TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ

Wielkość: px
Rozpocząć pokaz od strony:

Download "TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ"

Transkrypt

1 TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ Ewa Matuszak Paulina Kozłowska Aleksandra Lorek

2 CZYM SĄ NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ? Narzędzia zarządzania jakością to instrumenty pozwalające zbierać i przetwarzać dane o zdarzeniach i procesach zachodzących w organizacji i jej otoczeniu, związanych z różnymi aspektami zarządzania jakością.

3 PODZIAŁ NARZĘDZI ZARZĄDZANIA JAKOŚCIĄ narzędzia jakości narzędzia tradycyjne narzędzia nowe

4 TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ Zbieranie danych Arkusz kontrolny Histogram Karta kontrolna Diagram Ishikawy Analiza danych Diagram Pareto- Lorenza Diagram korelacji Schemat blokowy

5 SCHEMAT BLOKOWY schemat blokowy = schemat przepływu = algorytm przedstawienie w sposób graficzny ciągu działań realizowanych w danym procesie, przepływy informacji, przepływy materiałów itp.

6 SCHEMAT BLOKOWY POSTĘPOWANIE 1 określenie początku i końca procesu (które wyznaczają jego granice ) 2 określenie wejścia (wejść) oraz wyjść (wyników) procesu 3 wyszczególnianie działań (operacji funkcji) oraz decyzji ( tak, nie ) wyznaczających kolejne ścieżki przepływu (materiału, informacji i innych) oraz łączenie ich zgodnie z chronologią ich występowania za pomocą strzałek przepływu, przy czym każda ścieżka procesu musi prowadzić do punktu koniec.

7

8 SCHEMAT BLOKOWY - PRZYKŁAD

9 ARKUSZ KONTROLNY pomaga w zbieraniu i porządkowaniu informacji dotyczących konkretnego wyrobu lub procesu na arkuszu nanosi się dane o zdarzeniach związanych z rozpatrywanym wyrobem lub procesem, w szczególności o częstości i miejscu ich występowania arkusz kontrolny to uporządkowany, przygotowany formularz umożliwiający zbieranie i zestawianie danych ze źródeł historycznych lub obserwacje aktualnych zdarzeń dla wykrycia i uwidocznienia dominujących tendencji.

10 ARKUSZ KONTROLNY - POSTĘPOWANIE podjęcie decyzji odnośnie do tego, co będzie obserwowane, oraz jasne określenie definicji obserwowanych akcji, wydarzeń lub sytuacji podjęcie decyzji kto, jak długo i z jakich źródeł będzie zbierał dane sprawdzenie, czy zbierający dane mają odpowiednią wiedzę i odpowiednio dużo czasu opracowanie jasnego i prostego w użyciu formularza, który będzie arkuszem kontrolnym. Do zapisu danych należy używać prostych symboli, tj. parafki, X lub podobnych. Do analizy należy unikać zatytułowanie wszystkich części formularza z jasnym opisem informacji źródłowych upewnienie się, że arkusz kontrolny zawiera wszystkie właściwe dane i że jest łatwy w użyciu zapisanie wszystkich zachodzących obserwacji w arkuszu

11 ARKUSZ KONTROLNY - PRZYKŁAD

12 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY diagram Ishikawy = schemat jodełkowy = diagram rybiej ości stanowi graficzne przedstawienie powiązań między czynnikami działającymi na proces i skutkami, które one powodują

13 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY - POSTĘPOWANIE 1 identyfikacja problemu, badanie i rozpoznanie sytuacji oraz inicjacja prac nad diagramem określenie celu działania lub problemu i umieszczenie go na głównej osi po prawej stronie wykresu 2 3 określenie przyczyn głównych (ogólnych). Najczęściej jest stosowane podejście tzw. 5M według którego najważniejsze grupy czynników oddziaływających na wynik procesu są związane z: człowiekiem (ang. Man), maszyną (ang. Machine), metodą (ang. Method), materiałem (ang. Material), środowiskiem i zarządzaniem (ang. Management) określenie czynników drugorzędnych (szczegółowych). Czynniki drugorzędne są bezpośrednio związane z czynnikami głównymi i stanowią ich rozwinięcie 4 analiza diagramu czytając diagram od głównej osi poziomej do najdrobniejszej osi, można uzyskać odpowiedź na pytanie: dlaczego? Natomiast czytając w kierunku odwrotnym, uzyskuje się odpowiedź na pytanie: jaki to przynosi skutek?

14 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY - PRZYKŁAD

15

16 DIAGRAM PARETO-LORENZA 20-30% przyczyn (czynników) decyduje o około 70-80% skutków identyfikuje czynniki (zdarzeń i przyczyn) mające największy wpływ na wybrane wielkości, opisujące wynik procesu lub charakterystykę produktu umożliwia hierarchizację czynników wpływających na analizowane zjawisko skupienie uwagi na najważniejszych problemach

17 DIAGRAM PARETO-LORENZA - POSTĘPOWANIE kompletowanie informacji o badanym procesie, mających związek z określonym problemem określenie wielkości za pomocą której można mierzyć wynik procesu w aspekcie rozpatrywanego problemu uszeregować przyczyny od najbardziej do najmniej znaczącej wyznaczenie skumulowanych wartości procentowych każdej przyczyny oznaczyć na osi pionowej Y wartości (ilości) przyczyn oraz udziały procentowe oznaczyć na osi poziomej X przyczyny od największej do najmniejszej wartości idąc od lewej do prawej narysować wykresy słupkowe dla każdej przyczyny - tzw. wykres Pareto oznaczyć punkty odpowiadające wartościom skumulowanym i połączyć je linią tzw. krzywa Lorenza przeprowadzenie analizy wykresu w celu wyznaczenia grupy przyczyn, które powinny być zbadane (usunięte, ograniczone itp.) w pierwszym rzędzie

18 DIAGRAM PARETO-LORENZA - PRZYKŁAD

19

20

21 HISTOGRAM histogram stanowi graficzną prezentację badanych wartości procesu lub zdarzeń w postaci wykresu słupkowego zmienności określonego zbioru danych jest to narzędzie wizualnego przedstawiania informacji o przebiegu procesu oraz podejmowania decyzji dotyczącej określenia, na czym w pierwszej kolejności należy się skupić w działaniach

22 HISTOGRAM - POSTĘPOWANIE należy zebrać potrzebne dane ( co najmniej n=30 wartości pomiaru) i policzyć całkowitą liczbę wartości pomiaru podzielić zakres pomiaru na przedziały (klasy) ustalić rozstęp wartości rozstęp = (wartość najwyższa) (wartość najniższa) ustalić liczbę przedziałów: przedział (szerokość klasy) = rozstęp/liczba dodać do najmniejszej liczby wartości szerokości klasy, co pozwoli na uzyskanie opracować arkusz kreskowy umieścić przedziały na osi poziomej, a częstotliwość występowania na osi pionowej przenieść dane z tabeli na osie; wszystkie słupki powinny mieć jednakową szerokość i zawierać w sumie wszystkie dane

23 HISTOGRAM - PRZYKŁAD

24

25 KARTY KONTROLNE jedno z podstawowych narzędzi Statystycznej Kontroli Procesu (SKP) zadaniem kart kontrolnych jest dostarczenie w przejrzystej, graficznej postaci informacji o tym, czy proces jest stabilny, czy w jego przebiegu wystąpiły zmiany wymagające podjęcia działań korygujących bądź zapobiegawczych prowadzenie karty kontrolnej jest związane z pobieraniem z procesu w ustalonych regularnych odstępach czasu, próbek ( próbka oznacza np. kilka egzemplarzy wyrobów) o określonej liczebności

26 KARTY KONTROLNE Podstawowe założenia z korzystania kart kontrolnych to: dane muszą mieć znany rozkład statystyczny (najczęściej normalny, możliwe też, że dwumianowy i Poissona), monitorowanie procesu odbywa się poprzez wyrywkowe pobieranie określonej liczby sztuk próbek z danej zbiorowości (w zależności od rodzaju karty), jeśli pobieranie próbek nie prowadzi do polepszenia rozkładu normalnego, można zastosować przekształcenie danych (np. logarytmowanie, pierwiastkowanie lub standaryzowanie), zmienność procesów w czasie wymaga od zespołu jednoczesnego monitorowania dokładności i precyzji.

27 KARTY KONTROLNE - POSTĘPOWANIE określenie, jaki proces chce się monitorować i zbadanie, czy jest on statystycznie opanowany (ma charakter rozkładu określenie, jakiego typu karta kontrolna będzie używana do monitorowania danego procesu. zastanowienie się, w jaki sposób można kontrolować cechy wyrobu, jakie się zastosuje parametry? za pomocą jednej z metod (projektowej lub stabilizacyjnej) określenie, na jakim poziomie mają się kształtować linia centralna, linia ostrzegawcza określenie przydziału czasowego zbierania danych określenie wielkości próbek określenie częstotliwości pobierania próbek. Próbki należy pobierać często, jeśli proces nie jest pod kontrolą. zbudowanie karty i rozpoczęcie zbierania pomiarów dokonywanie ciągłej oceny uzyskiwanych wyników. Analizowanie, czy proces jest pod kontrolą w przypadku stwierdzenia niestabilności procesu wdrażanie odpowiednich działań korygujących

28 KARTY KONTROLNE

29 KARTY KONTROLNE - PRZYKŁAD

30 WZORY NA OBLICZENIE LINII OSTRZEGANIA I LINII KONTROLNYCH

31 INTERPRETACJA WYKRESÓW wszystkie punkty muszą mieścić się między górną i dolną linią kontrolną większość punktów musi znajdować się bliżej linii centralnej niż granic kontrolnych punkty nie mogą wykazywać trendów ani cykli świadczących o nienaturalnych przyczynach zmienności punkty nie mogą tworzyć powtarzających się okresowo układów liczba punktów znajdujących się powyżej lub poniżej linii centralnej musi być w przybliżeniu jednakowe linie łączące poszczególne punkty na wykresie powinny przecinać linię centralną

32 KARTY KONTROLNE

33 WYKRESY KORELACJI są graficzną ilustracją związku zachodzącego pomiędzy dwiema zmiennymi stosowane są w przypadkach, gdy konieczne jest zbadanie zależności między dwoma czynnikami, np. potwierdzenie zależności przyczynowoskutkowych wykorzystywanych w sterowaniu jakością sposób grupowania się punktów na wykresie uwidacznia zależności korelacyjne między badanymi zmiennymi

34 WYKRESY KORELACJI - POSTĘPOWANIE 1 zebranie dwóch par danych, należących do dwóch zbiorów danych, których związek ma być analizowany 2 naniesienie na układ współrzędnych X i Y par danych 3 zbadanie kształtu rozmieszczenia punktów w celu wykrycia rodzaju i siły zależności 4 zbadanie siły zależności, przy pomocy obliczenia współczynnika korelacji Persona (opcjonalnie) 5 zbadanie istotności korelacji (opcjonalnie)

35 WYKRESY KORELACJI - PRZYKŁAD

36 Dziękujemy za uwagę

4) zmienność procesu w czasie wymaga od zespołu jednoczesnego monitorowania dokładności

4) zmienność procesu w czasie wymaga od zespołu jednoczesnego monitorowania dokładności 6. Jeśli dąży się do porównania dwóch wykresów należy pamiętać, aby ich skale były sobie równe. Jeśli jest to niemożliwe ze względu na porównanie wartości bezwzględnych (np. 15 szt. i 150 szt.), trzeba

Bardziej szczegółowo

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod

Bardziej szczegółowo

TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI

TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI 1 TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI 1. Stratyfikacja (formularz zbierania danych) 2. Arkusz sprawdzający (arkusz kontrolny) Arkusz sprawdzający Wydział...WS3...ymbol wyrobu...kra123... Data:...16.11.2004...zmiana..1-2-3...

Bardziej szczegółowo

Zarządzanie jakością ćwiczenia

Zarządzanie jakością ćwiczenia Zarządzanie jakością ćwiczenia mgr inż. Anna Wąsińska Zakład Zarządzania Jakością pok. 311 B1, tel. 320-42-82 anna.wasinska@pwr.wroc.pl Statystyczne sterowanie procesami SPC kontrolna Konsultacje: SO 13:00

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 6 Temat: Ustalenie gradacji istotności przyczyn uszkodzeń

Bardziej szczegółowo

ZARZĄDZANIE JAKOŚCIĄ ĆWICZENIA

ZARZĄDZANIE JAKOŚCIĄ ĆWICZENIA ZARZĄDZANIE JAKOŚCIĄ ĆWICZENIA mgr Arkadiusz Przybylski Warszawa 2015 Diagram Ishikawy (Diagram przyczynowo skutkowy, Wykres przyczynowo skutkowy, Diagram rybiej ości, Diagram ryby) Cel: wysuwanie hipotez

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 3 Temat: Zbieranie danych za pomocą arkusza kontrolnego

Bardziej szczegółowo

Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński

Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Opracowanie materiału statystycznego Szereg rozdzielczy częstości

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości KWIWiJ, II-go st. Ćwiczenie nr 2 Temat: Ustalenie gradacji istotności przyczyn

Bardziej szczegółowo

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia

Bardziej szczegółowo

KRZYWA CZĘSTOŚCI, CZĘSTOLIWOŚCI I SUM CZASÓW TRWANIA STANÓW

KRZYWA CZĘSTOŚCI, CZĘSTOLIWOŚCI I SUM CZASÓW TRWANIA STANÓW KRZYWA CZĘSTOŚCI, CZĘSTOLIWOŚCI I SUM CZASÓW TRWANIA STANÓW Wykres codziennych stanów CZĘSTOŚĆ lub LICZEBNOŚĆ KLASOWA ZBARZEŃ (n), jest to liczba zdarzeń przypadających na dany przedział klasowy badanego

Bardziej szczegółowo

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski Sterowanie procesem i jego zdolność Zbigniew Wiśniewski Wybór cech do kart kontrolnych Zaleca się aby w pierwszej kolejności były brane pod uwagę cechy dotyczące funkcjonowania wyrobu lub świadczenia usługi

Bardziej szczegółowo

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

Statystyka opisowa. Wykład I. Elementy statystyki opisowej Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o

Bardziej szczegółowo

Systemy zapewnienia jakości w laboratorium badawczym i pomiarowym

Systemy zapewnienia jakości w laboratorium badawczym i pomiarowym Systemy zapewnienia jakości w laboratorium badawczym i pomiarowym Narzędzia statystyczne w zakresie kontroli jakości / nadzoru nad wyposażeniem pomiarowym M. Kamiński Jednym z ważnych narzędzi statystycznej

Bardziej szczegółowo

Zarządzanie i inżynieria jakości / Adam Hamrol. Warszawa, Spis treści

Zarządzanie i inżynieria jakości / Adam Hamrol. Warszawa, Spis treści Zarządzanie i inżynieria jakości / Adam Hamrol. Warszawa, 2017 Spis treści Wprowadzenie 11 1. O inżynierii jakości i zarządzaniu jakością 11 2. Zakres i układ książki 14 3. Komentarz terminologiczny 17

Bardziej szczegółowo

3.14. Histogram (Histogram)

3.14. Histogram (Histogram) 3. Linie kontrolne powinny być kalkulowane na nowo tylko w przypadku znaczących zmian w procesie. 4. Skala wykresu powinna zawierać wartości nieco wyższe niż granice kontrolne. 5. Karty kontrolne spełniają

Bardziej szczegółowo

Podstawowe definicje statystyczne

Podstawowe definicje statystyczne Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny

Bardziej szczegółowo

STATYSTYCZNE STEROWANIE PROCESAMI

STATYSTYCZNE STEROWANIE PROCESAMI STATYSTYCZNE STEROWANIE PROCESAMI ARTUR MACIASZCZYK COPYRIGHTS 2002 Artur Maciaszczyk, tel. 0602 375 325 amacia@zie.pg.gda.pl 1! STATYSTYCZNE MONITOROWANIE JAKOŚCI Bogu ufamy. Wszyscy pozostali niech przedstawią

Bardziej szczegółowo

Wykład Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych.

Wykład Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych. Wykład 2. 1. Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych. 3. Wykresy: histogram, diagram i ogiwa. Prezentacja materiału statystycznego Przy badaniu struktury zbiorowości punktem

Bardziej szczegółowo

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami

Bardziej szczegółowo

5.2. PODEJMOWANIE DECYZJI - DIAGRAM ISHIKAWY WYKRES OŚCI RYBY (ang. fishbone diagram) WYKRES PRZYCZYNA-SKUTEK (ang. cause-effect diagram)

5.2. PODEJMOWANIE DECYZJI - DIAGRAM ISHIKAWY WYKRES OŚCI RYBY (ang. fishbone diagram) WYKRES PRZYCZYNA-SKUTEK (ang. cause-effect diagram) 5.2. PODEJMOWANIE DECYZJI - DIAGRAM ISHIKAWY WYKRES OŚCI RYBY (ang. fishbone diagram) WYKRES PRZYCZYNA-SKUTEK (ang. cause-effect diagram) Diagram Ishikawy to narzędzie, które służy do identyfikacji i prezentacji

Bardziej szczegółowo

Systemowe zarządzanie jakością : koncepcja systemu, ocena systemu, wspomaganie decyzji / Piotr Miller. Warszawa, Spis treści

Systemowe zarządzanie jakością : koncepcja systemu, ocena systemu, wspomaganie decyzji / Piotr Miller. Warszawa, Spis treści Systemowe zarządzanie jakością : koncepcja systemu, ocena systemu, wspomaganie decyzji / Piotr Miller. Warszawa, 2011 Spis treści Szanowny Czytelniku 11 I. SYSTEMOWE I PROCESOWE PODEJŚCIE DO ZARZĄDZANIA

Bardziej szczegółowo

Jakość wyrobów i usług. Tomasz Poskrobko

Jakość wyrobów i usług. Tomasz Poskrobko Jakość wyrobów i usług Tomasz Poskrobko Jakość??????????????? Jakość Wszystkie definicje jakości można przydzielić do jednej z dwóch interpretacji: wartościującej (oceniającej, preferencyjnej), niewartościującej

Bardziej szczegółowo

WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH:

WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: Zasada podstawowa: Wykorzystujemy możliwie najmniej skomplikowaną formę wykresu, jeżeli to możliwe unikamy wykresów 3D (zaciemnianie treści), uwaga na kolory

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna

Bardziej szczegółowo

Zarządzanie procesami

Zarządzanie procesami Metody pomiaru stosowane w organizacjach Zarządzanie procesami Zakres Rodzaje pomiaru metod pomiaru Klasyczne metody pomiaru organizacji Pomiar całej organizacji Tradycyjny rachunek kosztów (np. ROI) Rachunek

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych

Bardziej szczegółowo

NARZĘDZIA KOMPLEKSOWEGO ZARZĄDZANIA JAKOŚCIĄ

NARZĘDZIA KOMPLEKSOWEGO ZARZĄDZANIA JAKOŚCIĄ NARZĘDZIA KOMPLEKSOWEGO ZARZĄDZANIA JAKOŚCIĄ Małgorzata Jakubowska Przedmiot: Analityka i kontrola jakości Instrumenty zarządzania jakością Zasady zarządzania jakością - określają stosunek przedsiębiorstwa

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

METO T D O Y O C O ENY J A J KOŚ O CI

METO T D O Y O C O ENY J A J KOŚ O CI Wykład 8. METODY OCENY JAKOŚCI I NARZĘDZIA JEJ KSZTAŁTOWANIA 1 1. Pomiar i ocena jakości: Pomiaru i oceny jakości dokonujemy na podstawie zbioru cech (mierzalnych i niemierzalnych). Działania w procesie

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr Temat: Karty kontrolne przy alternatywnej ocenie właściwości.

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 9 Temat: Karty kontrolne przy alternatywnej ocenie właściwości.

Bardziej szczegółowo

Laboratorium 8. Zarządzanie ryzykiem.

Laboratorium 8. Zarządzanie ryzykiem. Laboratorium 8 Zarządzanie ryzykiem. Zarządzanie ryzykiem: wyszukiwanie ryzyka, szacowanie ryzyka. Diagram Ishikawy nazwany tak od nazwiska japońskiego ekonomisty Karou Ishikawy jest popularnym narzędziem

Bardziej szczegółowo

Statystyczne sterowanie procesem

Statystyczne sterowanie procesem Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu

Bardziej szczegółowo

Sterowanie jakością badań i analiza statystyczna w laboratorium

Sterowanie jakością badań i analiza statystyczna w laboratorium Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników

Bardziej szczegółowo

Badania biegłości laboratorium poprzez porównania międzylaboratoryjne

Badania biegłości laboratorium poprzez porównania międzylaboratoryjne Badania biegłości laboratorium poprzez porównania międzylaboratoryjne Dr inż. Maciej Wojtczak, Politechnika Łódzka Badanie biegłości (ang. Proficienty testing) laboratorium jest to określenie, za pomocą

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; STATYSTYKA OPISOWA Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; - badanie stanu zdrowia w pewnej miejscowości; - badanie stopnia zanieczyszczenia gleb metalami ciężkimi

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

3. Narzędzia zarządzania jakością

3. Narzędzia zarządzania jakością Zarządzanie jakością w praktyce inżynierskiej 3. Narzędzia zarządzania jakością 3.1. Schematy blokowe Proces wytwarzania stanowi uporządkowany zestaw celowych działań wykonywanych w toku produkcji począwszy

Bardziej szczegółowo

W 30 C 30 Rodzaj : Symbol : Semestr : Grupa : Nr w siatce studiów : Data opracowania : 2012

W 30 C 30 Rodzaj : Symbol : Semestr : Grupa : Nr w siatce studiów : Data opracowania : 2012 Nr karty: 1/5 KARTA PROGRAMU RAMOWEGO PRZEDMIOTU PW - IOSP Narzędzia i metody jakością Quality Management Methods and Tools 1. Identyfikator przedmiotu: Rodzaj studiów : Studia I-go stopnia (inżynierskie

Bardziej szczegółowo

Sposoby opisu i modelowania zakłóceń kanałowych

Sposoby opisu i modelowania zakłóceń kanałowych INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń

Bardziej szczegółowo

QualitySkills.pl Praktyczne Warsztaty Jakościowe

QualitySkills.pl Praktyczne Warsztaty Jakościowe E-Biuletyn o Zarządzaniu Jakością czyli Jakość z pasją Nr 1/VII/2012 Witamy serdecznie, W tym numerze pragniemy zachęcić do lektury: 1. Wakacje - relaks czy harówa? 2. Nowości 3. Metody jakościowe wykorzystywane

Bardziej szczegółowo

Raport 8D (cykl Deminga, Ishikawa, 5 WHY)

Raport 8D (cykl Deminga, Ishikawa, 5 WHY) Kierunek: Inżynieria Zarządzania Specjalność: Systemy projakościowe i ergonomia Raport 8D (cykl Deminga, Ishikawa, 5 WHY) Autorzy: Urszula Jujka Justyna Kubacka Kinga Kuciak Poznań, 2015 Plan prezentacji

Bardziej szczegółowo

Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller

Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller Podejmowanie decyzji na podstawie faktów to jedna z ośmiu zasad zarządzania jakością wymienionych w normie

Bardziej szczegółowo

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził

Bardziej szczegółowo

Sposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami

Sposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami EuroLab 2010 Warszawa 3.03.2010 r. Sposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami Ryszard Malesa Polskie Centrum Akredytacji Kierownik Działu Akredytacji Laboratoriów

Bardziej szczegółowo

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. [1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Analiza współzależności dwóch cech I

Analiza współzależności dwóch cech I Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA

STATYSTYKA EKONOMICZNA STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr

Bardziej szczegółowo

Zarządzanie jakością. cią. Zarządzanie jakością - wykład 5. W. Prussak Kontrola w zarządzaniu jakością

Zarządzanie jakością. cią. Zarządzanie jakością - wykład 5. W. Prussak Kontrola w zarządzaniu jakością Jakość produktu Pojęcie i zasady zarządzania System zarządzania Planowanie Metody i narzędzia projakościowe Doskonalenie Zarządzanie. jakości cią Wykład 05/07 Statystyczna kontrola procesu (SPC) 5.1 inspekcyjna

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości Ćwiczenie nr 10 Temat: Karta kontrolna pojedynczych obserwacji i ruchomego

Bardziej szczegółowo

Zmienne zależne i niezależne

Zmienne zależne i niezależne Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }

Bardziej szczegółowo

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

Wymagania edukacyjne z matematyki w klasie III gimnazjum

Wymagania edukacyjne z matematyki w klasie III gimnazjum Wymagania edukacyjne z matematyki w klasie III gimnazjum - nie potrafi konstrukcyjnie podzielić odcinka - nie potrafi konstruować figur jednokładnych - nie zna pojęcia skali - nie rozpoznaje figur jednokładnych

Bardziej szczegółowo

Statystyka opisowa- cd.

Statystyka opisowa- cd. 12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,

Bardziej szczegółowo

Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz

Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz VI Konferencja Nawierzchnie szynowe. Rynek-Inwestycje-Utrzymanie" WISŁA, 22-23 MARCA 2018 r. POZIOMY DOJRZAŁOŚCI ZARZĄDZANIA RYZYKIEM Poziom 1 naiwny

Bardziej szczegółowo

SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY.

SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY. SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3. Część podsumowująca.

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

Procedura szacowania niepewności

Procedura szacowania niepewności DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził

Bardziej szczegółowo

Skumulowane wykresy słupkowe: pokazują zależności zachodzące między indywidualnymi elementami i całością.

Skumulowane wykresy słupkowe: pokazują zależności zachodzące między indywidualnymi elementami i całością. Tworzenie wykresu Wykresy są bardzo atrakcyjne pod względem wizualnym, ponieważ pozwalają użytkownikom w łatwy sposób porównywać dane, wzorce i trendy. Na przykład, zamiast analizować dane umieszczone

Bardziej szczegółowo

STATYCZNA PRÓBA ROZCIĄGANIA

STATYCZNA PRÓBA ROZCIĄGANIA Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej

Bardziej szczegółowo

Statystyczne metody analizy danych. Agnieszka Nowak - Brzezińska

Statystyczne metody analizy danych. Agnieszka Nowak - Brzezińska Statystyczne metody analizy danych Agnieszka Nowak - Brzezińska SZEREGI STATYSTYCZNE SZEREGI STATYSTYCZNE odpowiednio usystematyzowany i uporządkowany surowy materiał statystyczny. Szeregi statystyczne

Bardziej szczegółowo

Wymagania edukacyjne z matematyki klasa II technikum

Wymagania edukacyjne z matematyki klasa II technikum Wymagania edukacyjne z matematyki klasa II technikum Poziom rozszerzony Obowiązują wymagania z zakresu podstawowego oraz dodatkowo: 1. JĘZYK MATEMATYKI I FUNKCJE LICZBOWE Uczeń otrzymuje ocenę dopuszczającą

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);

Bardziej szczegółowo

Analiza niepewności pomiarów

Analiza niepewności pomiarów Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej

Bardziej szczegółowo

Podstawy zarządzania

Podstawy zarządzania Podstawy zarządzania mgr Magdalena Marczewska TiMO (Zakład Teorii i Metod Organizacji) Wydział Zarządzania Uniwersytetu Warszawskiego mmarczewska@wz.uw.edu.pl Rozwiązywanie problemów decyzyjnych Manager

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność

Bardziej szczegółowo

Materiał dotyczy generowania różnego typu wykresów w środowisku R.

Materiał dotyczy generowania różnego typu wykresów w środowisku R. Materiał dotyczy generowania różnego typu wykresów w środowisku R. Pamiętajmy, że niektóre typy wykresów są dedykowane do pewnych typów danych. Na potrzeby ćwiczeń początkowych załadujemy sobie zbiór danych

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III Program nauczania matematyki w gimnazjum Matematyka dla przyszłości DKW 4014 162/99 Opracowała: mgr Mariola Bagińska 1. Liczby i działania Podaje rozwinięcia

Bardziej szczegółowo

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy. 1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową

Bardziej szczegółowo

Praktyczny Excel. Wykresy i grafika. w Excelu krok po kroku

Praktyczny Excel. Wykresy i grafika. w Excelu krok po kroku Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych.

Przedmiot statystyki. Graficzne przedstawienie danych. Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych

Bardziej szczegółowo

Wykład 10: Elementy statystyki

Wykład 10: Elementy statystyki Wykład 10: Elementy statystyki dr Mariusz Grządziel 0 grudnia 010 Podstawowe pojęcia Biolodzy: -badają pojedyńcze rośliny lub zwierzęta; -chcemy rozszerzyć wnioski na wszystkich przedstawicieli gatunku

Bardziej szczegółowo

Praktyczny Excel. Wykresy i grafika. w Excelu krok po kroku

Praktyczny Excel. Wykresy i grafika. w Excelu krok po kroku Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,

Bardziej szczegółowo

Zmienne losowe zadania na sprawdzian

Zmienne losowe zadania na sprawdzian Zmienne losowe zadania na sprawdzian Zad. 1. Podane poniżej dane dotyczą zawartości suchej masy (w %) i sosu (w %) w 24 konserwach ze śledzia w pomidorach: Zawartość suchej masy: 12,0 13,0 14,5 14,0 12,0

Bardziej szczegółowo

Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga.

Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga. Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga. Funkcja liniowa. Uczeń otrzymuje ocenę dopuszczającą, jeśli: - rozpoznaje funkcję liniową

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

Spis treści. Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów. Wstęp Wprowadzenie...

Spis treści. Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów. Wstęp Wprowadzenie... Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów Wstęp... 13 1. Wprowadzenie... 19 1.1. Statystyka opisowa.................................. 21 1.2. Wnioskowanie

Bardziej szczegółowo

Graficzne opracowanie wyników pomiarów 1

Graficzne opracowanie wyników pomiarów 1 GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.

Bardziej szczegółowo

OPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA

OPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA OPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA Projekt to metoda na osiągnięcie celów organizacyjnych. Jest to zbiór powiązanych ze sobą, zmierzających

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci

Bardziej szczegółowo

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Prezentacja materiału statystycznego Szeroko rozumiane modelowanie i prognozowanie jest zwykle kluczowym celem analizy danych. Aby zbudować model wyjaśniający relacje pomiędzy różnymi aspektami rozważanego

Bardziej szczegółowo

VII. WYKRESY Wprowadzenie

VII. WYKRESY Wprowadzenie VII. WYKRESY 7.1. Wprowadzenie Wykres jest graficznym przedstawieniem (w pewnym układzie współrzędnych) zależności pomiędzy określonymi wielkościami. Ułatwia on interpretację informacji (danych) liczbowych.

Bardziej szczegółowo

LABORATORIUM PODSTAW TELEKOMUNIKACJI

LABORATORIUM PODSTAW TELEKOMUNIKACJI WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PODSTAW TELEKOMUNIKACJI Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził... Skład podgrupy:

Bardziej szczegółowo

Redukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej "celu"

Redukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej celu Potencjał Wiedzy Jak zredukować koszty zmienności Łódź, 29 30 maja 2017 Redukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej "celu" Piotr Tomicki,

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Essity Engagement Survey 2018

Essity Engagement Survey 2018 Essity Engagement Survey 2018 Jak czytać raport zespołu? EUCUSA Consulting GmbH Mariahilfer Straße 187/39 A-1150 Wien Tel: +43-1-817 40 20-0 Fax: DW 20 FN 174750 k Handelsgericht Wien www.eucusa.com e-mail:

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo