WT en BWT zijn categorische variabelen. b) Ja, want de WT en BWT zijn numerieke variabelen. c) Nee, want de WT en BWT zijn categorische variabelen. d) Nee, want de WT en BWT zijn numerieke variabelen. 29 Op basis van 30 metingen, maakt de GB een regelkaart voor de BWT van de coördinatoren (zie hierboven). Wat is een juiste conclusie? a) De bewerkingstijden van de coördinatoren zijn acceptabel. b) De BWT van de coördinatoren is niet statistisch beheerst. c) Er is geen bewijs voor trends of uitschieters (de BWT is stabiel). d) Alle BWT van de coördinatoren blijft binnen de normen zoals afgesproken in de SLA (Service Level Agreement).

19 30 De GB wil bepalen of de WT een normale, lognormale of Weibull verdeling hebben, of misschien een andere verdeling. Wat is de beste techniek om de verdeling van de data te onderzoeken? a) Empirical CDF (cumulative distribution function). b) Histogram. c) Regelkaart (control chart). d) Probability plot. 31 Empirical CDF of Doorlooptijd Weibull Shape 3,633 Scale 6,509 N ,1 80 Percent , Doorlooptijd Wat kan er geconcludeerd worden uit bovenstaande grafiek? a) Zo n 1% bevindt zich langer dan 10 dagen in het proces. b) Zo n 32% heeft een doorlooptijd van 5 dagen. c) De data liggen niet op een rechte lijn: deze kansverdeling past niet goed. d) De doorlooptijd heeft geen lineair effect op de CTQ.

20 32 DMAIC 4: Identificeer mogelijke invloedsfactoren. Met als doel de DLT te verlagen tot een meer acceptabel niveau, overweegt de GB een FMEA te doen met medewerkers in het proces. Is het in dit project nuttig om een FMEA te doen? a) Nee, want de projectdoelen gaan niet over risico s. b) Nee: een FMEA wordt gebruikt om faalwijzen (mogelijke defecten) te identificeren in producten. c) Ja, aangenomen dat een deel van de lange doorlooptijden wordt veroorzaakt door fouten en vergissingen. d) Ja, want het helpt om de bottleneck te identificeren in het proces. 33 DMAIC 4: Identificeer mogelijke invloedsfactoren. De GB organiseert een brainstormsessie met de medewerkers in het proces. Het doel van de meeting is om oorzaken van lange doorlooptijden te identificeren en om mogelijke oplossingen te bedenken. Wat is de belangrijkste rol van de medewerkers in deze brainstormsessie? a) De medewerkers stemmen over de waarde van verbeterideeën, en de ideeën met de meeste stemmen worden geïmplementeerd. b) De medewerkers opperen een groot aantal potentiële oorzaken en oplossingen. c) De medewerkers oordelen of door de GB aangedragen invloedsfactoren juist zijn. d) De medewerkers gaan met elkaar in discussie over enkele veelbelovende oplossingen.

21 34 Op basis van de metingen maakt de GB een Value Stream Map (volgende slide). Hoe zijn in de Value Stream Map de bewerkingstijden (BWT) per processtap bepaald? a) Als het gemiddelde van de metingen. b) Als de mediaan van de metingen. c) Als het gemiddelde van de metingen plus tweemaal de standaarddeviatie. d) Als het maximum van de metingen. Aanvragen Taktrate: 40/dag Klant (offerte of afwijzingsbrief) Coördinator Beoordelaar 75% Secretaresse WT BWT: 20 min #: 4 Cap:? WT BWT : 15 min #: 3 Cap: 84/dag 25% WT BWT: 12 min #: 1 Cap: 35/dag Werktijd: 7 uur / dag WT Interne adviseur BWT: 15 min #: 1 Cap: 28/dag

22 35 Wat is de capaciteit (Cap) van de coördinatoren? a) 3 aanvragen/dag. b) 21 aanvragen/dag. c) 24 aanvragen/dag. d) 84 aanvragen/dag. 36 Voor welke processtap is er ondercapaciteit? a) Geen van de processtappen heeft ondercapaciteit. b) De processtap van de interne adviseur. c) De processtap van de secretaresse. d) Zowel de stap van de interne adviseur als die van de secretaresse.

23 37 Two-sample T for Offerte vs Afwijzing N Mean StDev SE Mean Offerte 6 8,754 0,820 0,33 Afwijzing 6 12,063 0,846 0,35 Difference = mu (Offer) - mu (Rejection) Estimate for difference: -3,309 95% CI for difference: (-4,396; -2,221) T-Test of difference = 0 (vs not =): T-Value = -6,88 P-Value = 0,000 DF = 9 De GB doet een kleine studie. Voor zes goedgekeurde aanvragen houdt ze bij hoeveel tijd (BWT) het de secretaresse kost om de offerte op te stellen. Daarnaast houdt ze ook voor zes afgewezen aanvragen bij hoe lang het duurt om de afwijzingsbrief te schrijven. Aangenomen dat de data normaal verdeeld zijn, wat kan ze concluderen uit bovenstaande analyse? a) De bewerkingstijd van het opstellen van een offerte is significant korter dan de tijd om een afwijzingsbrief te schrijven. b) Het aantal metingen in de studie is te klein om betrouwbare conclusies te trekken. c) De gemiddelden en varianties verschillen significant tussen de twee groepen. d) Een conclusie is niet mogelijk, want de GB had ANOVA moeten gebruiken. 38 De GB wil de relatie bepalen tussen de wachttijd WT in de wachtrij voor de coördinatoren, en de workload WL (het aantal ingediende aanvragen per dag). Op 20 verschillende dagen registreert ze het aantal ingediende aanvragen. Daarnaast houdt ze bij hoe lang een willekeurig gekozen aanvraag doorbrengt in de wachtrij voor de coördinator. Zie de regressie-analyse op de volgende slide. Is dit een goede fit? a) Ja, er is geen bewijs voor een slechte fit. b) Nee, een kwadratische component is niet nodig, een lineaire lijn zou net zo goed zijn geweest. c) Nee, de relatie is niet significant. d) Nee, er zijn uitschieters die uit de data verwijderd moeten worden.

24 Polynomial Regression Analysis: WT versus WL The regression equation is WT = 24,64-1,091 WL + 0,01276 WL**2 S = 1,15449 R-Sq = 96,3% R-Sq(adj) = 95,4% Analysis of Variance Source DF SS MS F P Regression 2 308, , ,63 0,000 Error 9 11,996 1,333 Total ,238 Sequential Analysis of Variance 14 Source DF SS F P Linear 1 278,632 66,97 0, Quadratic 1 29,611 22,22 0, Fitted Line Plot 8 WT (hours) S 1,13149 R-Sq 94,1% R-Sq(adj) 93,4% WL (applications per day) Is de workload (WL) een belangrijke invloedsfactor voor de wachttijd (WT) voor de coördinatoren? a) Ja, de kleine p-waarde geeft aan dat dit een belangrijke invloedsfactor is. b) Ja, de hoge R 2 geeft aan dat dat dit een belangrijke invloedsfactor is. c) Nee, de kleine p-waarde geeft aan dat dit geen belangrijke invloedsfactor is. d) Nee, de hoge R 2 geeft aan dat het grootste deel van de variatie niet verklaard kan worden door deze invloedsfactor.

25 40 Veronderstel dat de workload gelijk is aan WL = 62,5 aanvragen per dag. Wat kun je dan zeggen over de wachttijd WT in de wachtrij voor de coördinator? a) In dat geval brengt 95% van alle aanvragen minder dan 6 uur door in de wachtrij voor de coördinatoren. b) Dan is de WT maximaal 6 uur. c) Dan is de WT gemiddeld 6 uur. d) Dan is de WT precies 6 uur. Dit is het einde van het examen Controleer alstublieft: Zijn alle vragen beantwoord? Staat uw naam op de voorpagina? Als u voor XX:XX uur klaar bent met het examen, mag u zachtjes het examenlokaal verlaten en het examen aan één van de surveillanten overhandigen. Als u na XX:XX uur klaar bent met het examen, dient u te blijven zitten totdat de surveillanten om YY:YY uur de examens hebben opgehaald.

26 Antwoorden Vraag Antwoord Vraag Antwoord Vraag Antwoord Vraag Antwoord 1 C 11 D 21 C 31 A 2 C 12 B 22 B 32 C 3 B 13 D 23 D 33 B 4 B 14 C 24 A 34 A 5 C 15 A 25 B 35 D 6 D 16 A 26 A 36 C 7 C 17 D 27 D 37 A 8 B 18 C 28 D 38 A 9 A 19 C 29 C 39 B 10 C 20 D 30 D 40 C

Lean Six Sigma Green Belt Proefexamen

Lean Six Sigma Green Belt Proefexamen Lean Six Sigma Green Belt Proefexamen Naam van de Green Belt: Controleer of u het correcte examen heeft. Dit is het Green Belt Examen for Services/Industry. Het is een open boek examen. Het is toegestaan

Nadere informatie

Lean Six Sigma Proefexamen Green Belt

Lean Six Sigma Proefexamen Green Belt Lean Six Sigma Proefexamen Green Belt Naam van de Green Belt: Controleer of u het correcte examen heeft. Dit is het Green Belt Examen for Services. Het is een open boek examen. Het is toegestaan om boeken

Nadere informatie

BEGRIPPEN EN DEFINITIES SIX SIGMA

BEGRIPPEN EN DEFINITIES SIX SIGMA Gemiddelde X = ( χ + χ i + χ +... n ) / n S = 1 χ i X n 1 n Variantie ( ) Standaarddeviatie σ = S Mediaan Kwartielen i= 1 Middelste waarneming binnen het totaal van de waarnemingen Oneven aantal waarnemingen:

Nadere informatie

Enkelvoudige ANOVA Onderzoeksvraag Voorwaarden

Enkelvoudige ANOVA Onderzoeksvraag Voorwaarden Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, uur De u

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, uur De u TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, 14.00-17.00 uur De uitwerkingen van de opgaven dienen duidelijk geformuleerd

Nadere informatie

Meervoudige ANOVA Onderzoeksvraag Voorwaarden

Meervoudige ANOVA Onderzoeksvraag Voorwaarden Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd

Nadere informatie

introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets

introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets toetsende statistiek week 1: kansen en random variabelen week : de steekproevenverdeling week 3: schatten en toetsen: de z-toets week : het toetsen van gemiddelden: de t-toets week 5: het toetsen van varianties:

Nadere informatie

Tentamen Biostatistiek 1 voor BMT (2DM40), op maandag 5 januari 2009 14.00-17.00 uur

Tentamen Biostatistiek 1 voor BMT (2DM40), op maandag 5 januari 2009 14.00-17.00 uur Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4), op maandag 5 januari 29 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven

Nadere informatie

Six Sigma. Wat is Six Sigma?

Six Sigma. Wat is Six Sigma? Six Sigma Wat is het, wat brengt het? Oktober 2015 Wat is Six Sigma? OVERZICHT Statistische benadering Lange termijn Continu verbeteren Streven om te voldoen aan klantwens Een business filosofie en strategie

Nadere informatie

Opgave 1: (zowel 2DM40 als 2S390)

Opgave 1: (zowel 2DM40 als 2S390) TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek voor BMT (DM4 en S39) op donderdag, 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 28 oktober 2009, 9.00-12.00 uur

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 28 oktober 2009, 9.00-12.00 uur Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (DM4) woensdag 8 oktober 9, 9.-. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven Statistisch

Nadere informatie

INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 5

INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 5 INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 5 1. De onderzoekers van een preventiedienst vermoeden dat werknemers in een bedrijf zonder liften fitter zijn dan werknemers

Nadere informatie

Antwoordvel Versie A

Antwoordvel Versie A Antwoordvel Versie A Interimtoets Toegepaste Biostatistiek 13 december 013 Naam:... Studentnummer:...... Antwoorden: Vraag Antwoord Antwoord Antwoord Vraag Vraag A B C D A B C D A B C D 1 10 19 11 0 3

Nadere informatie

Lean Labs. Benjamin Kemper (b.p.h.kemper@uva.nl) Six Sigma, Lean, en innovatie. Consultant en trainer IBIS UvA

Lean Labs. Benjamin Kemper (b.p.h.kemper@uva.nl) Six Sigma, Lean, en innovatie. Consultant en trainer IBIS UvA Lean Labs Six Sigma, Lean, en innovatie Benjamin Kemper (b.p.h.kemper@uva.nl) Consultant en trainer IBIS UvA Onderzoeker Kwantitatieve Economie Universiteit van Amsterdam Instituut voor Bedrijfs- en Industriële

Nadere informatie

SYMBOL: ENSCHEDE AMERSFOORT - EINDHOVEN

SYMBOL: ENSCHEDE AMERSFOORT - EINDHOVEN B E T R O U W B A A R H E I D VA N DATA SJOERD DE VRIES SYMBOL: ENSCHEDE AMERSFOORT - EINDHOVEN Symbol 2018 2 WHY: Improvement is everywhere Wij geloven dat het altijd en overal mogelijk is het anders

Nadere informatie

Twee en een half jaar Kwaliteitsmeting in de Fysiotherapie

Twee en een half jaar Kwaliteitsmeting in de Fysiotherapie Twee en een half jaar Kwaliteitsmeting in de Fysiotherapie Feiten en cijfers tot nu toe Managementsamenvatting Na twee en een half jaar kwaliteitsmetingen in de fysiotherapie is het een geschikt moment

Nadere informatie

S0A17D: Examen Sociale Statistiek (deel 2)

S0A17D: Examen Sociale Statistiek (deel 2) S0A17D: Examen Sociale Statistiek (deel 2) 21 juni 2011 Naam : Jaar en studierichting : Lees volgende aanwijzingen eerst voor het examen te beginnen : Wie de vragen aanneemt en bekijkt, moet minstens 1

Nadere informatie

Residual Plot for Strength. predicted Strength

Residual Plot for Strength. predicted Strength Uitwerking tentamen DS mei 4 Opgave Een uitwerking geven is hier niet mogelijk. Het is van belang het iteratieve optimaliseringsproces goed uit te voeren (zie ook de PowerPoint sheets): screening design

Nadere informatie

EIND TOETS TOEGEPASTE BIOSTATISTIEK I. 30 januari 2009

EIND TOETS TOEGEPASTE BIOSTATISTIEK I. 30 januari 2009 EIND TOETS TOEGEPASTE BIOSTATISTIEK I 30 januari 2009 - Dit tentamen bestaat uit vier opgaven onderverdeeld in totaal 2 subvragen. - Geef bij het beantwoorden van de vragen een zo volledig mogelijk antwoord.

Nadere informatie

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 2 november 2011, uur

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 2 november 2011, uur Faculteit der Wiskunde en Informatica Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 2 november 2011, 9.00-12.00 uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven

Nadere informatie

Classification - Prediction

Classification - Prediction Classification - Prediction Tot hiertoe: vooral classification Naive Bayes k-nearest Neighbours... Op basis van predictor variabelen X 1, X 2,..., X p klasse Y (= discreet) proberen te bepalen. Training

Nadere informatie

Beschrijvende statistiek

Beschrijvende statistiek Beschrijvende statistiek Beschrijvende en toetsende statistiek Beschrijvend Samenvatting van gegevens in de steekproef van onderzochte personen (gemiddelde, de standaarddeviatie, tabel, grafiek) Toetsend

Nadere informatie

2DM71: Eindtoets Biostatistiek, op dinsdag 20 Januari 2015, 13.30-16.30

2DM71: Eindtoets Biostatistiek, op dinsdag 20 Januari 2015, 13.30-16.30 Faculteit der Wiskunde en Informatica 2DM71: Eindtoets Biostatistiek, op dinsdag 20 Januari 2015, 13.30-16.30 Opgave 1: (5 x 6 = 30 punten) (Bij deze opgave is gebruik van resultaten uit bijlage 1 noodzakelijk)

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag , uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag , uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor TeMa (S95) op dinsdag 3-03-00, 9- uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en

Nadere informatie

Aanpassingen takenboek! Statistische toetsen. Deze persoon in een verdeling. Iedereen in een verdeling

Aanpassingen takenboek! Statistische toetsen. Deze persoon in een verdeling. Iedereen in een verdeling Kwantitatieve Data Analyse (KDA) Onderzoekspracticum Sessie 2 11 Aanpassingen takenboek! Check studienet om eventuele verbeteringen te downloaden! Huidige versie takenboek: 09 Gjalt-Jorn Peters gjp@ou.nl

Nadere informatie

Grafieken Cirkeldiagram

Grafieken Cirkeldiagram Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd

Nadere informatie

Kruis per vraag slechts één vakje aan op het antwoordformulier.

Kruis per vraag slechts één vakje aan op het antwoordformulier. Toets Stroom 1.2 Methoden en Statistiek tul, MLW 7 april 2006 Deze toets bestaat uit 25 vierkeuzevragen. Kruis per vraag slechts één vakje aan op het antwoordformulier. Vraag goed beantwoord dan punt voor

Nadere informatie

toetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden

toetsende statistiek deze week: wat hebben we al geleerd? Frank Busing, Universiteit Leiden toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets Moore, McCabe, and Craig.

Nadere informatie

Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1

Hoeveel 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 informatie

Beschrijvende statistieken

Beschrijvende statistieken Elske Salemink (Klinische Psychologie) heeft onderzocht of het lezen van verhaaltjes invloed heeft op angst. Studenten werden at random ingedeeld in twee groepen. De ene groep las positieve verhaaltjes

Nadere informatie

Figuur 1: Normale verdeling. Bij een normale verdeling geldt dat ongeveer:

Figuur 1: Normale verdeling. Bij een normale verdeling geldt dat ongeveer: Kwaliteitscontrole door middel van Biologisch ijken Patrick Jak ( PMC.Jak@Vumc.nl ) en Herman Groepenhoff ( H.Groepenhoff@vumc.nl ) VU Medisch Centrum, Amsterdam. Een belangrijk hulpmiddel bij biologisch

Nadere informatie

c. Geef de een-factor ANOVA-tabel. Formuleer H_0 and H_a. Wat is je conclusie?

c. Geef de een-factor ANOVA-tabel. Formuleer H_0 and H_a. Wat is je conclusie? Opdracht 13a ------------ Een-factor ANOVA (ANOVA-tabel, Contrasten, Bonferroni) Bij een onderzoek naar de leesvaardigheid bij kinderen in de V.S. werden drie onderwijsmethoden met elkaar vergeleken. Verschillende

Nadere informatie

Faculteit der Wiskunde en Informatica

Faculteit der Wiskunde en Informatica Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (DM4), op woensdag 7 januari 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven

Nadere informatie

Trial and Error - Acht jaar procesverbeteren

Trial and Error - Acht jaar procesverbeteren Trial and Error - Acht jaar procesverbeteren Trial and Error - Acht jaar procesverbeteren Start Lean Six Sigma UMCG at the Universitair Medisch Centrum Groningen dr. Gerard Niemeijer CMC g.c.niemeijer@umcg.nl

Nadere informatie

Examen G0N34 Statistiek

Examen 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 informatie

Training statistiek NEN-689. Blok 2 Software voor: (1) Statistisch toetsen van werkplekmetingen (2) Boxplot voor rapport

Training statistiek NEN-689. Blok 2 Software voor: (1) Statistisch toetsen van werkplekmetingen (2) Boxplot voor rapport Training statistiek NEN-689 Blok 2 Software voor: (1) Statistisch toetsen van werkplekmetingen (2) Boxplot voor rapport 1 Eisen software voor statistische toetsing van meetseries 1. OEL-compliance test

Nadere informatie

Uitvoer van analyses (SPSS 16) voor het Faalfeedback en Oriëntatie voorbeeld in hoofdstuk 7 (Herhaalde metingen) >

Uitvoer van analyses (SPSS 16) voor het Faalfeedback en Oriëntatie voorbeeld in hoofdstuk 7 (Herhaalde metingen) > Uitvoer van analyses (SPSS 6) voor het aalfeedback en Oriëntatie voorbeeld in hoofdstuk 7 (Herhaalde metingen) > ** Berekening van lineaire en kwadratische trendvariabele. Compute ylin = -.77678 * y +

Nadere informatie

6-SIGMA METRICS. Teaching old dogmas and learning new tricks. Douwe van Loon

6-SIGMA METRICS. Teaching old dogmas and learning new tricks. Douwe van Loon 6-SIGMA METRICS Teaching old dogmas and learning new tricks Douwe van Loon Na deze presentatie zou u kunnen weten: dat IQ controle meer is dan alleen de bewaking van de interne kwaliteit van onze analyses

Nadere informatie

Hierbij is het steekproefgemiddelde x_gemiddeld= en de steekproefstandaardafwijking

Hierbij is het steekproefgemiddelde x_gemiddeld= en de steekproefstandaardafwijking Opdracht 9a ----------- t-procedures voor een enkelvoudige steekproef Voor de meting van de leesvaardigheid van kinderen wordt als toets de Degree of Reading Power (DRP) gebruikt. In een onderzoek onder

Nadere informatie

9. Lineaire Regressie en Correlatie

9. Lineaire Regressie en Correlatie 9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)

Nadere informatie

Lean Six Sigma. 1. Wat is het? Wat is Lean Six Sigma (LSS)?

Lean Six Sigma. 1. Wat is het? Wat is Lean Six Sigma (LSS)? 1. Wat is het? 2. Wat levert het me op? 3. Hoe werkt het? Lean, Six Sigma en DMAIC. 4. Wie gebruikt het? 5. Hoe maak ik een eerste stap? Lean Six Sigma 1. Wat is het? Wat is Lean Six Sigma (LSS)? Het gebruikt

Nadere informatie

laboratory for industrial mathematics eindhoven Endinet Regressie-analyse Energiekamer

laboratory for industrial mathematics eindhoven Endinet Regressie-analyse Energiekamer Endinet Regressie-analyse Energiekamer Laboratory for Industrial Mathematics Eindhoven Postbus 513 5600 MB Eindhoven tel.: 040 247 4875 fax: 040 244 2489 e-mail: lime@tue.nl WWW: http://www.lime.tue.nl

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamenopgaven Statistiek (2DD71) op xx-xx-xxxx, xx.00-xx.00 uur. VOORAF: Hieronder staat een aantal opgaven over de stof. Veel meer dan op het tentamen zelf gevraagd zullen worden. Op het tentamen zullen in totaal 20 onderdelen gevraagd worden. TECHNISCHE UNIVERSITEIT

Nadere informatie

SPSS Introductiecursus. Sanne Hoeks Mattie Lenzen

SPSS 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 informatie

Principe Maken van een Monte Carlo data-set populatie-parameters en standaarddeviaties standaarddeviatie van de bepaling statistische verdeling

Principe Maken van een Monte Carlo data-set populatie-parameters en standaarddeviaties standaarddeviatie van de bepaling statistische verdeling Monte Carlo simulatie In MW\Pharm versie 3.30 is een Monte Carlo simulatie-module toegevoegd. Met behulp van deze Monte Carlo procedure kan onder meer de betrouwbaarheid van de berekeningen van KinPop

Nadere informatie

Examen G0N34 Statistiek

Examen G0N34 Statistiek Naam: Richting: Examen G0N34 Statistiek 7 juni 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 informatie

Oefenvragen bij Statistics for Business and Economics van Newbold

Oefenvragen 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 informatie

mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2

mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 Bjorn Winkens Methodologie en Statistiek Universiteit Maastricht 21 maart

Nadere informatie

SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I

SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I SPSS 15.0 in praktische stappen voor AGW-bachelors Uitwerkingen Stap 7: Oefenen I Hieronder volgen de SPSS uitvoer en de antwoorden van de opgaven van Stap 7: Oefenen I. Daarnaast wordt bij elke opgave

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor TeMa (S95) Avondopleiding. donderdag 6-6-3, 9.-. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

Hoofdstuk 3 : Numerieke beschrijving van data. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent

Hoofdstuk 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 informatie

We berekenen nog de effectgrootte aan de hand van formule 4.2 en rapporteren:

We berekenen nog de effectgrootte aan de hand van formule 4.2 en rapporteren: INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 4 1. Toets met behulp van SPSS de hypothese van Evelien in verband met de baardlengte van metalfans. Ga na of je dezelfde conclusies

Nadere informatie

Cursus TEO: Theorie en Empirisch Onderzoek. Practicum 2: Herhaling BIS 11 februari 2015

Cursus TEO: Theorie en Empirisch Onderzoek. Practicum 2: Herhaling BIS 11 februari 2015 Cursus TEO: Theorie en Empirisch Onderzoek Practicum 2: Herhaling BIS 11 februari 2015 Centrale tendentie Centrale tendentie wordt meestal afgemeten aan twee maten: Mediaan: de middelste waarneming, 50%

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN

TECHNISCHE UNIVERSITEIT EINDHOVEN TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4 en 2S39) op maandag 2--27, 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

1. Reductie van error variantie en dus verhogen van power op F-test

1. Reductie van error variantie en dus verhogen van power op F-test Werkboek 2013-2014 ANCOVA Covariantie analyse bestaat uit regressieanalyse en variantieanalyse. Er wordt een afhankelijke variabele (intervalniveau) voorspeld uit meerdere onafhankelijke variabelen. De

Nadere informatie

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van Extra Opgaven 1. Een persoon doet een HIV-test. Helaas is de uitslag positief. De test is echter niet perfect. De persoon vraagt zich af wat de kans is dat hij nu ook echt HIV heeft. Gegeven is: de kans

Nadere informatie

College 3 Meervoudige Lineaire Regressie

College 3 Meervoudige Lineaire Regressie College 3 Meervoudige Lineaire Regressie - Leary: Hoofdstuk 8 p. 165-169 - MM&C: Hoofdstuk 11 - Aanvullende tekst 3 (alinea 2) Jolien Pas ECO 2012-2013 'Computerprogramma voorspelt Top 40-hits Bron: http://www.nu.nl/internet/2696133/computerprogramma-voorspelt-top-40-hits.html

Nadere informatie

d. Maak een spreidingsdiagram van de gegevens. Plaats de x-waarden op de x-as en de z-waarden op de y-as.

d. Maak een spreidingsdiagram van de gegevens. Plaats de x-waarden op de x-as en de z-waarden op de y-as. Opdracht 6a ----------- Dichtheidskromme, normaal-kwantiel-plot Een nauwkeurige waarde van de lichtsnelheid is van belang voor ontwerpers van computers, omdat de elektrische signalen zich uitsluitend met

Nadere informatie

Inline Analyse en Processturing: Nieuwe Businesskansen

Inline Analyse en Processturing: Nieuwe Businesskansen Inline Analyse en Processturing: Nieuwe Businesskansen Filtratie / Brouwerij Zoeterwoude Harro de Vries December 2007 11/12/2007 Pagina1 kenmerk Brouwerij Ambachtelijk Traditioneel Batchproces hl/fte /hl

Nadere informatie

Voer de gegevens in in een tabel. Definieer de drie kolommen van de tabel en kies als kolomnamen groep, vooraf en achteraf.

Voer de gegevens in in een tabel. Definieer de drie kolommen van de tabel en kies als kolomnamen groep, vooraf en achteraf. Opdracht 10a ------------ t-procedures voor gekoppelde paren t-procedures voor twee onafhankelijke steekproeven samengestelde t-procedures voor twee onafhankelijke steekproeven Twee groepen van 10 leraren

Nadere informatie

Inhoud. Data. Analyse van tijd tot event data: van Edward Kaplan & Paul Meier tot David Cox

Inhoud. Data. Analyse van tijd tot event data: van Edward Kaplan & Paul Meier tot David Cox van tijd tot event data: van Edward Kaplan & Paul Meier tot David Cox Bram Ramaekers Bianca de Greef KEMTA Masterclass Inhoud Data Kaplan-Meier curve Hazard rate Log-rank test Hazard ratio Cox regressie

Nadere informatie

Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen.

Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen. Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen. 1. (a) In de appendix van deze vraag, is een dataset gegeven met de corresponderende

Nadere informatie

Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y

Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y 1 Regressie analyse Zowel correlatie als regressie meten statistische samenhang Correlatie: geen oorzakelijk verband verondersteld: X Y Regressie: wel een oorzakelijk verband verondersteld: X Y Voorbeeld

Nadere informatie

Interim Toegepaste Biostatistiek deel 1 14 december 2009 Versie A ANTWOORDEN

Interim Toegepaste Biostatistiek deel 1 14 december 2009 Versie A ANTWOORDEN Interim Toegepaste Biostatistiek deel december 2009 Versie A ANTWOORDEN C 2 B C A 5 C 6 B 7 B 8 B 9 D 0 D C 2 A B A 5 C Lever zowel het antwoordformulier als de interim toets in Versie A 2. Dit tentamen

Nadere informatie

ANOVA in SPSS. Hugo Quené. opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003

ANOVA in SPSS. Hugo Quené. opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003 ANOVA in SPSS Hugo Quené hugo.quene@let.uu.nl opleiding Taalwetenschap Universiteit Utrecht Trans 10, 3512 JK Utrecht 12 maart 2003 1 vooraf In dit voorbeeld gebruik ik fictieve gegevens, ontleend aan

Nadere informatie

Statistiek ( ) eindtentamen

Statistiek ( ) eindtentamen Statistiek (200300427) eindtentamen studiejaar 2010-11, blok 4; Taalwetenschap, Universiteit Utrecht. woensdag 29 juni 2011, 17:15-19:00u, Educatorium, zaal Gamma. Schrijf je naam en student-nummer op

Nadere informatie

toetskeuze schema verschillen in gemiddelden

toetskeuze schema verschillen in gemiddelden toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling week 3: schatten en toetsen: de z-toets week 4: het toetsen van gemiddelden: de t-toets week 5: het toetsen van

Nadere informatie

Onderzoek. B-cluster BBB-OND2B.2

Onderzoek. B-cluster BBB-OND2B.2 Onderzoek B-cluster BBB-OND2B.2 Succes met leren Leuk dat je onze bundels hebt gedownload. Met deze bundels hopen we dat het leren een stuk makkelijker wordt. We proberen de beste samenvattingen voor jou

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Biostatistiek voor BMT (2S390) op maandag ,

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Biostatistiek voor BMT (2S390) op maandag , TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2S390) op maandag 19-11-2001, 14.00-17.00 uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

RESULTATEN KOTENQUÊTE

RESULTATEN KOTENQUÊTE RESULTATEN KOTENQUÊTE ACADEMIEJAAR 2005-2006 A. Algemeen De enquête werd afgenomen onder studenten van de UGent na de Paasvakantie van het academiejaar 2005-2006. Via de elektronische leeromgeving Minerva

Nadere informatie

College 2 Enkelvoudige Lineaire Regressie

College 2 Enkelvoudige Lineaire Regressie College Enkelvoudige Lineaire Regressie - Leary: Hoofdstuk 7 tot p. 170 (Advanced Correlational Strategies) - MM&C: Hoofdstuk 10 (Inference for Regression) - Aanvullende tekst 3 Jolien Pas ECO 011-01 Correlatie:

Nadere informatie

Verband tussen twee variabelen

Verband tussen twee variabelen Verband tussen twee variabelen Inleiding Dit practicum sluit aan op hoofdstuk I-3 van het statistiekboek en geeft uitleg over het maken van kruistabellen, het berekenen van de correlatiecoëfficiënt en

Nadere informatie

Het kan in het Martini ziekenhuis, efficiency en kwaliteit gaan samen. CQi-Ziekenhuizen van meten naar actie 9 oktober 2012 Patrick Wennekes

Het kan in het Martini ziekenhuis, efficiency en kwaliteit gaan samen. CQi-Ziekenhuizen van meten naar actie 9 oktober 2012 Patrick Wennekes Het kan in het Martini ziekenhuis, efficiency en kwaliteit gaan samen CQi-Ziekenhuizen van meten naar actie 9 oktober 2012 Patrick Wennekes Inhoud Introductie Lean Six Sigma Project ontslag procedure (door:

Nadere informatie

Het schatten van een kansverdeling uit een rij met data.

Het schatten van een kansverdeling uit een rij met data. KPI S MET WEIBULL Het schatten van een kansverdeling uit een rij met data. Hoe vaak komt het niet voor dat er gegevens beschikbaar zijn om kpi's mee te berekenen? Een setje data met levertijden, doorlooptijden,

Nadere informatie

Cursus Statistiek 2. Fellowonderwijs Opleiding Intensive Care. UMC St Radboud, Nijmegen

Cursus Statistiek 2. Fellowonderwijs Opleiding Intensive Care. UMC St Radboud, Nijmegen Cursus Statistiek 2 Fellowonderwijs Opleiding Intensive Care UMC St Radboud, Nijmegen Cursus Statistiek 2 Steekproefgrootte en power berekening Vergelijken van gemiddelden (T-testen) Niet-parametrische

Nadere informatie

Les 1: de normale distributie

Les 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 informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN

TECHNISCHE 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 informatie

Voorbeeldtentamen Statistiek voor Psychologie

Voorbeeldtentamen Statistiek voor Psychologie Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij

Nadere informatie

Tentamen Biostatistiek 1 voor BMT (2DM40), op woensdag 12 november 2008 14.00-17.00 uur

Tentamen Biostatistiek 1 voor BMT (2DM40), op woensdag 12 november 2008 14.00-17.00 uur Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4), op woensdag 2 november 28 4.-7. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op vrijdag , 9-12 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op vrijdag , 9-12 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek 2 voor TeMa (2S95) op vrijdag 29-04-2004, 9-2 uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine

Nadere informatie

Lean Six Sigma De mindset, de essentie, de aanvullendheid en de succesfactoren

Lean Six Sigma De mindset, de essentie, de aanvullendheid en de succesfactoren Lean Six Sigma De mindset, de essentie, de aanvullendheid en de succesfactoren Kees Ahaus Research on Healthcare Organisation & Innovation, Faculteit Economie en Bedrijfskunde De mindset van Six Sigma

Nadere informatie

Enkelvoudige lineaire regressie

Enkelvoudige lineaire regressie Enkelvoudige lineaire regressie Inleiding Dit hoofdstuk sluit aan op hoofdstuk I-9 van het statistiekboek. Er wordt hier steeds gesproken over het verband tussen één afhankelijke variabele Y en één onafhankelijke

Nadere informatie

HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN

HOOFDSTUK 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 informatie

De data worden ingevoerd in twee variabelen, omdat we te maken hebben met herhaalde metingen:

De data worden ingevoerd in twee variabelen, omdat we te maken hebben met herhaalde metingen: INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 6 1. De 15 leden van een kleine mountainbikeclub vragen zich af in welk mate de omgevingstemperatuur een invloed heeft op hun

Nadere informatie

Inleiding Applicatie Software - Statgraphics

Inleiding 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 informatie

Bijlage 3: Multiple regressie analyse

Bijlage 3: Multiple regressie analyse Bijlage 3: Multiple regressie analyse REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING PAIRWISE /STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT

Nadere informatie

Survival Analyse. Help! Statistiek! Survival Analyse: Overzicht. Voorbeeld: Whiplash onderzoek. Voorbeeld: Intensive Care Unit data

Survival Analyse. Help! Statistiek! Survival Analyse: Overzicht. Voorbeeld: Whiplash onderzoek. Voorbeeld: Intensive Care Unit data Help! Statistiek! Doel: Informeren over statistiek in klinisch onderzoek. Tijd: Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk. Derde woensdag in de maand, -3 uur 9 september:

Nadere informatie

Zomerschool Vakdidactisch Onderzoek Leuven, 8-10 september 2010 Sessie 8: Analyse van kwantitatieve data

Zomerschool Vakdidactisch Onderzoek Leuven, 8-10 september 2010 Sessie 8: Analyse van kwantitatieve data Zomerschool Vakdidactisch Onderzoek Leuven, 8-10 september 2010 Sessie 8: Analyse van kwantitatieve data An Carbonez Leuven Statistics Research Centre Katholieke Universiteit Leuven Voorstelling van de

Nadere informatie

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 27 oktober 2010, uur

Tentamen Biostatistiek 1 voor BMT (2DM40) woensdag 27 oktober 2010, uur Faculteit der Wiskunde en Informatica Tentamen Biostatistiek voor BMT (2DM4) woensdag 27 oktober 2, 9.-2. uur Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en van een onbeschreven

Nadere informatie

Klantonderzoek: statistiek!

Klantonderzoek: statistiek! Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van

Nadere informatie

Oplossingen hoofdstuk XI

Oplossingen hoofdstuk XI Oplossingen hoofdstuk XI. Hierbij vind je de resultaten van het onderzoek naar de relatie tussen een leestest en een schoolrapport voor lezen. Deze gegevens hebben betrekking op een regressieanalyse bij

Nadere informatie

11. Multipele Regressie en Correlatie

11. Multipele Regressie en Correlatie 11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in

Nadere informatie

Get Lean Philip van Londen

Get Lean Philip van Londen Get Lean Philip van Londen KIJK SNEL VERDER VOOR DE DROGE TOELICHTING :-) DE 6 FASEN VAN EEN LEAN BLACK BELT TRAJECT Wat is het probleem? Hoe groot is dat probleem? Wat is de oorzaak van dat probleem?

Nadere informatie

Hoofdstuk 12: Eenweg ANOVA

Hoofdstuk 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 informatie

Inleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek

Inleiding 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 informatie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Inleveren: Uiterlijk 15 februari voor 16.00 in mijn postvakje Afspraken Overleg is toegestaan, maar iedereen levert zijn eigen werk in. Overschrijven

Nadere informatie

College 6 Eenweg Variantie-Analyse

College 6 Eenweg Variantie-Analyse College 6 Eenweg Variantie-Analyse - Leary: Hoofdstuk 11, 1 (t/m p. 55) - MM&C: Hoofdstuk 1 (t/m p. 617), p. 63 t/m p. 66 - Aanvullende tekst 6, 7 en 8 Jolien Pas ECO 01-013 Het Experiment: een voorbeeld

Nadere informatie

Toegepaste Biostatistiek CAST oefeningen 1

Toegepaste Biostatistiek CAST oefeningen 1 Toegepaste Biostatistiek CAST oefeningen 1 CAST Exercises CAST is een gratis online e-book (eigenlijk 3 e-books), met oefeningen. De link voor de site (http://cast.massey.ac.nz/collection_public.html)

Nadere informatie

werkcollege 6 - D&P9: Estimation Using a Single Sample

werkcollege 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 informatie

Opgaven hoofdstuk 14 Methoden voor kwaliteitsverbetering

Opgaven 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 informatie