Monitoring of zero‐inflated Poisson processes with EWMA and DEWMA control charts

2019 ◽  
Vol 36 (1) ◽  
pp. 88-111
Author(s):  
Vasileios Alevizakos ◽  
Christos Koukouvinos
Keyword(s):  
Control Charts ◽  
Poisson Processes

Cumulative sum control charts for monitoring geometrically inflated Poisson processes: An application to infectious disease counts data

2016 ◽  
Vol 27 (2) ◽  
pp. 622-641 ◽  
Author(s):  
Athanasios C Rakitzis ◽  
Philippe Castagliola ◽  
Petros E Maravelakis
Keyword(s):  
Control Charts ◽  
Statistical Design ◽  
Poisson Processes ◽  
Cumulative Sum ◽  
The Usa ◽  
Control Situations ◽  
Zero Values ◽  
Cumulative Sum Control ◽  
Two Parameter ◽  
Excessive Number

In this work, we study upper-sided cumulative sum control charts that are suitable for monitoring geometrically inflated Poisson processes. We assume that a process is properly described by a two-parameter extension of the zero-inflated Poisson distribution, which can be used for modeling count data with an excessive number of zero and non-zero values. Two different upper-sided cumulative sum-type schemes are considered, both suitable for the detection of increasing shifts in the average of the process. Aspects of their statistical design are discussed and their performance is compared under various out-of-control situations. Changes in both parameters of the process are considered. Finally, the monitoring of the monthly cases of poliomyelitis in the USA is given as an illustrative example.

Efficient GLM‐based control charts for Poisson processes

2021 ◽  
Author(s):  
Tahir Mahmood ◽  
Anam Iqbal ◽  
Saddam Akber Abbasi ◽  
Muhammad Amin
Keyword(s):  
Control Charts ◽  
Poisson Processes

Vergleichende Qualitätsmessungen Teil 2: Regelkarten

Pflege ◽  
2013 ◽  
Vol 26 (2) ◽  
pp. 119-127 ◽  
Author(s):  
Jan Kottner ◽  
Armin Hauss
Keyword(s):  
Control Charts ◽  
Common Cause

Vergleichende Qualitätsmessungen und Beurteilungen spielen in der Pflege eine zunehmend wichtige Rolle. Qualitätskennzahlen sind von systematischen und zufälligen Fehlern beeinflusst. Eine Möglichkeit, mit zufälliger Variation in Kennzahlenvergleichen adäquat umzugehen, bietet die Theorie der Statistischen Prozesskontrolle (SPC). Im vorliegenden Beitrag werden Regelkarten (control charts) als Werkzeuge der SPC vorgestellt. Es handelt sich dabei um grafische Darstellungen von Qualitätskennzahlen im zeitlichen Verlauf. Attributive Merkmale können mithilfe von p-, u- und c-Regelkarten dargestellt werden. Es gibt eine Reihe von Regeln, mit denen spezielle Variationen (special cause variation) innerhalb des betrachteten Prozesses identifiziert werden können. Finden sich im Diagramm keine Hinweise auf nichtzufällige Variationen, geht man davon aus, dass sich der Prozess innerhalb «statistischer Kontrolle» befindet (common cause variation). Eine Abweichung eines Datenpunktes um mehr als drei Standardabweichungen vom Mittelwert aller vorliegenden Datenpunkte gilt als stärkstes Signal nicht zufallsbedingter Variation. Im Qualitätsmanagementkontext sind Regelkarten für die dynamische Messung von Prozessen und Ergebnissen und deren Beurteilungen traditionellen Mittelwerts- und Streuungsvergleichen überlegen.

Control charts: Minimizing fundamental attribution error in appraisal decisions

2010 ◽  
Author(s):  
Thomas H. Stone ◽  
I. M. Jawahar ◽  
Ken Eastman ◽  
Gabi Eissa
Keyword(s):  
Control Charts ◽  
Fundamental Attribution Error ◽  
Attribution Error

Variable Control Charts for Gumbel Distribution Based on Percentiles

2018 ◽  
Vol 9 (12) ◽  
pp. 1890-1897
Author(s):  
K. Rosaiah ◽  
B. Srinivasa Rao ◽  
J. Pratapa Reddy ◽  
C. Chinnamamba
Keyword(s):  
Control Charts ◽  
Gumbel Distribution ◽  
Variable Control
Sign in / Sign up

Export Citation Format

Share Document