What you'll learn
- Aufstellen der Nullhypothese und Alternativhypothese
- t-Test, eine Stichprobe durchführen
- Die Trennschärfe „Power“ eines Hypothesentest verstehen
- Herleitung des Wahrscheinlichkeitsnetzes auf Basis der Dichtefunktion
- Erzeugung und Interpretation von Einzelwertediagrammen im Rahmen des t-Tests
- Testprüfgröße und Signifikanzwert
- Fehler 1. Art und Fehler 2. Art im Rahmen der Hypothesenentscheidung
- Trennschärfenanalyse und Stichprobenumfang im Rahmen des t-Tests
- Einfluss des Stichprobenumfangs auf das Hypothesenergebnis
- Grafische Konstruktion der Wahrscheinlichkeitsverteilung
- Interpretation der Trennschärfekurve
- Bestimmung des Stichprobenumfangs auf Basis der Trennschärfengüte
- Einfluss unterschiedlicher Stichprobenumfänge auf die Hypothesenentscheidung
Requirements
- Minitab Software
Description
HYPOTHESENTEST: t-TEST, 1 STICHPROBE
In dieser Minitab Schulung Hypothesentest t-Test für eine Stichprobe begleiten wir die Wärmebehandlung und werden erleben, wie mithilfe des Hypothesentests t-Test eine Stichprobe herausgefunden werden kann, ob der Wärmebehandlungsprozess so eingestellt ist, dass die Skateboardachsen die geforderte Druckfestigkeiten erreichen. Um diese zu erreichen, durchlaufen die Skateboardachsen einen mehrstufigen Wärmebehandlungsprozess. Unsere Aufgabe in dieser Minitab Schulung besteht darin, anhand von Stichprobendaten und dem Hypothesentest t-Test für eine Stichprobe eine zuverlässige Handlungsempfehlung an die Produktionsleitung abzugeben, ob der aktuelle Wärmebehandlungsprozess ausreichend gut eingestellt ist oder ob der aktuell laufende Prozess eventuell sogar gestoppt und optimiert werden müsste, falls unser Hypothesentest aufzeigt, dass der geforderte mittlere Sollwert nicht erreicht wird. Im Kern dieser Trainingseinheit werden wir erleben, wie ein Hypothesentest eine Stichprobe ordnungsgemäß durchgeführt wird und vorab durch mittels Prüfung sicherstellen, ob unser Datensatz den Gesetzen der Normalverteilung folgt. Mithilfe einer sogenannten Trennschärfeanalyse werden wir herausarbeiten, ob der vorliegende Stichprobenumfang ausreichend groß genug ist. Anhand der Dichtefunktion und Wahrscheinlichkeitsverteilungen werden wir lernen, wie der t-Wert im t-Test einzuordnen ist und auch verstehen, welche Fehlentscheidung im Rahmen eines Hypothesentests möglich sind. Mithilfe entsprechender Einzelwertdiagramme entwickelt sich ein Verständnis dafür, wie das Konfidenzintervall im Rahmen Hypothesentest des 1 Stichproben t-Testes einzuordnen ist.
Themenschwerpunkte:
t-Test, eine Stichprobe, Grundlagen
Abrufen und Interpretation von Arbeitsblattinformationen
Abrufen und Interpretation der deskriptiven Statistik
Die Trennschärfe „Power“ eines Hypothesentests
Anderson- Darling- Test als Vorstufe zum t-Test
Herleitung des Wahrscheinlichkeitsnetzes auf Basis der Dichtefunktion
Interpretation des Wahrscheinlichkeitsnetzes
Durchführung des Hypothesentests t-Test für den Mittelwert, 1 Stichprobe
Aufstellen der Nullhypothese und Alternativhypothese
Test auf Normalverteilung nach Anderson-Darling
Das Wahrscheinlichkeitsnetz der Normalverteilung
Erzeugung und Interpretation von Einzelwertediagrammen im Rahmen des t-Tests
Konfidenzniveau und Irrtumswahrscheinlichkeit
Testprüfgröße und Signifikanzwert
Fehler 1. Art und Fehler 2. Art im Rahmen der Hypothesenentscheidung
Trennschärfenanalyse und Stichprobenumfang im Rahmen des t-Tests
Einfluss des Stichprobenumfangs auf das Hypothesenergebnis
Grafische Konstruktion der Wahrscheinlichkeitsverteilung
Interpretation der Trennschärfekurve
Bestimmung des Stichprobenumfangs auf Basis der Trennschärfengüte
Einfluss unterschiedlicher Stichprobenumfänge auf die Hypothesenentscheidung
Who this course is for:
- Datenanalytiker, Six Sigma Belts, Minitab Prozessoptimierer, Minitab Anwender
Instructor
Prof. Dr. Murat Mola: Experte für Lean Six Sigma Prozessoptimierung
Nach seiner Ausbildung zum Industriemechaniker studierte Prof. Mola an der Technischen Fachhochschule Iserlohn Maschinenbau-Fertigungstechnik, anschließend an der Ruhr-Universität Bochum Maschinenbau-Werkstofftechnik. Neben seiner Tätigkeit als wissenschaftlicher Mitarbeiter am Institut für Werkstoffe der Ruhr-Universität Bochum und als Dozent am internationalen Bildungszentrum Bochum e.V. zur Unterstützung nachhilfebedürftiger Lehrlinge in Metallberufen promovierte Prof. Mola an der Ruhr-Universität Bochum zum Dr.-Ing. Maschinenbau; seine Dissertation erhielt die Auszeichnung „summa cum laude“.
Nach der Promotion wechselte Prof. Mola zu ThyssenKrupp Nirosta, arbeitete dort in verschiedenen Positionen mit Schwerpunkt Werkstoff- und Prozessoptimierung und war zuletzt als Abteilungsleiter Zentrales Qualitätsmanagement der ThyssenKrupp Nirosta verantwortlich für die Produkt- und Prozessqualität des Unternehmens. In dieser Position hat Prof. Mola maßgeblich die Implementierung der Managementstrategien KVP und Lean Six Sigma verantwortet.
Prof. Mola erhielt 2005 für seine Forschung auf dem Gebiet der Entwicklung von kostengünstigen LEAN-Werkstoffen den Werkstoffinnovationspreis. Er wurde von der ThyssenKrupp AG mit dem Six Sigma Black-Belt ausgezeichnet und graduierte 2011 zum Lean Production Six Sigma Master Black Belt. Seine Lehrinhalte sind AQAS (Agentur für Qualitätssicherung zur Akkreditierung von Studiengängen) wie auch TÜV-CERT zertfiziert.
An Institut für Maschinenbau der Hochschule Ruhr West ist Prof. Mola tätig für folgende Ausbildungsschwerpunkte:
LEAN SIX SIGMA Education / Certification
Total-Quality-Management
KVP PRODUCTION
Werkstoffwissenschaft und Werkstoffprüfungen
Prof. Murat Mola ist verheiratet, läuft gerne Marathon, geht Segeln und betreibt Imkerei.