1415 Kompetenzfeld Qualitätsmanagement Grundkurs II Statistik für Produktion und Dienstleistung...
-
Upload
isaak-hemmerich -
Category
Documents
-
view
110 -
download
2
Transcript of 1415 Kompetenzfeld Qualitätsmanagement Grundkurs II Statistik für Produktion und Dienstleistung...
1415 Kompetenzfeld Qualitätsmanagement Grundkurs II
Statistik für Produktion und Dienstleistung
Peter Hackl, Abteilung für Wirtschaftsstatistik, UZA II, 4. Ebene Sprechstunden: Fr, 10:45 -11:45http://statistik.wu-wien.ac.at/stat4/hackl/ss04/qmss04.htm
27.2.2004 Statistische Grundlagen: Überblick 2
Statistische Grundlagen: Überblick
Literatur: Hackl & Katzenbeisser, Statistik für
Sozial- und Wirtschaftswissenschaften: Kap.9: Konzepte der statistischen Inferenz; Kap. 10.1: Das Lageproblem.
Ledolter & Burrill, Statistical Quality Control: Kap. 6: Measurements and Their Importance for Sampling; Kap. 9: Sample Surveys; Kap. 10: Statistical Inference under Simple Random Sampling.
27.2.2004 Statistische Grundlagen: Überblick 3
Woher kommen die Daten?
Datengewinnung durch Primärstatistiken Beobachtung (passiv oder aktiv
[Experiment]) Befragungder statischen Einheiten
27.2.2004 Statistische Grundlagen: Überblick 4
Messen
Messen: Ist Ergebnis eines Messprozesses mit Messinstrumenten Messverfahren messenden Personen
Beispiele: gemessen werden (A) die Länge eines Tisches, (B) die Länge eines Eies, (C) die Härte von Stahl, (D) die Zufriedenheit des Käufers eines PKW
27.2.2004 Statistische Grundlagen: Überblick 5
Qualität von Messungen
Kriterien für die Qualität von Messungen systematischer Fehler (Bias) Präzision Reproduzierbarkeit Stabilität
27.2.2004 Statistische Grundlagen: Überblick 6
Qualität von Messungen, Forts.
Problembereiche für hohe Datenqualität Deming (Out of the Crisis, 1986): "Clear
operational definitions" Soziale Faktoren beeinflussen die
Messung Sind die Daten relevant für
Fragestellung?
27.2.2004 Statistische Grundlagen: Überblick 7
Prozesse: Messen - Variabilität
Beobachten (Messen) ist zentrales Element für Qualität von Produktions- und Dienstleistungsprozessen
Prozessvariabilität Messvariabilität
Beispiele
27.2.2004 Statistische Grundlagen: Überblick 8
Datenerhebungen (surveys) Vollerhebung (census) und Stichprobe Grundgesamtheit (Umfang N; N meist
sehr groß) Statistische Einheiten, Elemente Stichprobenrahmen (Liste aller Elemente
der Grundgesamtheit) Stichprobe (Umfang n; n meist klein)
27.2.2004 Statistische Grundlagen: Überblick 9
Auswahl der Stichprobe Auswahl ohne Zufallsmechanismus (non-
probability sample survey) Bequemlichkeits-Stichprobe (convenience
sampling) Systematische Stichprobe
Auswahl nach Zufallsprinzip (probability sample survey) Einfache Zufallsstichprobe (simple random
sample) Geschichtete Zufallsstichprobe (stratified
random sample) Systematische Zufallsstichprobe Klumpen- (Cluster)stichprobe
27.2.2004 Statistische Grundlagen: Überblick 10
Einfache Zufallsstichprobe
jede mögliche Stichprobe vom Umfang n hat die gleiche Wahrscheinlichkeit, gezogen zu werden
27.2.2004 Statistische Grundlagen: Überblick 11
Beispiel 1: Einfache Zufalls-SP
G = {a,b,c,d,e}, n=2: es gibt 10 mögliche Stichproben: (a,b), (a,c), ..., (a,e), ..., (d,e)
Urne enthält 10 Zettel mit den 10 Paaren; wir wählen zufällig einen aus
Urne enthält 5 Zettel mit den 5 Buchstaben; wir wählen zufällig zwei (ohne Zurücklegen) aus
Zufallszahlen
27.2.2004 Statistische Grundlagen: Überblick 12
Zufallszahlen In Büchern; z.B. in Ledolter & Burrill,
S.233; Hackl & Katzenbeisser, S. 434 Statistik-Software kann
Pseudozufallszahlen erzeugen, z.B. EXCEL: Analyse-Funktionen >> Zufallszahlengenerierung >> Diskrete Verteilung
27.2.2004 Statistische Grundlagen: Überblick 13
Einfache ZSP: Vor-/Nachteile
Vorteile Ergebnisse haben keinen
systematischen Fehler (Bias); sie sind "unverzerrt"
kontrollierter Stichprobenfehler Nachteil
in Praxis nicht leicht realisierbar, oft aufwendig
27.2.2004 Statistische Grundlagen: Überblick 14
Erhebungsfehler Reiner Stichprobenfehler (pure
sampling error): Variation des Ergebnisses dadurch, dass bestimmte Elemente ausgewählt werden; messbar
Nicht-Stichprobenfehler (non-sampling error): Effekte von schlechter Repräsentation, Problemen der Erhebungstechnik, der beteiligten Personen, schlechte Fehlerkontrolle, etc.; kaum messbar
27.2.2004 Statistische Grundlagen: Überblick 15
Geschichtete Zufallsstichprobe
Zerlegung der Grundgesamtheit in Schichten; innerhalb jeder Schicht:
Einfache Zufallsstichprobe Vorteil: reduzierter Stichprobenfehler
27.2.2004 Statistische Grundlagen: Überblick 16
Beispiel 4: Einkommen
Reine ZSP Geschichtete ZSPa=2, b=3, MW=2.5 nicht möglich
a=2, c=6, MW=4.0 a=2, c=6, MW=4.0
a=2, d=7, MW=4.5 a=2, d=7, MW=4.5
b=3, c=6, MW=4.5 b=3, c=6, MW=4.5
b=3, d=7, MW=5.0 b=3, d=7, MW=5.0
c=6, d=7, MW=6.5 nicht möglich
27.2.2004 Statistische Grundlagen: Überblick 17
Klumpenstichprobe Vollerhebung in zufällig ausgewählten
Teilmengen (Klumpen; Teilmengen, die die Grundgesamtheit gut repräsentieren)
Geschichtete und Klumpenstichprobe: sind Beispiele für zweistufige Stichprobenverfahren
27.2.2004 Statistische Grundlagen: Überblick 18
Statistische Entscheidungen Auch „Statistische Inferenz“ Einfache Zufalls-Stichproben
27.2.2004 Statistische Grundlagen: Überblick 19
Beispiel 5: Abfüllmenge unbekannter Mittelwert μ der Füllmenge
soll geschätzt werden Stichprobe (n = 25): x-bar = 126.7,
s = 0.5. Punktschätzer für μ ist x-bar Konfidenzintervall für μ: x-bar ± c. Testen von H0: μ = 126.4 gegen H1: μ >
126.4
27.2.2004 Statistische Grundlagen: Überblick 20
Beispiel 6: Ausschussanteil Unbekannter Ausschussanteil θ Stichprobe (n = 200) gibt
Ausschussanteil von p = 3.5% Punktschätzer für θ ist p = 0.035 Konfidenzintervall p ± c Testen die Nullhypothese H0: θ = 0.02 gegen
H1: µ > 0.02
27.2.2004 Statistische Grundlagen: Überblick 21
Stichprobenverteilungen
Wahrscheinlichkeitsverteilungen von x-bar und p erlauben statistische Entscheidungsverfahren
Zentraler Grenzwertsatz
27.2.2004 Statistische Grundlagen: Überblick 22
Stichprobenmittelwert Grundgesamtheit: X mit (beliebiger)
Verteilung, und . Stichprobenmittelwert x-bar:
Mittelwert von x-bar ist Standardabweichung (Standardfehler,
standard error) von x-bar ist StdAbw(x-bar) = /n
Für nicht zu kleines n: x-bar ist näherungsweise normalverteilt
27.2.2004 Statistische Grundlagen: Überblick 23
Konfidenzintervall für μ Konfidenzintervall zur Konfidenzzahl γ =
0.95x-bar ± c
Mitc = 2/n
genauer: c = 1.96 /n 99.7%-iges KI: x-bar ± 3 /n 90%-iges KI: x-bar ± 1.645 /n
27.2.2004 Statistische Grundlagen: Überblick 24
Test für μ Lege H0 (μ = μ0) und H1 fest Wähle den maximal tolerierten p-Wert
(probability value), d.i. die Wahrscheinlichkeit, den Fehler 1. Art zu begehen (das Signifikanzniveau, auch mit bezeichnet); z.B. 0.05
Ziehe die Stichprobe, berechne x-bar Berechne den p-Wert Verwerfe H0, wenn der p-Wert kleiner als
ist
27.2.2004 Statistische Grundlagen: Überblick 25
Konfidenzintervall, Test für θ
Analog zu den Aufgaben für μ Der Anteil p hat analoge
Verteilungseigenschaften zu x-bar: p ist näherungsweise normalverteilt
N(θ, [θ (1- θ)/n])
27.2.2004 Statistische Grundlagen: Überblick 26
Stichprobenumfang
Bei Vorgabe von c und γ=0.95 kann n berechnet werden aus
n =(2σ/c)2
27.2.2004 Statistische Grundlagen: Überblick 27
Wahrscheinlichkeitsverteilungen
Testverteilungen: Normal-, t-, Chi-Quadrat-, F-Verteilung
Verteilungen in der Zuverlässigkeits-theorie: Exponentialverteilung Gammaverteilung Weibullverteilung