TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Tilastollinen laadunvalvonta

Samankaltaiset tiedostot
KURSSIN TILASTOMATEMATIIKKA KAAVOJA

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

Word Taulukko-ominaisuus

M Pv + q = 0, M = EIκ = EIv, (EIv ) + Pv = q. v(x) = Asin kx + B cos kx + Cx + D + v p. P kr = π2 EI L n

LAADUNVALVONTA JA TARKASTUSOTANTA. Keijo Ruohonen

4.0.2 Kuinka hyvä ennuste on?

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Tilastollinen aineisto Luottamusväli

Liikkuvan varauksen kenttä

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria

Liikkuvan varauksen kenttä

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Kreikka'(10'op)' Avoin&yliopisto,&kesä&2014& TT,&MA&Ulla&Tervahauta&&&TM&Nina&Nikki& & KÄYTÄNNÖN'ASIOITA'

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Kuva 3.1: Näyte Gaussisesta valkoisest kohinasta ε t N(0, 1) Aika t

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

1. (a) (2p.) Systeemin infinitesimaalista siirtoa matkan ɛ verran esittää operaattori

sin θ θ θ r 2 sin 2 θ φ 2 = 0.

Differentiaali- ja integraalilaskenta 3 Laskuharjoitus 7 /

Todennäköisyyden ominaisuuksia

Osa 2: Otokset, otosjakaumat ja estimointi

Osittaisdifferentiaaliyhtälöt

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

ARMA(p, q)-prosessin tapauksessa maksimikohdan määrääminen on moniulotteinen epälineaarinen optimointiongelma.

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA. Karoliina Ljungberg

LUKU 10. Yhdensuuntaissiirto

JYVÄSKYLÄN YLIOPISTO. 5. Olkoon f : [0, 1] R kasvava. Osoita, että joukko. {x [0, 1] f ei ole jatkuva pisteessä x} on numeroituva. [Vihje: Lause 1.2.

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

u 2 dx, u A f siten, että D(u) = inf D(U). Tarkemmin: Tarkoitus on osoittaa seuraavat minimointitehtävä ja Dirichlet n tehtävä u A f ja

J 2 = J 2 x + J 2 y + J 2 z.

Harjoitus 1, tehtävä 1

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)

Reaalianalyysin perusteita

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

Sovellettu todennäköisyyslaskenta B

Opiskelijan pikaopas STACK-tehtäviin. Lassi Korhonen, Oulun yliopisto

Älä tee mitään merkintöjä kaavakokoelmaan!

Projektin arvon aleneminen

Epälineaaristen yhtälöiden ratkaisumenetelmät

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Numeeriset menetelmät

6.1 Autokovarianssifunktion karakterisaatio aikatasossa

5 Tärkeitä yksiulotteisia jakaumia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Aluevarausmerkinnät: T/kem Maakuntakaava

Perusidea: Jaetaan väli [a, b] osaväleihin ja muodostetaan osavälejä vastaavat suorakulmiot/palkit, joiden korkeus funktion arvot kyseisellä välillä.

Reuna-Harnack-periaatteesta

Aineaaltodynamiikka. Aikariippuva Schrödingerin yhtälö. Stationääriset tilat. Ei-stationääriset tilat

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 10: Moninkertaisten integraalien sovelluksia

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Mari Herranen. Ultratulo

Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013

Käyttövedenlämmitin. KÄYTTÖVEDENLÄMMITIN HAATO HK-15 1/3KW SEINÄ/VAAKA LVI-numero PIKA OD38

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

ELEC C4140 Kenttäteoria (syksy 2016)

PIENTALON TERÄSBETONIRUNKO / / html.

Väliestimointi (jatkoa) Heliövaara 1

031021P Tilastomatematiikka (5 op) viikko 4

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

ELEC C4140 Kenttäteoria (syksy 2016)

ELEC C4140 Kenttäteoria (syksy 2015)

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 10: Moninkertaisten integraalien sovelluksia

ELEC C4140 Kenttäteoria (syksy 2015)

F(x) = P(X x), x R. F(x) = 1º

! #! %! & #!!!!! ()) +

Tampereen yliopisto Informaatiotieteiden yksikkö

u = 2 u (9.1) x + 2 u

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

f(x 1,x 2 ) = f 1 (x 1 )f 2 (x 2 ) x 2 f(x 1,x 2,...,x n ) = f 1 (x 1 )f 2 (x 2 ) f n (x n ) f 1 (x 1 ) = 1 6, ÙÒ x 1 S 1 f 2 (x 2 ) = = 2 x 2

Sovellettu todennäköisyyslaskenta B

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Analyysin peruslause

Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1

ELEC C4140 Kenttäteoria (syksy 2015)

Hysteerinen komedia meistä naisista...(ja vähän myös miehistä)! oivatuotanto.fi

Insinöörimatematiikka D

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

11. Poissonin yhtälö Perusratkaisu. Laplacen yhtälöön liittyvää epähomogeenista osittaisdifferentiaaliyhtälöä

Rajoittamattomat kieliopit

Esimerkki 1 Ratkaise differentiaaliyhtälö

5.7 Uskottavuusfunktioon perustuvia testejä II

( ds ) A (2) ψ ξ dv + ψ 2 ξ dv = ψ 2 ξ ξ 2 ψ ) V

a x a y I xi y i I xyi x i I xyi + y i I yi

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Sisäpiirintiedon syntyminen

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 10: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali.

Stationaariset stokastiset prosessit ja ARMA-mallit

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOONTI. Evernotemuistiinpanoista. Kaksi vuotta. ajalta KOONTI. SEKALAISTA II Oppiminen. SEKALAISTA I Oppiminen.

Transkriptio:

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Tilastollie laauvalvota Shewharti muuttujakartat ARL I = α ARL II = β x-kartta x = x + + x Ex =µ ja Vx = µ ± k Φx = π x e t t α = Φk β =Φk Φ k S-kartta S = x i x gx = X = S x 3 Γ e x, ku x>0 i

ii Γx = ES = Γ Γ Γ VS = Γ 0 s x e s s = c 4, ES = c 5 = c 4 B 5 = max0,c 4 kc 5 B 6 =c 4 + kc 5 = c 5 α = PB 5 <S<B 6 = P B 5 <X< B 6 B5 β =PB 5 <S<B 6 =P + <X< B6 + R-kartta R = maxx,...,x mix,...,x f R r = F t F t r ftft r t, fx = e x µ x µ, Fx =Φ π ER = π ER = π 0 s 0 e u +u s Φu Φu s us = s e u +u s Φu Φu s us VR =ER ER = 3 D = max0, k 3 D = + k 3

iii 3.8 0.853 3.693 0.888 4.059 0.880 5.36 0.864 6.534 0.848 7.704 0.833 8.847 0.80 9.970 0.808 0 3.077 0.797 3.73 0.787 3.58 0.778 3 3.336 0.770 4 3.407 0.763 5 3.47 0.756 α = π e u Φu Φu D Φu Φu D u β = π e u Φu Φ u D Φu Φ u D u + + Karttoje käyistys x-kartta: m m x i = x, m m S i = S, m m R i = R S-kartta: x ± x ± k S = x ± A 3 S, A 3 = k c 4 c 4 k R = x ± A R, A = k max 0, kc 5 S = B 3 S c 4 + kc 5 c 4 S = B 4 S

iv R-kartta: max 0, k 3 R = D 3 R + k 3 R = D 4 R Yksittäisarvokartat MR-kartta: MR = y i y i = maxy i,y i miy i,y i =, 3 = 4 π π Käyistys: MR i = y i y i i =,...,m, MR = m π π A = k, D 3/ 3 = max 0, k m MR i i= π, D 4 =+k Shewharti attribuuttikartat p-kartta p = D Ep = ED =θ, Vp = θ θ max 0,θ k θ θ mi,θ+ k θ θ α = Pθ k θ θ <D<θ+ k θ θ, PD = = θ θ

v Käyistys: β =Pθ k θ θ <D<θ+ k θ θ, PD = = θ + θ θ θ m m p i = p max 0, p k p p mi, p + k p p c-kartta Pc = i = i i! e i =0,,... Ec =, Vc = max0, k + k α = P k <c<+ k Käyistys: β =P k <c<+ k, + i Pc = i = e i! α = Γ, k +Γ, + k β =Γ +, k Γ +, + k m c i = c m max0, c k c c + k c

vi u-kartta ja epämeriittikartta u-kartta: u = D + + D = D Eu =, Vu = VD = max 0, k + k Epämeriittikartta: α = P k <D<+ k, PD = i = i e i! β =P k < D <+ k, = PD = i = + i e + i! L j= ω j D j i = L j= ω j D j i E = j= L ω j j, V = j= L j= L max 0, ω j j k L ωj j j= j= L ω j j + k L ωj j j= ω j j

vii Liukumakartat CUSUM-kartta Ey =m, Vy =v C + r C r = max0,y r k + + C + r = mi0,y r k + C r, C + 0 = C 0 =0 PC + s =F s + k + z s 0 RL + z = mi C + r h + r, C + 0 = z p + j z =PRL+ z = j p + z =PC + h + = F h + + k + z p + j h+ z = p + j xfx + k+ z x + p + j 0F k+ z j =, 3,... 0 ARL ± I = ARL ± II = j= j= jp ± j jp ± j 0, Ey =m 0, Ey =m + δ± EWMA-kartta Ey =m, Vy =v z 0 = m z i = y i + z i i =,,... i z i = j y i j + i z 0 j=0 Ez i =m, Vz i = i v

viii i LCL i = m kv i UCL i = m + kv LCL = m kv UCL = m + kv ARL z =+ UCL LCL u z ARL u f u RL z = mi r, z 0 = z z r LCL tai z r UCL p j z =PRL z = j UCL z LCL z p z = F + F p j z = UCL LCL ARL I = ARL II = u z p j uf u jp j m, Ey =m j= jp j m, Ey =m + δ j= Moimuuttujakartat x = x + + x S = S = x i xx i x T x i µx i µ T Ex =µ, Vx = Σ

ix x = m x + + x m, S = m S + + S m fx = π p/ etσ e x µt Σ x µ χ -kartta X = x µ T Σ x µ EX =p, VX =p Hotelligi kartat T M = x µ T S x µ UCL = p p F p, p, α T = x x T S x x UCL i = pi i i p + F p,i i p+, α, UCL = χ p, α W -kartta: W = p l e Alti kartat l et S etσ + traceσ S S -kartta: et S etσ UCL = χ pp+/, α = p ets etσ χ,,..., p EetS = b etσ, VetS = b etσ b =! p! p, b = max0, b k b etσ b + k b etσ! +! p! p +! p b

x Kykyieksit m = USL + LSL, = USL LSL Ieksit Kae ieksit: Taguchi ieksi: C P = 3 C PL = µ LSL 3 C PU = USL µ 3 C PK = mic PL,C PU = µ m 3 Pear Kotz Johso-ieksi: C PM = 3 +µ T Y L = 00 Φ Y = 00 Φ C A = µ T LSL µ USL µ %, Y U = 00Φ USL µ LSL µ Φ % Y L = 00Φ3C PL %, Y U = 00Φ3C PU % % Boylesi ieksi: 00Φ3C PK % Y<00Φ3C PK % C PS = 3 Φ Φ USL µ Y = 00Φ3C PS % + µ LSL Φ

xi Ieksie estimoiti ja testaus ˆµ = x, ˆ = S b = S C P : testaus: Ĉ P = 3S b, Ĉ PK = Ĉ PL = x LSL 3S b, Ĉ PM = x m 3S b 3 Sb +x T Ĉ PU = USL x, Ĉ A = x T 3S b X = S b = 9 Ĉ P C A : testaus: CA a PĈA a = Φ C PL : testaus: C PU : testaus: C PM : testaus: = C P Ĉ P CA +a +Φ X = S b, U = x µ /, = µ LSL / =3 C PL 3 ĈPL = U +3 C PL X X = S b, U = x µ /, = µ USL / = 3 C PU 3 ĈPU = U 3 C PU X X = S b, U = x µ /, δ = µ T / C PK : testaus: 9 Ĉ PM = X +U + δ X = S b, U = x µ /, ν = δ = 3C PK = ν 3 C PK, δ = µ m /

xii 3ĈPK = x m S b = ν U + δ X F y = Γ by 0 x 3 e x Φν y x + δ Φ ν + y x + δ x, ν, ku y>0 by = y, ku y 0 Tarkastusotata: attribuuttiotata Yksikertaie otata PD = = M N M =0,..., N TN T N c P AA T =, T = M N N =0 c fθ,, c =P AB θ =P A θ = θ θ =0 fθ,, c + fθ,, c = θ c+ θ c c + fθ, +,c fθ,, c = θ c+ θ c c fθ,, c = θ c θ c θ c ATIθ =P A θ+n P A θ AOQθ =θp A θ tai AOQθ = θp A θ N

xiii Kaksikertaie otata P A θ = c =0 θ θ + ASNθ = + c t=c + =0 c 3 t c =c + t θ θ θ t+ θ + t Tarkastusotata: muuttujaotata Ala- ja yläpuolie tarkastus µ L P A µ =Φ / x0 µ θ =Φ U µ, P A µ =Φ /. µ x0, θ =Φ µ = x 0 Φ θ, µ = x 0 + Φ θ µ = x 0 Φ p, µ = x 0 + Φ p µ = x 0 Φ p, µ = x 0 + Φ p = Φ α+φ β Φ p Φ p L = µ + Φ α =x 0 Φ p + Φ α U = µ Φ α =x 0 + Φ p Φ α Kaksipuolie tarkastus U µ L µ P A µ =Φ / Φ / x µ µ x θ =Φ +Φ