Spezielle Statistikthemen

Posted on

Statistische Methoden der Qualitätssicherung mit Minitab

Das Seminar Statistische Methoden der Qualitätssicherung mit Minitab bietet Praktikern ein Training mit den statistischen Methoden der modernen Qualitätssicherung. Diese auch in Six Sigma Projekten eingesetzten Verfahren haben sich seit langem in der Praxis bewährt. Darunter gehören typische Qualitätswerkzeuge wie Ursache-Wirkungs-Diagramme, Histogramme, Pareto-Diagramme, Strichlisten, Streudiagramme, Verlaufsdiagramme, Regelkarten und Multi-Vari-Bilder und die statistischen Verfahren der Messsystemanalyse, der Prozessfähigkeitsanalyse und der Zuverlässigkeitsanalyse. Das Ziel der Prozessoptimierung besteht in dem Auffinden der optimalen Prozessparameter für robuste Produkte und Prozesse. Für die effiziente Bestimmmung der optimalen Prozessparameter werden Versuchspläne verschiedenster Arten benötigt. Sind die optimalen Prozessparameter gefunden, dienen Regelkarten der fortlaufenden statistischen Prozesslenkung. Als Software wird das auf die Qualitätssicherung spezialisierte Statistikprogramm Minitab eingesetzt.

Statistische Methoden der Qualitätssicherung mit Minitab

Regressions- und Mehrebenenanalysen mit R und Mplus

Die Mehrebenenanalyse (englisch Multilevel Analysis, MLA), auch als Hierarchisch Lineare Modellierung (englisch Hierarchical Linear Modeling, HLM) bezeichnet, ist eine Gruppe multivariater statistischer Verfahren zur Analyse hierarchisch strukturierter bzw. gruppierter Daten, die ursprünglich in der empirischen Sozialforschung Anwendung fand, um Abhängigkeiten zwischen Daten aufgrund ihrer Hierarchisierung bzw. Gruppierung zu modellieren. Aufgrund der Komplexität der Wirklichkeit kann man davon ausgehen, dass es kaum Daten ohne Abhängigkeiten gibt, hinzu kommen die Abhängigkeiten, die das Untersuchungsdesign mit sich bringt. Aufgrund ihrer Überlegenheit gegenüber den herkömmlichen Verfahren, die unabhängige Daten voraussetzen und damit nicht in der Lage sind, Abhängigkeiten zwischen Daten zu berücksichtigen, findet sie zur Zeit Verbreitung in anderen Disziplinen wie der klinischen Forschung und der Marktforschung.

Regressions- und Mehrebenenanalysen mit R und Mplus

Strukturgleichungsmodelle mit R und Mplus

Der Begriff Strukturgleichungsmodell (englisch structural equation modelling, SEM) bezeichnet ein kausalanalytisches Verfahren zum Testen und Schätzen korrelativer Zusammenhänge zwischen messbaren Variablen wie Einkommen und latente (verborgene) Variablen wie Einstellungen oder Kaufverhalten sowie den Strukturen dazwischen. Dabei kann überprüft werden, ob die vor der Anwendung des Verfahrens angenommenen Hypothesen mit den gegebenen Variablen übereinstimmen, dass beispielsweise bestimmte Marketingmaßnahmen oder Produktausgestaltungen die Vorgabe hinsichtlich einer Zielgröße erreichen. Es wird den strukturprüfenden multivariaten Verfahren zugerechnet und besitzt einen konfirmatorischen (bestätigenden) Charakter. Strukturgleichungsmodelle spielen unter anderem in der empirischen Sozialforschung und der Marktforschung eine wichtige Rolle, aber auch in der klinischen Forschung beispielsweise zur Untersuchung der subjektiven Verträglichkeit von Medikamenten. Eine Besonderheit von Strukturgleichungsmodellen ist das Überprüfen nicht direkt beobachtbarer Variablen.

Strukturgleichungsmodelle mit R und Mplus