Lean Six Sigma Green Belt Proefexamen

Maat: px
Weergave met pagina beginnen:

Download "Lean Six Sigma Green Belt Proefexamen"

Transcriptie

1 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 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. Let op: dit proefexamen heeft 34 vragen. Het examen zal 40 vragen bevatten. This material is intellectual property of the Institute for Business and Industrial Statistics of the University of Amsterdam (IBIS UvA)

2 1 Boxplot of Groep 1, Groep Data Groep 1 Groep 2 Welke uitspraak is niet waar: a) In de metingen van Groep 1 zitten uitschieters (outliers). b) De spreiding in Groep 2 is groter. c) Uit de grafiek kunnen we de gemiddelden van beide groepen aflezen. d) Ongeveer de helft van de metingen in Groep 2 is groter dan Stap 4 van DMAIC heet Potentiële invloedsfactoren identificeren. 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

3 3 Two-Sample T-Test and CI: Group 1, Group 2 Two-sample T for Group 1 vs Group 2 N Mean StDev SE Mean Group Group Difference = mu (Group 1) - mu (Group 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: Group 1, Group 2 95% Bonferroni confidence intervals for standard deviations N Lower StDev Upper Group Group 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 het bovenstaande? 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. 4 Het aantal telefoontjes dat dagelijks binnenkomt in een call center heeft een normale verdeling met een gemiddelde van 372 en een standaardafwijking van 31. Een GB registreert voor 1000 opeenvolgende dagen het aantal binnengekomen telefoontjes. Welke van de volgende stellingen klopt niet? a) In ongeveer 95 procent van deze dagen ligt het aantal ontvangen telefoontjes per dag tussen 341 en 403. b) Het gemiddelde is ongeveer gelijk aan de mediaan. c) In ongeveer 68 procent van deze dagen ligt het aantal ontvangen telefoontjes per dag tussen 341 en 403. d) Op ongeveer 500 dagen is het aantal telefoontjes lager dan 372.

4 5 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. 6 Wat is het verschil tussen regelgrenzen (UCL en LCL in de regelkaart) en klantspecificaties (USL en LSL, oftewel de normen)? 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.

5 7 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). 8 Aanvragen Stap 1 Stap 2 Stap 3 Takttijd: 3 min. 20 aanvr. / uur Cyclustijd: 5 min. Cyclustijd: 2 min. Cyclustijd: 11 min. Dit administratieve proces verwerkt aanvragen. Het bestaat uit drie stappen. Van iedere stap is de cyclustijd (=bewerkingstijd per medewerker per aanvraag) weergegeven. De takt rate mag constant verondersteld worden (dus geen fluctuaties in het werkaanbod), en de variatie in bewerkingstijden is marginaal. Hoeveel medewerkers zijn in totaal nodig voor deze drie stappen? a) 3. b) 5. c) 7. d) 18.

6 9 Descriptive Statistics: CTQ Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3 Maximum CTQ Welke uitspraak is waar: a) Alle metingen zijn kleiner dan 14.1 en de mediaan is b) De dataset heeft 30 metingen, en 25% van de data is groter dan c) De standaardafwijking is en 50% van de data is groter dan d) De standaardafwijking is 1.06 en 75% van de data is kleiner dan Typische vragen voor Green Belt for Industry Optimalisatie van de productie van decafeïne Vragen 10 t/m 18 hebben betrekking op deze case. We kijken naar een project bij een koffieproducent. Het proces wat bestudeerd wordt is de extractie van cafeïne uit ruwe koffiebonen voor het maken van decafeïne koffie ( decaf ). Volgens de regels van de voedselindustrie moet het cafeïne percentage van decaf lager dan 0,1% zijn. Het doel van het project is de cyclustijd voor het maken van een partij decafeïne koffie te reduceren, en tegelijkertijd de productiecapaciteit te verhogen (i.e. het aantal batches dat de afdeling per week kan verwerken te verhogen). Een extra batch per week verwerken staat voor extra inkomsten van 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: geregistreerde cyclustijd in 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: geregistreerde cyclustijd in digitaal proceslogboek / eenheid: batch / eis: zo laag mogelijk). c) Dit project is succesvol als het erin slaagt de doorlooptijd in voldoende mate te reduceren voor een extra batch per week, 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).

7 11 Optimalisatie van de productie van decaf De GB voert een gauge 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. 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

8 12 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, 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 niet de 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.

9 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 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 empirisch CDF (cumulatieve verdelingsfunctie). d) De probability plot.

10 15 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. 16 Optimalisatie van de productie van decaf De grootste component van de doorlooptijd van een batch is de extractietijd (ET). Bij de normale productie wordt de ET door de operators op 400 minuten per batch bepaald. Om het effect van de ET op het cafeïne percentage te onderzoeken, voert de GB een experiment uit, waarbij 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) indedata zit.

11 Regression Analysis: Caf% versus ET The regression equation is Caf% = ET S = R-Sq = 87.1% R-Sq(adj) = 86.3% Analysis of Variance Fitted Source Line Plot DF SS MS F P Caf% = Regression CT Error Total S R-Sq 87.1% Sequential Analysis of Variance R-Sq(adj) 86.3% Source DF SS F P Linear Quadratic Caf% CT ET 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 plot bij regressie-analyse (fitted line plot) van 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.

12 18 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 het Caf% significant is. c) Het betekent dat de extractietijd bijna 100% van het cafeïnepercentage bepaalt. d) Het betekent dat de dataset niet groot genoeg is om te bewijzen dat er relatie is tussen Caf% en ET. Typische vragen voor Green Belt for Services Reduceer doorlooptijd van hypotheekoffertes Vragen 19 tot 34 hebben betrekking op deze case. Een proces bij een bank verwerkt aanvragen voor hypotheken, en als de aanvraag wordt geaccepteerd, resulteert het in een offerte. Gemiddeld 40 aanvragen gaan dagelijks het proces in. In de eerste fase worden deze verwerkt door 4 coördinatoren, die de aanvragen controleren op volledigheid, en die additionele informatie opvragen uit het Kadaster. Vervolgens sturen de coördinatoren de aanvraag naar een van 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).

13 19 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. 20 Wat is een praktische en effectieve manier om BWT en WT te meten? a) Travel-sheet : 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.

14 21 DMAIC 2: Valideer de meetprocedures De GB wil de meetmethoden en 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) Doe een testmeting. c) Nadat de data zijn verzameld: controleer de face validity van de resultaten. d) Regelkaart (control chart). 22 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.

15 23 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). 24 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.

16 25 De GB maakt een Empirical CDF van 50 observaties van de doorlooptijd (DLT); zie de volgende slide. Wat kan zij concluderen uit deze grafiek? a) Ongeveer 4% van de aanvragen blijven langer dan 10 werkdagen in het proces. b) Ongeveer 24% van de aanvragen hebben een doorlooptijd van 5 dagen. c) De Weibull-verdeling geeft geen goede fit, want de data liggen niet op een rechte lijn. d) Het effect van de DLT is niet lineair.

17 26 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. 27 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.

18 28 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

19 29 Wat is de capaciteit (Cap) van de coördinatoren? a) 3 aanvragen/dag. b) 21/dag. c) 24/dag. d) 84/dag. 30 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.

20 31 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. 32 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 lijn is niet nodig, een lineaire lijn zou net zo goed zijn geweest. c) Nee, de relatie is niet significant. d) Nee, er zijn uitschieters.

21 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.

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

Lean Six Sigma Proefexamen Green Belt for Industry/Services

Lean Six Sigma Proefexamen Green Belt for Industry/Services 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SPSS Opstarten & gegevens inlezen Gegevens verkennen Beschrijvende statistiek

SPSS Opstarten & gegevens inlezen Gegevens verkennen Beschrijvende statistiek Opstarten & gegevens inlezen *Inlezen gegevens Via eerste scherm bij opening SPSS of via File; Open; Data. Opletten of namen van variabelen op de eerste rij staan ( Staat ) Opm.: Bij.TXT bestand altijd

Nadere informatie

Beknopte handleiding SPSS versie 18.0 1 van 28

Beknopte handleiding SPSS versie 18.0 1 van 28 Beknopte handleiding SPSS versie 18.0 1 van 28 Beknopte handleiding SPSS versie 18.0 2 van 28 Inhoudsopgave Inleiding...3 SPSS- tips...4 Kopiëren van datakenmerken...6 Van SPSS naar Excel...7 Opsturen

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

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

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

Kalibratie en biologische ijking

Kalibratie en biologische ijking 6ste Coloquium VVLR 04, Grobbendonk Kalibratie en biologische ijking Dr. Herman Groepenhoff h.groepenhoff@vumc.nl Inleiding Inleiding Theorie / (ERS/ATS) richtlijnen Fysisch kalibreren / verifiëren Biologisch

Nadere informatie

M M M M M M M M M M M M M M La La La La La La La Mid Mid Mid Mid Mid Mid Mid 65 56 83 68 64 47 59 63 93 65 75 68 68 51

M M M M M M M M M M M M M M La La La La La La La Mid Mid Mid Mid Mid Mid Mid 65 56 83 68 64 47 59 63 93 65 75 68 68 51 INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 7 1. Een onderzoeker wil nagaan of de fitheid van jongeren tussen 14 en 18 jaar (laag, matig, hoog) en het geslacht (M, V) een

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

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

Wiskunde B - Tentamen 2

Wiskunde B - Tentamen 2 Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk

Nadere informatie

d. Formuleer voor het hoofdeffect Afmeting H_0 en H_a. Is dit hoofdeffect significant?

d. Formuleer voor het hoofdeffect Afmeting H_0 en H_a. Is dit hoofdeffect significant? Opdracht 14a ------------ Twee-factor ANOVA In een groot research-project bestudeerde men de fysische eigenschappen van multiplex houtmaterialen, vervaardigd door kleine plakjes hout aan elkaar te hechten.

Nadere informatie

Vertaling van enkele termen uit de kansrekening en statistiek alternative hypothesis alternatieve hypothese approximate methods benaderende methoden asymptotic variance asymptotische variantie asymptotically

Nadere informatie

2 2. STATISTICA Data Management

2 2. STATISTICA Data Management Overzicht Opleidingen Pagina 1. STATISTICA Introductie 2 2. STATISTICA Data Management 3 3. Grafische Data Analyse in STATISTICA 4 4. Introductie statistische Concepten en Methoden 5 5. Introductie STATISTICA

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

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

Tentamenbundel Statistiek voor T (2S070)

Tentamenbundel Statistiek voor T (2S070) Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamenbundel Statistiek voor T (2S070) TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Examen Statistiek voor T

Nadere informatie

Bloed laten stromen Lean in de praktijk Martine Deckers, Klinisch Chemicus, Sint Lucas Andreas Ziekenhuis

Bloed laten stromen Lean in de praktijk Martine Deckers, Klinisch Chemicus, Sint Lucas Andreas Ziekenhuis Bloed laten stromen Lean in de praktijk Martine Deckers, Klinisch Chemicus, Sint Lucas Andreas Ziekenhuis Inhoud ié~å çéñêáëåìêëìë ié~å áå=çé=éê~âíáàâ fåîçéêéå=î~å=îéê~åçéêáåöéå `çååäìëáé aáëåìëëáé M.Deckers

Nadere informatie

MLW -- Toets stroomblok 2.2: Epidemiologie en Biostatistiek

MLW -- Toets stroomblok 2.2: Epidemiologie en Biostatistiek MLW -- Toets stroomblok 2.2: Epidemiologie en Biostatistiek Vrijdag 1 april 2005 Opzet: 5 onderdelen, elk 4 punten. Schrijf uw naam en nummer op elke ingeleverde pagina. Vraag 1 In een cohort van 2000

Nadere informatie

FMEA Measurement systems analysis Statistische procesbeheersing

FMEA Measurement systems analysis Statistische procesbeheersing Opleiding FMEA Measurement systems analysis Statistische procesbeheersing DataLyzer International Tel: 040-2940980 Email: sales@datalyzer.com Internet: www.datalyzer.com FMEA Voorkomen kwaliteitsproblemen

Nadere informatie

Deel 1: Uitleg MUSE Multi Sample Evaluation. Externe QC SKML score en rapportagesysteem Eric Vermeer Jurgen Riedl Francois Verheijen

Deel 1: Uitleg MUSE Multi Sample Evaluation. Externe QC SKML score en rapportagesysteem Eric Vermeer Jurgen Riedl Francois Verheijen Deel 1: Uitleg MUSE Multi Sample Evaluation Externe QC SKML score en rapportagesysteem Eric Vermeer Jurgen Riedl Francois Verheijen Inleidende termen Casusgericht Bepalingsgericht Kwantitatief Kwalitatief

Nadere informatie

Voorblad bij tentamen

Voorblad bij tentamen Studentnaam: Studentnummer: Voorblad bij tentamen (in te vullen door de examinator) Vaknaam:Biostatistiek en Lineaire Algebra Vakcode: 2DM81 Datum: Begintijd:13.30 Eindtijd: 16.30 Aantal pagina s:2 voor

Nadere informatie

1 ALGEMENE RICHTLIJNEN VOOR MEETSYSTEMEN... 1 2 PROCEDURES VOOR HET BEOORDELEN VAN MEETSYSTEMEN... 4

1 ALGEMENE RICHTLIJNEN VOOR MEETSYSTEMEN... 1 2 PROCEDURES VOOR HET BEOORDELEN VAN MEETSYSTEMEN... 4 Voorwoord In voorgaande eindwerken is er nooit diep ingegaan op Measurement System Analysis (MSA). Vaak wordt MSA beperkt tot een R&R studie, wat eigenlijk maar een klein deel van een MSA analyse omvat.

Nadere informatie

Samenvattingen 5HAVO Wiskunde A.

Samenvattingen 5HAVO Wiskunde A. Samenvattingen 5HAVO Wiskunde A. Boek 1 H7, Boek 2 H7&8 Martin@CH.TUdelft.NL Boek 2: H7. Verbanden (Recht) Evenredig Verband ( 1) Omgekeerd Evenredig Verband ( 1) Hyperbolisch Verband ( 2) Machtsverband

Nadere informatie

Feedback proefexamen Statistiek I 2009 2010

Feedback proefexamen Statistiek I 2009 2010 Feedback proefexamen Statistiek I 2009 2010 Het correcte antwoord wordt aangeduid door een sterretje. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Een derde van de mannen is

Nadere informatie

1 vorig = omzet voorgaande jaar. Forward (Criterion: Probability-of-F-to-enter <=,050) 2 bezoek = aantal bezoeken vertegenwoordiger

1 vorig = omzet voorgaande jaar. Forward (Criterion: Probability-of-F-to-enter <=,050) 2 bezoek = aantal bezoeken vertegenwoordiger De groothandel Onderwerp: regressieanalyse met SPSS Bij: hoofdstuk 10 Een groothandel heeft onderzoek gedaan onder de klanten en daarbij geprobeerd met regressieanalyse vast te stellen wat de bepalende

Nadere informatie

Herkansing eindtoets statistiek voor HBO

Herkansing 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 informatie

Examen Data Analyse II - Deel 2

Examen Data Analyse II - Deel 2 Examen Data Analyse II - Deel 2 Tweede Bachelor Biomedische Wetenschappen 10 januari 2011 Naam....................................... 1. De systolische bloeddruk (in mmhg) van 21 mannen is weergegeven

Nadere informatie

Hoofdvraag. Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ?

Hoofdvraag. Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ? Hoofdvraag Hoe kan interne en externe data gebruikt worden voor ziektepreventie bij klanten van DFZ? Data visualisatie (Grafieken, dashboards); Kwantitatieve analyse (cijfers, statistiek); Software Inzichten

Nadere informatie

Lean Six Sigma Black Belt als pakket (Blended)

Lean Six Sigma Black Belt als pakket (Blended) Lean Six Sigma Black Belt als pakket (Blended) 8 Maanden ICM biedt u de mogelijkheid om het Lean Six Sigma Black Beltdiploma als pakket in 8 maanden tijd te te behalen. U start met Lean Six Sigma Green

Nadere informatie

Gedragsanalyse Experiment Verzekeren per Kilometer

Gedragsanalyse Experiment Verzekeren per Kilometer Gedragsanalyse Experiment Verzekeren per Kilometer Jasper Knockaert mailto:jknockaert@feweb.vu.nl 11 oktober 29 1 Inleiding Het Transumo project Verzekeren per Kilometer onderzoekt de mogelijkheden van

Nadere informatie

5.0 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: 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 informatie

Rapport Lectoraat elearning

Rapport Lectoraat elearning Rapport Lectoraat elearning INHOLLAND Hogeschool Rotterdam, 24 mei 05 Door: In opdracht: Chablis Platenburg Lectoraat elearning, Lector Dr. G. Wijngaards, INHOLLAND Hogeschool 1. ICT gebruik van INHOLLAND

Nadere informatie

LEAN WERKEN IN DE BOUW

LEAN WERKEN IN DE BOUW Voor Gemeente Westland en VNO-NCW Westland-Delfland Naaldwijk, 4 juni 2015 Verzorgd door Weboma i.s.m. Maruna Maruna Opgericht 1996 Ons vak Procesverbeteren Ons doel Kennisoverdracht Specialisme Lean&

Nadere informatie

SPSS. Statistiek : SPSS

SPSS. Statistiek : SPSS SPSS - hoofdstuk 1 : 1.4. fase 4 : verrichten van metingen en / of verzamelen van gegevens Gegevens gevonden bij een onderzoek worden systematisch weergegeven in een datamatrix bij SPSS De datamatrix Gebruik

Nadere informatie

We illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten

We 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 informatie

Procedure BREEAM-NL Innovatiecredits. Oktober 2013

Procedure BREEAM-NL Innovatiecredits. Oktober 2013 Procedure BREEAM-NL Innovatiecredits 28 oktober 2013 Deze procedure is onderdeel van het DGBC-certificeringsysteem Datum 1 november 2012 6 juni 2013 Oktober 2013 Wijziging(en) 1. Deze tabel toegevoegd;

Nadere informatie

Checklist Wiskunde A HAVO 4 2014-2015 HML

Checklist Wiskunde A HAVO 4 2014-2015 HML Checklist Wiskunde A HAVO 4 2014-2015 HML 1 Hoofdstuk 1 Ik weet hoe je met procenten moet rekenen: procenten en breuken, percentage berekenen, toename en afname in procenten, rekenen met groeifactoren.

Nadere informatie

Bijlage bij Meesterlijk gedrag. Leren van compareren., Rechtstreeks 2009/3

Bijlage bij Meesterlijk gedrag. Leren van compareren., Rechtstreeks 2009/3 Bijlage bij Meesterlijk gedrag. Leren van compareren., Rechtstreeks 2009/3 Inleiding In de analyses vormen de uitkomsten van de comparities (schikking bereikt? Ervaren dwangschikking? Ervaren rechtvaardigheid)

Nadere informatie

Het verhogen van de Overall Equipment Effectiveness

Het verhogen van de Overall Equipment Effectiveness Trefwoorden OEE Productieomgeving DMAIC Lean Six Sigma Auteurs Alex Kuiper Michiel van Raalte Ronald J. M. M. Does Het verhogen van de Overall Equipment Effectiveness De Overall Equipment Effectiveness

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

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

4 Meervoudige lineaire regressie

4 Meervoudige lineaire regressie 4 Meervoudige lineaire regressie In het vorige hoofdstuk is enkelvoudige lineaire regressie besproken. Hierbij was er slechts één onafhankelijke variabele. In de praktijk zijn er echter gevallen waarin

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

mlw stroom 2.1: Statistisch modelleren

mlw stroom 2.1: Statistisch modelleren mlw stroom 2.1: Statistisch modelleren College 5: Regressie en correlatie (2) Rosner 11.5-11.8 Arnold Kester Capaciteitsgroep Methodologie en Statistiek Universiteit Maastricht Postbus 616, 6200 MD Maastricht

Nadere informatie

Statistiek 2 deel A 30 minuten over statistisch toetsen

Statistiek 2 deel A 30 minuten over statistisch toetsen Statistiek 2 deel A 30 minuten over statistisch toetsen R.J. Baars, MSc Kruytgebouw N710 r.j.baars@uu.nl februari 2014 Opbouw van statistiek Statistiek 1 (periode 2: vandaag) Dit college + zelfstudie +

Nadere informatie

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE. Toets Inleiding Kansrekening 1 22 februari 2013

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE. Toets Inleiding Kansrekening 1 22 februari 2013 FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGE Toets Inleiding Kansrekening 1 22 februari 2013 Voeg aan het antwoord van een opgave altijd het bewijs, de berekening of de argumentatie toe. Als je een onderdeel

Nadere informatie

LSSN. In één keer goed: order tot betaling (P2P) Delesto - Stork. Presentatie LSSN. 1 november 2012

LSSN. In één keer goed: order tot betaling (P2P) Delesto - Stork. Presentatie LSSN. 1 november 2012 In één keer goed: order tot betaling (P2P) Delesto - Stork Presentatie 1 november 2012 Introductie Delesto JV van AkzoNobel en Essent Produceren van stoom en stroom voor Chemiepark Delfzijl Stork Service

Nadere informatie

1 Meten en statistiek

1 Meten en statistiek 1 Meten en statistiek Bij het verrichten van metingen moeten we ons realiseren dat elke meting behept is met bepaalde onzekerheden of afwijkingen. Deze afwijkingen kunnen velerlei oorzaken hebben zoals

Nadere informatie

Vraag 1. Welk design bevat geen random assignment:

Vraag 1. Welk design bevat geen random assignment: Vraag 1. Welk design bevat geen random assignment: a) Een design gebaseerd op matching b) Een design gebaseerd op blocking c) Een factorial design d) Elk van de hierboven genoemde designs ch14 p.375 Vraag

Nadere informatie

Verdelingsvrije statistiek

Verdelingsvrije statistiek Verdelingsvrije statistiek Inleiding In hoofdstuk II-5 (deel ) worden een aantal verdelingsvrije toetsen (ook wel niet-parametrische toetsen) besproken, die gebruikt worden als de te onderzoeken variabele

Nadere informatie

Een Statistische Analyse van Klantgedrag in Callcentra

Een Statistische Analyse van Klantgedrag in Callcentra Een Statistische Analyse van Klantgedrag in Callcentra Martijn van Zanten BWI - Werkstuk Statistische Analyse van Klantgedrag in Callcentra Martijn van Zanten Begeleider: Alex Roubos Vrije Universiteit

Nadere informatie

Les 1: Waarschijnlijkheidrekening

Les 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 informatie

CORBO Organisatie, Advies en Expertise B.V. Rollenremmentestbank VS Tweeplaatsremmentestbank

CORBO Organisatie, Advies en Expertise B.V. Rollenremmentestbank VS Tweeplaatsremmentestbank Rollenremmentestbank VS Tweeplaatsremmentestbank Inhoudsopgave 1. Inleiding...3 2. Proces...4 2.1 Proces rollenremmentestbank in beeld...4 2.2 Proces tweeplaatsremmentestbank in beeld...5 2.3 Processtappen

Nadere informatie

Voor de beoordeling zijn de volgende passages van de artikelen 41, 41a en 42 van het Eindexamenbesluit van belang:

Voor de beoordeling zijn de volgende passages van de artikelen 41, 41a en 42 van het Eindexamenbesluit van belang: wiskunde A,2 Correctievoorschrift HAVO Hoger Algemeen Voortgezet Onderwijs Het correctievoorschrift bestaat uit: Regels voor de beoordeling 2 Algemene regels 3 Vakspecifieke regels 4 Beoordelingsmodel

Nadere informatie

PVT-WERKBOEK CLUSTER: Pagina 1

PVT-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 informatie

5. Statistische analyses

5. Statistische analyses 34,6% 33,6% 31,5% 28,5% 25,3% 25,2% 24,5% 23,9% 23,5% 22,3% 21,0% 20,0% 19,6% 19,0% 18,5% 17,7% 17,3% 15,0% 15,0% 14,4% 14,3% 13,6% 13,2% 13,1% 12,3% 11,9% 41,9% 5. Statistische analyses 5.1 Inleiding

Nadere informatie