Advertisement

Die Anwendung statistischer Verfahren in Medizin und Technik

  • Lothar Sachs

Zusammenfassung

Wird die Wirkung eines Schlafmittels an einem größeren Personenkreis geprüft, so ist der Gewinn an Stunden Schlaf für verschiedene Personen im allgemeinen verschieden. Was man durch statistische Untersuchungen erreichen möchte, ist einmal eine Aussage über den durchschnittlichen Gewinn an Stunden Schlaf. Weiterhin muß geprüft werden, ob sich der Gewinn an Schlaf statistisch sichern läßt. Diese Art von Untersuchungen setzt neben der Anwendung der mathematischen Statistik eine gute Sachkenntnis des zu bearbeitenden Fachgebietes voraus, denn es soll die Wirkung nur als Funktion der vorgegebenen Ursachen bestimmt werden. Das bedeutet in unserem Beispiel, daß jede psychologische Beeinflussung des Patienten vermieden werden muß. Es darf weder der Arzt noch der Patient wissen, ob das verabreichte Mittel das zu prüfende Schlafmittel oder ein mit Sicherheit wirkungsloses Mittel (sogenanntes Placebo) ist. Diese Art von Versuchen nennt man „doppelten Blindversuch“. Er beleuchtet die Schwierigkeiten nichtmathematischer Natur bei der Anwendung statistischer Prüfverfahren.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Adam, J.: Einführung in die medizinische Statistik, 2. Überarb. Aufl. (VEB Vlg. Volk und Gesundheit, 268 S.) Berlin 1966, S. 84-146.Google Scholar
  2. Anscombe, F.J., and Barron, B.A.: Treatment of outliers in samples of size three. J. Res. Nat. Bur. Stds. 70B (1966), 141–147.MathSciNetGoogle Scholar
  3. Barnard, G.A.: Control charts and stochastic processes. J. Roy. Statist. Soc., Ser. B 21 (1959), 239–257.zbMATHGoogle Scholar
  4. Barnett, R.N., and Youden, W.J.: A revised scheme for the comparison of quantitative methods. Amer. J. Clin. Pathol. 54 (1970), 454–462 [vgl. auch 43 (1965), 562-569 und 50 (1968), 671-676].Google Scholar
  5. Benjamin, B.: Demographic Analysis. (Allen and Unwin; pp. 160) London 1968.Google Scholar
  6. Bissell, A.F.: Cusum techniques for quality control (with discussion). Applied Statistics 18 (1969), 1–30.Google Scholar
  7. Bogue, D. J.: Principles of Demography (Wiley, pp. 917) New York 1969.Google Scholar
  8. Burdette, W.J. and Gehan, E.A.: Planning and Analysis of Clinical Studies. (C. Thomas; pp.104) Springfield 1970.Google Scholar
  9. Burr, I. W.: The effect of non-normality on constants for x and R charts. Industrial Quality Control 23 (May 1967) 563-569 [vgl. auch J. Qual. Technol. 1 (1969), 163–167].Google Scholar
  10. Castleman, B., and McNeely, Betty U. (Eds.): Normal laboratory values. New Engl. J. Med. 283 (1970), 1276–1285.Google Scholar
  11. Chun, D.: Interlaboratory tests — short cuts. Annu. Tech. Conf. Trans., Amer. Soc. Qual. Contr. 20 (1966), 147–151.Google Scholar
  12. Cochran, W.G.: (1) The planning of observational studies of human populations. With discussion. J. Roy. Statist. Soc, Ser. A 128 (1965), 234–265. (2) Errors of measurement in statistics. Technometrics 10 (1968), 637-666.Google Scholar
  13. Cox, P. R.: Demography. 4th ed. (University Press, pp. 470) Cambridge 1970.Google Scholar
  14. Dobben de Bruyn, C. S., van: Cumulative Sum Tests, Theory and Practice. (Griffin, pp. 82) London 1968.Google Scholar
  15. Documenta Geigy: (1) Placebos und Schmerz. In „Schmerz“, S. 3 u. 4, 1965 [vgl. auch Selecta 10 (1968), 2386–2390]. (2) Wissenschaftliche Tabellen, 6. Aufl., Basel 1960, 7. Aufl., Basel 1968.Google Scholar
  16. Dorfman, R.: The detection of defective members of large populations. Ann. Math. Statist. 14 (1943), 436–440.Google Scholar
  17. Duncan, A. J.: Quality Control and Industrial Statistics. 3rd ed., Homewood, Ill. 1965.Google Scholar
  18. Eilers, R. J. (Chairman): Total quality control for the medical laboratory (14 papers). Amer. J. clin. Path. 54 (1970), 435–530.Google Scholar
  19. Eisenhart, Ch.: Realistic evaluation of the precision and accuracy of instrument calibration systems. J. Res. Nat. Bur. Stds. C 67 (1963), 161–187.Google Scholar
  20. Elveback, Lila R., Guillier, C.L., and Keating, F.R.: Health, normality, and the ghost of Gauss. J. Amer. Med. Ass. 211 (1970), 69–75 [vgl. auch Ann. N.Y. Acad. Sci. 161 (1969), 538-548].Google Scholar
  21. Ewan, W.D.: When and how to use cu-sum charts. Technometrics 5 (1963), 1–22.Google Scholar
  22. Ewan, W.D., and Kemp, K. W.: Sampling inspection of continuous processes with no autocorrelation between successive results. Biometrika 47 (1960), 363–380.MathSciNetzbMATHGoogle Scholar
  23. Federer, W.T.: Procedures and Designs useful for screening material in selection and allocation, with a bibliography. Biometrics 19 (1963), 553–587 [vgl. auch Postgraduate Medicine 48 (Oct. 1970), 57-61].MathSciNetzbMATHGoogle Scholar
  24. Feinstein, A.R.: Clinical biostatistics. Clin. Pharmacol. Therap. 11 (1970), 135–148, 282-292, 432-441, 595-610, 755-771, 898-914; 12 (1971), 134-150; 13 (1972), 755-768, 953-968.Google Scholar
  25. Flaskämper, P.: Bevölkerungsstatistik (R. Meiner; 496 S.) Hamburg 1962.Google Scholar
  26. Gabriels, R.: A general method for calculating the detection limit in chemical analysis. Analytical Chemistry 42 (1970), 1434.Google Scholar
  27. Gilbert, J.P., and Mosteller, F.: Recognizing the maximum of a sequence. J. Amer. Statist. Assoc. 61 (1966), 35–73.MathSciNetGoogle Scholar
  28. Graff, L. E. and Roeloffs, R.: Group testing in the presence of test error; an extension of the Dorfman procedure. Technometrics 14 (1972), 113–122 [vgl. auch J. Amer Statist. Assoc. 67 (1972), 605-608].Google Scholar
  29. Griesser, G.: (1) Symptomenstatistik. Method. Inform. Med. 4 (1965), 79–82. (2) Heilkunde und Statistik — Mensch und Zahl. Med. Welt 16 (1965), 2015-2022. (3) Zur Methodik der wissenschaftlichen Arbeit in der Allgemeinmedizin. Med. Welt 18 (1967), 2801-2807.Google Scholar
  30. Hill, A.B.: Principles of Medical Statistics. 9th ed. (The Lancet; pp.390) London 1971.Google Scholar
  31. Hill, G.B.: The statistical analysis of clinical trials. Brit. J. Anaesth. 39 (1967), 294–310.Google Scholar
  32. Hinkelmann, K.: Statistische Modelle und Versuchspläne in der Medizin. Method. Inform. Med. 6 (1967), 116–124 [vgl. auch Biometrics 17 (1961), 405-414 und 21 (1966), 467-480].Google Scholar
  33. Hoffer, A., and Osmond, H.: Double blind clinical trials. Journal of Neuropsychiatry 2 (1961), 221–227.Google Scholar
  34. Jellinek, E.M.: Clinical tests on comparative effectiveness of analgesic drugs. Biometrics 2 (1946), 87–91.Google Scholar
  35. Johnson, N. L., and Leone, F. C.: Statistics and Experimental Design in Engineering and the Physical Sciences, Vol. I, pp. 320-339, New York 1964.Google Scholar
  36. Kaiser, H.: Zur Definition der Nachweisgrenze, der Garantiegrenze und der dabei benutzten Begriffe. Z. analyt. Chem. 216 (1966), 80–94.Google Scholar
  37. Kemp, K.W.: (1) The average run length of the cumulative sum chart when a V-mask is used. J. Roy. Statist. Soc., Ser. B 23 (1961), 149–153. (2) The use of cumulative sums for sampling inspection schemes. Applied Statistics 11 (1962), 16-31. (3) A simple procedure for determining upper and lower limits for the average sample run length of a cumulative sum scheme. J. Roy. Statist. Soc. B 29 (1967), 263-265.MathSciNetzbMATHGoogle Scholar
  38. Koller, S.: (1) Die Aufgaben der Statistik und Dokumentation in der Medizin. Dtsch. med. Wschr. 88 (1963), 1917–1924. (2) Einführung in die Methoden der ätiologischen Forschung — Statistik und Dokumentation. Method. Inform. Med. 2 (1963), 1-13. (3) Systematik der statistischen Schlußfehler. Method. Inform. Med. 3 (1964), 113-117. (4) Problems in defining normal values. Bibliotheca Haematologica 21 (1965), 125-128. (5) Mathematisch-statistische Grundlagen der Diagnostik. Klin. Wschr. 45 (1967), 1065-1072. (6) Mögliche Aussagen bei Fragen der statistischen Ursachenforschung. Metrika 17 (1971), 30-42.Google Scholar
  39. Kramer, K.H.: Use of mean deviation in the analysis of interlaboratory tests. Technometrics 9 (1967), 149–153.Google Scholar
  40. Lange, H.-J.: Syntropie von Krankheiten. Method. Inform. Med. 4 (1965), 141–145 (vgl. auch Internist 11 [1970], 216-222).Google Scholar
  41. Lasagna, L.: Controlled trials: nuisance or necessity. Method. Inform. Med. 1 (1962), 79–82.Google Scholar
  42. Mainland, D.: (1) Use and misuse of statistics in medical publications. Clinical Pharmacology and Therapeutics 1 (1960), 411–422. (2) The clinical trial — some difficulties and suggestions. J. Chronic Diseases 11 (1960), 484-496. (3) Experiences in the development of multiclinic trials. J. New Drugs 1 (1961), 197-205. (4) Elementary Medical Statistics. 2nd ed., Philadelphia and London 1963. (5) “We wish to hire a medical statistician. Have you any advice to offer?” J. Amer. Med. Assoc. 193 (1965), 289-293. (6) Statistical ward rounds 1–6. Clinical Pharmacology and Therapeutics (z.B. 8 [1967], 874-883).Google Scholar
  43. Mandel, J.: The Statistical Analysis of Experimental Data. (Interscience-Wiley, pp.410) New York 1964, Chapter 14.Google Scholar
  44. Mandel, J., and Lashof, T.W.: The interlaboratory evaluation of testing methods. Amer. Soc. for Testing Materials Bulletin No. 239 (July 1959), 53–61.Google Scholar
  45. Mandel, J., and Stiehler, R.D.: Sensitivity — a criterion for the comparison of methods of test. J. Res. Nat. Bur. Stds. 53 (Sept. 1954), 155–159.zbMATHGoogle Scholar
  46. Martini, P.: (1) Methodenlehre der therapeutisch-klinischen Forschung. 3. Aufl., Berlin 1953 (4. Aufl. siehe Martini-Oberhoffer-Welte). (2) Die unwissentliche Versuchsanordnung und der sogenannte doppelte Blindversuch. Dtsch. med. Wschr. 82 (1957), 597–602. (3) Grundsätzliches zur therapeutisch-klinischen Versuchsplanung. Method. Inform. Med. 1 (1962), 1-5.Google Scholar
  47. —, Oberhoffer, G. und Weite, E.: Methodenlehre der therapeutisch-klinischen Forschung. 4. neubearb. Aufl., (Springer, 495 S.) Berlin-Heidelberg-New York 1968.Google Scholar
  48. McFarren, E.F., Lishka, T.R.J., and Parker, J.H.: Criterion for judging acceptability of analytical methods. Analytical Chemistry 42 (1970), 358–365.Google Scholar
  49. Oldham, P.D.: Measurement in Medicine. The Interpretation of Numerical Data. (English Universities Press, pp.216) London 1968.Google Scholar
  50. Page, E.S.: (1) Cumulative sum charts. Technometrics 3 (1961), 1–9. (2) Controlling the standard deviation by cusums and warning lines. Technometrics 5 (1963), 307-315.MathSciNetGoogle Scholar
  51. Pflanz, M.: Allgemeine Epidemiologie. Aufgaben, Technik, Methodik. (Thieme, 236 S.) Stuttgart 1973.Google Scholar
  52. Pipberger, H.V., und Freis, E.D.: Automatische Analyse kardiologischer Analog-Daten mittels elektronischer Rechenmaschinen. Med. Dok. 4 (1960), 58–61.Google Scholar
  53. Reed, A.H., Henry, R.J. and Mason, W.B.: Influence of statistical method used on the resulting estimate of normal range. Clin. Chem. 17 (1971), 275–284 (S.281).Google Scholar
  54. Reynolds, J.H.: The run sum control chart procedure. J. Qual. Technol. 3 (Jan. 1971), 23–27.Google Scholar
  55. Richterich, R., Greiner, R. und Küffer, H.: Analysatoren in der Klinischen Chemie. III. Beurteilungs-Kriterien und Fehlerquellen. Z. Klin. Chem. Klin. Biochem. 11 (1973), 65–75.Google Scholar
  56. Roos, J.B.: The limit of detection of analytical methods. Analyst. 87 (1962), 832.Google Scholar
  57. Rümke, Chr. L.: Über die Gefahr falscher Schlußerfahrungen aus Krankenblattdaten (Berkson’s Fallacy). Method. Inform. Med. 9 (1970), 249–254.Google Scholar
  58. Rümke, Chr. L. en Bezemer, P. D.: Methoden voor de bepaling van normale waarden. I, II. Nederl. Tijdschr. Geneesk. 116 (1972), 1124–1130, 1559-1568 (S. 1561-1565).Google Scholar
  59. Sachs, L.: (1) Statistische Methoden in der Medizin. Klin. Wschr. 46 (1968), 969–975. (2) Statistische Methoden. 2. neubearb. Aufl. (Springer, 105 S.) Berlin, Heidelberg, New York 1972.Google Scholar
  60. Schindel, L.E.: (1) Placebo in theory and practice. Antibiotica et Chemotherapia, Advances 10 (1962), 398–430. (2) Die Bedeutung des Placebos für die klinisch-therapeutische Forschung. Arzneim.-Forschg. 15 (1965), 936-940. (3) Placebo und Placeboeffekte in Klinik und Forschung. Arzneim.-Forschg. 17 (1967), 892-918.Google Scholar
  61. Schneiderman, M. A.: The proper size of a clinical trial: “Grandma’s Strudel” method. J. New Drugs 4 (1964), 3–11.Google Scholar
  62. Sobel, M., and Groll, P.A.: (1) Group testing to eliminate efficiently all defectives in a binomial sample. Bell System Technical Journal 38 (1959), 1179–1252. (2) Binomial group-testing with an unknown proportion of defectives. Technometrics 8 (1966), 631-656 [vgl. auch J. Qual. Technol. 1 (1969), 10-16].MathSciNetGoogle Scholar
  63. Svoboda, V., und Gerbatsch, R.: Zur Definition von Grenzwerten für das Nachweisvermögen. Z. analyt. Chem. 242 (1968), 1–12.Google Scholar
  64. Taylor, H.M.: The economic design of cumulative sum control charts. Technometrics 10 (1968), 479–488.Google Scholar
  65. Vessereau, A.: Efficacité et gestion des cartes de contrôle. Revue Statistique Appliqué 28, 1 (1970), 21–64.MathSciNetGoogle Scholar
  66. Wagner, G.: Versuchsplanung in der Fehlerforschung. Method. Inform. Med. 3 (1964), 117–127.Google Scholar
  67. Williams, G.Z., Harris, E.K., Cotlove, E.; Young, D.S., Stein, M.R., Kanofsky, P., and Shakarji, G.: Biological and analytic components of variation in long-term studies of serum constituents in normal subjects. I, II, III. Clinical Chemistry 16 (1970), 1016–1032 [vgl. auch 18 (1972), 605-612].Google Scholar
  68. Willke, T.A.: A note on contaminated samples of size three. J. Res. Nat. Bur. Stds. 70B (1966), 149–151.MathSciNetGoogle Scholar
  69. Wilson, A.L.: The precision and limit of detection of analytical methods. Analyst 86 (1961), 72–74.Google Scholar
  70. Winkler, W.: (1) Von der Demographie zur Demometrie. Metrika 6 (1963), 187–198. (2) Demometrie. (Duncker und Humblot, 447 S.) Berlin-München 1969.Google Scholar
  71. Woodward, R.H., and Goldsmith, P.L.: Cumulative Sum Techniques. (I.C.I. Monograph No.3) Edinburgh 1964.Google Scholar
  72. Youden, W.J.: (1) Graphical diagnosis of interlaboratory test results. Industrial Quality Control 15 (May 1959), 1-5. (2) The sample, the procedure, and the laboratory. Anal. Chem. 13 (December 1960), 23 A-37 A. (3) Accuracy of analytical procedures. J. Assoc. Offic. Agricult. Chemists 45 (1962), 169–173. (4) Systematic errors in physical constants. Technometrics 4 (1962), 111-123. (5) The collaborative test. J. Assoc. Offic. Agricult. Chemists 46 (1963), 55-62. (6) Ranking laboratories by round-robin tests. Materials Research and Standards 3 (January 1963), 9-13. (7) Statistical Techniques for Collaborative Tests. (Association of Official Analytical Chemists, pp. 60) Washington 1967.Google Scholar
  73. Zacek, H.: Eine Möglichkeit zum Aufbau von Kontrollkarten für halbquantitative Merkmale. Qualitätskontrolle 13 (1968), 102–105.Google Scholar

Folgetestpläne

  1. Ailing, D.W.: Closed sequential tests for binomial probabilities. Biometrika 53 (1966), 73–84.MathSciNetGoogle Scholar
  2. Armitage, P.: (1) Sequential methods in clinical trials. Amer. J. Public Health 48 (1958), 1395–1402. (2) Sequential Medical Trials. Oxford 1960. (3) Sequential analysis in medicine. Statistica Neerlandica 15 (1961), 73-82. (4) Some developments in the theory and practice of sequential medical trials. In Proc. Fifth Berkeley Symp. Mathem. Statist. Probab., Univ. of Calif. 1965/66. Univ. of Calif. Press, Berkeley and Los Angeles 1967, Vol. 4: Biology and Problems of Health, pp. 791-804 (s. auch S. 805-829).Google Scholar
  3. Beightler, C.S., and Shamblin, J.E.: Sequential process control. Industrial Engineering 16 (March–April 1965), 101–108.Google Scholar
  4. Bertram, G.: Sequenzanalyse für zwei Alternativfolgen. Zschr. Angew. Math. Mechanik 40 (1960), 185–189.MathSciNetzbMATHGoogle Scholar
  5. Billewicz, W.Z.: (1) Matched pairs in sequential trials for significance of a difference between proportions. Biometrics 12 (1956), 283–300. (2) Some practical problems in a sequential medical trial. Bull. Intern. Statist. Inst. 36 (1958), 165-171.MathSciNetGoogle Scholar
  6. Bross, I.D.J.: (1) Sequential medical plans. Biometrics 8 (1952), 188–205. (2) Sequential clinical trials. J. Chronic Diseases 8 (1958), 349-365.Google Scholar
  7. Chilton, N.W., Fertig, J.W., and Kutscher, A. H.: Studies in the design and analysis of dental experiments. III. Sequential analysis (double dichotomy). J. Dental Research 40 (1961), 331–340.Google Scholar
  8. Cole, L.M.C.: A closed sequential test design for toleration experiments. Ecology 43 (1962), 749–753.Google Scholar
  9. Davies, O.L.: Design and Analysis of Industrial Experiments. London 1956, Chapter 3.Google Scholar
  10. Fertig, J.W., Chilton, N.W., and Varma, A.O.: Studies in the design of dental experiments. 9-11. Sequential analysis. J. Oral Therapeutics and Pharmacol. 1 (1964), 45–56, 175-182, 2 (1965), 44-51.Google Scholar
  11. Freeman, H.: Sequential analysis of statistical data: Applications. Columbia University Press, New York 1957.Google Scholar
  12. Fülgraff, G.: Sequentielle statistische Prüfverfahren in der Pharmakologie. Arzneim.-Forschg. 15 (1965), 382–387.Google Scholar
  13. Greb, D. J.: Sequential Sampling plans. Industrial Quality Control 19 (May 1963), 24–28, 47 + 48.Google Scholar
  14. Jackson, J.E.: Bibliography on sequential analysis. J. Amer. Statist. Assoc. 55 (1960), 561–580.MathSciNetzbMATHGoogle Scholar
  15. Johnson, N.L.: Sequential analysis: a survey. J. Roy. Statist. Soc. A 124 (1961), 372–411.Google Scholar
  16. Lienert, G. A. und Sarris, V.: (1) Eine sequentielle Modifikation eines nicht-parametrischen Trendtests. Biometrische Zeitschr. 10 (1967), 133–147. (2) Testing monotonicity of dosage-effect relationship by Mosteller’s test and its sequential modification. Method. Inform. Med. 7 (1968), 236-239.MathSciNetGoogle Scholar
  17. Litchfield, J.T.: Sequential analysis, screening and serendipity. J. Med. Pharm. Chem. 2 (1960), 469–492.Google Scholar
  18. Maly, V.: Sequenzprobleme mit mehreren Entscheidungen und Sequenzschätzung. I und II. Biometr. Zeitschr. 2 (1960), 45–64 und 3 (1961), 149-177 (vgl. auch 5 [1963], 24-31 und 8 [1966], 162-178).Google Scholar
  19. Sachs, V.: Die Sequenzanalyse als statistische Prüfmethode im Rahmen medizinischer experimenteller, insbesondere klinischer Untersuchungen. Ärztl. Forschg. 14 (1962), 331–345.MathSciNetGoogle Scholar
  20. Schneiderman, M.A.: A family of closed sequential procedures. Biometrika 49 (1962), 41–56.MathSciNetzbMATHGoogle Scholar
  21. Schneiderman, M.A., and Armitage, P.: Closed sequential t-tests. Biometrika 49 (1962), 359–366 (vgl. auch 41-56) Corrections 56 (1969), 457.MathSciNetzbMATHGoogle Scholar
  22. Spicer, C. C.: Some new closed sequential designs for clinical trials. Biometrics 18 (1962), 203–211.MathSciNetzbMATHGoogle Scholar
  23. Vogel, W.: Sequentielle Versuchspläne. Metrika 4 (1961), 140–157 (vgl. auch Unternehmensforschung 8 [1964], 65-74).MathSciNetzbMATHGoogle Scholar
  24. Wald, A.: Sequential Analysis. New York 1947.Google Scholar
  25. Weber, Erna: Grundriß der Biologischen Statistik. 7. Aufl. (G. Fischer, 706 S.) Stuttgart 1972, S. 412-499.Google Scholar
  26. Wetherill, G.B.: (1) Sequential estimation of quantal response curves. With discussion. J. Roy. Statist. Soc, Ser. B 25 (1963), 1–48. (2) Sequential Methods in Statistics. London 1966.zbMATHGoogle Scholar
  27. Winne, D.: Die sequentiellen statistischen Verfahren in der Medizin. Arzneim.-Forschg. 15 (1965), 1088–1091.Google Scholar
  28. Wohlzogen, F.X. und Wohlzogen-Bukovics, E.: Sequentielle Parameterschätzung bei biologischen Alles-oder-Nichts-Reaktionen. Biometr. Zeitschr. 8 (1966), 84–120.Google Scholar

Bioassay

  1. Armitage, P., and Allen, Irene: Methods of estimating the LD 50 in quantal response data. J. Hygiene 48 (1950), 298–322.Google Scholar
  2. Ashford, J. R.: An approach to the analysis of data for semiquantal responses in biological assay. Biometrics 15 (1959), 573–581.Google Scholar
  3. Ashton, W.D.: The Logit Transformation with Special Reference to Its Uses in Bioassay. (Griffin, pp.88) London 1972.Google Scholar
  4. Axtell, Lilian M.: Computing survival rates for chronic disease patients. A simple procedure. J. Amer. Med. Assoc. 186 (1963), 1125–1128.Google Scholar
  5. Bennett, B. M.: Use of distribution-free methods in bioassay. Biometr. Zeitschr. 11 (1969), 92–104.zbMATHGoogle Scholar
  6. Bliss, C. I.: (1) The Statistics of Bioassay. New York 1952. (2) Statistics in Biology. Vol. 3. New York (soll 1973/74 erscheinen).Google Scholar
  7. Borth, R., Diczfalusy, E., und Heinrichs, H.D.: Grundlagen der statistischen Auswertung biologischer Bestimmungen. Arch. Gynäk. 188 (1957), 497–538 (vgl. auch Borth et al.: Acta endocr. 60 [1969], 216-220).Google Scholar
  8. Brock, N., und Schneider, B.: Pharmakologische Charakterisierung von Arzneimitteln mit Hilfe des Therapeutischen Index. Arzneim.-Forschg. 11 (1961), 1–7.Google Scholar
  9. Bross, I.: Estimates of the LD 50: A Critique. Biometrics 6 (1950), 413–423.Google Scholar
  10. Brown, B.W.: Some properties of the Spearman estimator in bioassay. Biometrika 48 (1961), 293–302 [vgl. auch Biometrics 28 (1972), 882-889].zbMATHGoogle Scholar
  11. Brown, B.W., Jr.: Planning a quantal assay of potency. Biometrics 22 (1966), 322–329.Google Scholar
  12. Buckland, W. R.: Statistical Assessment of the Life Characteristic: A Bibliographic Guide. (Griffin; pp. 125) London 1964.Google Scholar
  13. Cavalli-Sforza, L.: Grundbegriffe der Biometrie. (Bearb. v. R.J. Lorenz; G. Fischer, 209 S.) Stuttgart 1964 (3. Aufl. 1972).Google Scholar
  14. Cochran, W.G., and Davis, M.: The Robbins-Monro method for estimating the median lethal dose. J. Roy. Statist. Soc., Ser. B 27 (1965), 28–44.Google Scholar
  15. Cornfield, J., and Mantel, N.: Some new aspects of the application of maximum likelihood to the calculation of the dosage response curve. J. Amer. Statist. Assoc. 45 (1950), 181–209.zbMATHGoogle Scholar
  16. Cornfield, J., Gordon, T., and Smith, W.W.: Quantal response curves for experimentally uncontrolled variables. Bull. Intern. Statist. Inst. 38 (1961), 97–115.zbMATHGoogle Scholar
  17. Cox, C.P.: Statistical analysis of log-dose response bioassay experiments with experiments with unequal dose ratios for the standard and unknown preparations. J. Pharmaceut. Sci. 56 (1967), 359–364.Google Scholar
  18. Cox, C. P., and Ruhl, Donna J.: Simplified computation of confidence intervals for relative potencies using Fiellers theorem. J. Pharmaceutical Sci. 55 (1966), 368–379.Google Scholar
  19. Das, M.N., and Kulkarni, G.A.: Incomplete block designs for bio-assays. Biometrics 22 (1966), 706–729.MathSciNetGoogle Scholar
  20. Davis, M.: Comparison of sequential bioassays in small samples. J. Roy. Statist. Soc. 33 (1971), 78–87.zbMATHGoogle Scholar
  21. Dixon, W.J.: The up-and-down method for small samples. J. Amer. Statist. Assoc. 60 (1965), 967–978.MathSciNetGoogle Scholar
  22. Dixon, W.J., and Mood, A. M.: A method for obtaining and analyzing sensitivity data. J. Amer. Statist. Assoc. 43 (1948), 109–126.zbMATHGoogle Scholar
  23. Fink, H., und Hund, G.: Probitanalyse mittels programmgesteuerter Rechenanlagen. Arzneim.-Forschg. 15 (1965), 624–630.Google Scholar
  24. Fink, H., Hund, G., und Meysing, D.: Vergleich biologischer Wirkungen mittels programmierter Probitanalyse. Method. Inform. Med. 5 (1966), 19–25.Google Scholar
  25. Finney, D.J.: (1) Probit Analysis. 2nd ed. London 1952, 3rd ed. (Cambrigde Univ. Press, pp. 334) Cambridge and London 1971. (2) Statistical Method in Biological Assay. 2nd ed. London 1964.Google Scholar
  26. Gaddum, J.H.: (1) Simplified mathematics for bioassay. J. Pharmacy a. Pharmacology 6 (1953), 345–358. (2) Bioassay and mathematics. Pharmacol. Rev. 5 (1953), 87-134.Google Scholar
  27. Golub, A., and Grubbs, F.E.: Analysis of sensitivity experiments when the levels of stimulus cannot be controlled. J. Amer. Statist. Assoc. 51 (1956), 257–265.zbMATHGoogle Scholar
  28. International Symposium on Biological Assay Methods. (Red.: R.H. Regamey) (Karger, pp.262) Basel, New York 1969.Google Scholar
  29. Kärber, G.: Ein Beitrag zur kollektiven Behandlung pharmakologischer Reihenversuche. Archiv für experimentelle Pathologie und Pharmakologie 162 (1931), 480–483.Google Scholar
  30. Kaufmann, H.: Ein einfaches Verfahren zur Auswertung von Überlebenskurven bei tödlich verlaufenden Erkrankungen. Strahlentherapie 130 (1966), 509–527.Google Scholar
  31. Kimball, A.W., Burnett, W.T., Jr., and Doherty, D.G.: Chemical protection against ionizing radiation. I. Sampling methods for screening compounds in radiation protection studies with mice. Radiation Research 7 (1957), 1–12.Google Scholar
  32. King, E.P.: A statistical design for drug screening. Biometrics 19 (1963), 429–440.Google Scholar
  33. Lazar, Ph.: Les essais biologiques. Revue de Statistique Appliquée 16 (No.3, 1968), 5–35.MathSciNetGoogle Scholar
  34. Litchfield jr., J.T., and Wilcoxon, F.: A simplified method of evaluating dose-effect experiments. J. Pharmacol. Exptl. Therap. 96 (1949), 99–113.Google Scholar
  35. McArthur, J.W., and Colton, T. (Eds.): Statistics in Endocrinology. Proc. Conf., Dedham, Mass., Dec. 1967. (MIT Press, pp. 476) Cambridge, Mass. 1970.Google Scholar
  36. Oberzill, W.: Mikrobiologische Analytik. Grundlagen der quantitativen Erfassung von Umwelteinwirkungen auf Mikroorganismen. (Carl, 519 S.) Nürnberg 1967.Google Scholar
  37. Olechnowitz, A. F.: Ein graphisches Verfahren zur Bestimmung von Mittelwert und Streuung aus Dosis-Wirkungs-Kurven. Arch. exp. Veterinärmed. 12 (1958), 696–701.Google Scholar
  38. Petrusz, P., Diczfalusy, E., and Finney, D.J.: Bioimmunoassay of gonadotrophins. Acta endocrinologica 67 (1971), 40–62.Google Scholar
  39. Schneider, B.: Probitmodell und Logitmodell in ihrer Bedeutung für die experimentelle Prüfung von Arzneimitteln. Antibiot. et Chemother. 12 (1964), 271–286.Google Scholar
  40. Stammberger, A.: Über ein nomographisches Verfahren zur Lösung der Probleme des Bio-Assay. Biometr. Zeitschr. 12 (1970), 35–53 (vgl. auch S. 351-361).zbMATHGoogle Scholar
  41. Ther, L.: Grundlagen der experimentellen Arzneimittelforschung. (Wiss. Verlagsges., 439 S.) Stuttgart 1965, S. 74-112.Google Scholar
  42. Warner, B.T.: Method of graphical analysis of 2 + 2 and 3 + 3 biological assays with graded responses. J. Pharm. Pharmacol. 16 (1964), 220–233.MathSciNetGoogle Scholar
  43. Waud, D.R.: On biological assays involving quantal responses. J. Pharmacol. Exptl. Therap. 183 (1972), 577–607.Google Scholar

Technische Statistik

  1. Abbott, W.H.: Probability Charts. St. Petersburg (P.O. Box 8455) Florida 1960.Google Scholar
  2. Amstadter, B. L.: Reliability Mathematics. (McGraw-Hill, pp. 320) New York 1970.Google Scholar
  3. Bain, L.J., and Thoman, D.R.: Some tests of hypotheses concerning the three-parameter Weibull distribution. J. Amer. Statist. Assoc. 63 (1968), 853–860 [vgl. auch Technometrics 14 (1972), 831-840].MathSciNetGoogle Scholar
  4. Barlow, R.E., and Proschan, F.: Mathematical Theory of Reliability. New York 1965.Google Scholar
  5. Bazovsky, I.: Reliability: Theory and Practice. Englewood Cliffs, N.J. 1961.Google Scholar
  6. Beightler, C.S., and Shamblin, J.E.: Sequential process control. Industrial Engineering 16 (March–April 1965), 101–108.Google Scholar
  7. Berrettoni, J.N.: Practical applications of the Weibull distribution. ASQC Convention (Cincinnati, Ohio, USA) Transactions 1962, pp. 303-323.Google Scholar
  8. Bingham, R.S., Jr.: EVOP for systematic process improvement. Industrial Quality Control 20 (Sept. 1963), 17–23.Google Scholar
  9. Bowker, A.H., and Lieberman, G.J.: Engineering Statistics. Englewood Cliffs, N.J. 1961.Google Scholar
  10. Box, G.E.P.: (1) Multi-factor designs of first order. Biometrika 39 (1952), 49–57. (2) The exploration and exploitation of response surfaces: some general considerations and examples. Biometrics 10 (1954), 16-60. (3) Evolutionary operation: a method for increasing industrial productivity. Applied Statistics 6 (1957), 3-23. (4) A simple system of evolutionary operation subject to empirical feedback. Univ. of Wisconsin. Dept. of Statistics, Technical Report No. 40, October 1964 bzw. Technometrics 8 (1966), 19-26.zbMATHGoogle Scholar
  11. Box, G.E.P., and Draper, N.R.: (1) A basis for the selection of a response surface design. J. Amer. Statist. Assoc. 54 (1959), 622–654. (2) Evolutionary Operation. A Statistical Method for Process Improvement. (Wiley, pp.237) New York 1969.MathSciNetzbMATHGoogle Scholar
  12. Box, G.E.P., and Hunter, J.S.: (1) Multifactor experimental designs for exploring response surfaces. Ann. Math. Statist. 28 (1957), 195–241. (2) Experimental designs for the exploration and exploitation of response surfaces. In V. Chew (Ed.), Experimental Designs in Industry, New York 1958, pp. 138-190. (3) Condensed calculations for evolutionary operations programs. Technometrics 1 (1959), 77-95. (4) A useful method for model-building. Technometrics 4 (1962), 301-318.MathSciNetzbMATHGoogle Scholar
  13. Box, G.E.P., and Lucas, H.L.: Design of experiments in non-linear situations. Biometrika 46 (1959), 77–90.MathSciNetzbMATHGoogle Scholar
  14. Box, G.E.P., and Wilson, K.B.: On the experimental attainment of optimum conditions. J. Roy. Statist. Soc., Ser. B 13 (1951), 1–45.MathSciNetzbMATHGoogle Scholar
  15. Box, G.E.P., and Youle, P.V.: The exploration and exploitation of response surfaces: an example of the link between the fitted surface and the basic mechanism of the system. Biometrics 11 (1955), 287–323.Google Scholar
  16. Brewerton, F. J.: Minimizing average failure detection time. J. Qual. Technol. 2 (1970), 72–77.Google Scholar
  17. Brooks, S. H.: A comparison of maximum seeking methods. Operations Research 7 (1959), 430–457.Google Scholar
  18. Brooks, S. H., and Mickey, M.R.: Optimum estimation of gradient direction in steepest ascent experiments. Biometrics 17 (1961), 48–56.zbMATHGoogle Scholar
  19. Burdick, D.S., and Naylor, T.H.: Response surface methods in economics. Rev. Internat. Statist. Inst. 37 (1969), 18–35.zbMATHGoogle Scholar
  20. Cohen, A.C. jr.: Maximum likelihood estimation in the Weibull distribution based on complete and on censored samples. Technometrics 7 (1965), 579–588.MathSciNetGoogle Scholar
  21. D’Agostino, R.B.: Linear estimation of the Weibull parameters. Technometrics 13 (1971), 171–182.zbMATHGoogle Scholar
  22. Davies, O.L.: Design and Analysis of Industrial Experiments, London 1956, Chapter 11.Google Scholar
  23. Dean, B.V., and Marks, E.S.: Optimal design of optimization experiments. Operations Research 13 (1965), 647–673.MathSciNetGoogle Scholar
  24. Drnas, T.M.: Methods of estimating reliability. Industrial Quality Control 23 (1966), 118–122.Google Scholar
  25. Dubey, S.D.: (1) On some statistical inferences for Weibull laws. Naval Res. Logist. Quart. 13 (1966), 227–251. (2) Normal and Weibull distribution. Naval Res. Logist. Quart. 14 (1967), 69-79. (3) Some simple estimators for the shape parameter of the Weibull laws. Naval Res. Logist. Quart. 14 (1967), 489-512. (4) Some percentile estimators for Weibull parameters. Technometrics 9 (1967), 119-129. (5) On some permissible estimators of the location parameter of the Weibull and certain other distributions. Technometrics 9 (1967), 293-307.MathSciNetzbMATHGoogle Scholar
  26. Duckworth, W.E.: Statistical Techniques in Technological Research: An Aid to Research Productivity. (Methuen, pp. 303) London 1968.Google Scholar
  27. Duncan, A. J.: Quality Control and Industrial Statistics. Homewood, Ill. 1959, Chapter 37.Google Scholar
  28. Eagle, E.L.: Reliability sequential testing. Industrial Quality Control 20 (May 1964), 48–52.Google Scholar
  29. Eilon, S.: Tafeln und Tabellen für Wirtschaft und Industrie. München 1964.Google Scholar
  30. Enrick, N.L.: Einfache statistische Verfahren der Zuverlässigkeitssicherung. Technische Zuverlässigkeit in Einzeldarstellungen. Oldenbourg, München, Juni 1966, Heft 7, S. 45–80.Google Scholar
  31. Ferrell, E. B.: Control charts for log-normal universes. Industrial Quality Control 15 (August 1958), 4–6.Google Scholar
  32. Fischer, F.: Einfluß der Wahl des Ausfallkriteriums auf die Verteilung der Lebensdauer bei Benutzung der Weibull-Verteilung. Qualität und Zuverlässigkeit 15 (1970), 33–37.Google Scholar
  33. Freudenthal, H.M., and Gumbel, E. J.: On the statistical interpretation of fatigue tests. Proc. Roy. Soc, Ser. A 216 (1953), 309–332.Google Scholar
  34. Gnedenko, B.W., Beljajew, J.K. und Solowjew, A.D.: Mathematische Methoden der Zuverlässigkeitstheorie I. (Math. Lehrb. u. Monogr., Bd. XXI) (Akademie-Vlg., 222 S.) Berlin 1968.Google Scholar
  35. Goldman, A.S., and Slattery, T.B.: Maintainability. A Mayor Element of System Effectiveness. (Wiley; pp.282) New York 1964.Google Scholar
  36. Goode, H.P., and Kao, J.H.K.: (1) Sampling procedures and tables for life and reliability testing based on the Weibull distribution (hazard rate criterion) Proc. 8, natl. Symp. Reliab. Quality Contr. 1962, 37-58. (2) Weibull tables for bio-assaying and fatigue testing. Dept. of Industrial and Engineering Adm., Techn. Report No. 8, Cornell Univ. Ithaca, N. Y., September 1962.Google Scholar
  37. Gottfried, P., and Roberts, H.R.: Some pitfalls of the Weibull distribution. Ninth Symp. on Reliability and Quality Control, pp. 372-379, San Francisco, Calif. (Jan. 1963).Google Scholar
  38. Gryna, F.M. jr., McAfee, N.J., Ryerson, C.M., and Zwerling, S.: Reliability Training Text. (Institute of Radio Engineers) New York 1960.Google Scholar
  39. Harter, H.L., and Dubey, S.D.: Theory and tables for tests of hypotheses concerning the mean and the variance of a Weibull population. ARL Tech. Rep. No. 67-0059 (Aerospace Research Laboratories, pp. 393), Wright-Patterson Air Force Base, Ohio 1967.Google Scholar
  40. Heinhold, J., und Gaede, K.-W.: Ingenieur-Statistik. 3. Aufl., (Oldenbourg, 383 S.) München-Wien 1972.Google Scholar
  41. Hill, W.J., and Hunter, W.G.: A review of response surface methodology: a literature survey. Technometrics 8 (1966), 571–590 [siehe auch 15 (1973), 113-123 u. 301-317].MathSciNetGoogle Scholar
  42. Hillier, F. S.: (1) Small sample probability limits for the range chart. J. Amer. Statist. Assoc. 62 (1967), 1488–1493. (2) X-and R-chart control limits based on a small number of subgroups. J. Qual. Technol. 1 (1969), 17-26.MathSciNetGoogle Scholar
  43. Höhndorf, K.: Zuverlässigkeiten in der Luftfahrttechnik. VDI-Zeitschrift 110 (1968), 521–523.Google Scholar
  44. Honeychurch, J.: Lambda and the question of confidence. Microelectronics Reliability 4 (1965), 123–130.Google Scholar
  45. Hunter, W.G., and Kittrel, J.R.: Evolutionary operation: a review. Technometrics 8 (1966), 389–397.MathSciNetGoogle Scholar
  46. Ireson, W.G. (Ed.): Reliability Handbook. New York 1966.Google Scholar
  47. Johns jr., M.V., and Lieberman, G.J.: An exact asymptotically efficient confidence bound for reliability in the case of the Weibull distribution. Technometrics 8 (1966), 135–175.MathSciNetzbMATHGoogle Scholar
  48. Johnson, L.G.: Theory and Technique of Variation Research. (Elsevier, pp. 105) Amsterdam 1964.Google Scholar
  49. Kabe, D.G.: Testing outliers from an exponential population. Metrika 15 (1970), 15–18 (vgl. auch J. Likes: 11 [1966], 46-54).zbMATHGoogle Scholar
  50. Kanno, A. (freie deutsche Bearb. v. E. Rusch): Zuverlässigkeit von Nachrichtengeräten. Technische Zuverlässigkeit in Einzeldarstellungen. Oldenbourg, München, Juli 1967, Heft 9, S. 68–92.Google Scholar
  51. Kao, J.H.K.: A graphical estimation of mixed parameters in life testing electron tubes. Technometrics 1 (1959), 389–407.Google Scholar
  52. Kenworthy, I.C.: Some examples of simplex evolutionary operation in the paper industry. Applied Statistics 16 (1967), 211–224.Google Scholar
  53. Kiefer, J. C.: Optimum experimental designs. J. Roy. Statist. Soc., Ser. B 21 (1959), 272–319.MathSciNetzbMATHGoogle Scholar
  54. Knowler, L.A., Howell, J.M., Gold, B.K., Coleman, E.P., Moan, O.B., and Knowler, W.C.: Quality Control by Statistical Methods. (McGraw-Hill, pp. 139) New York 1969.Google Scholar
  55. Kumar, S., and Patel, H.I.: A test for the comparison of two exponential distributions. Technometrics 13 (1971), 183–189 [vgl. auch 15 (1973), 177-182, 183-186].MathSciNetzbMATHGoogle Scholar
  56. Lieblein, J., and Zelen, M.: Statistical investigation of the fatigue life of deep-groove ball bearings. J. Res. Nat. Bur. Stds. 57 (Nov. 1956), 273–319.Google Scholar
  57. Lloyd, D.K., and Lipow, M.: Reliability: Management, Methods, and Mathematics. Englewood Cliffs, N.J. 1962.Google Scholar
  58. Lowe, C.W.: Industrial Statistics. Vol. 2. (Business Books Ltd., pp.294) London 1970, Chapter 12 Mann, Nancy R.: (1) Tables of obtaining the best linear invariant estimates of parameters of the Weibull distribution. Technometrics 9 (1967), 629–645. (2) Point and interval estimation procedures for the two-parameter Weibull and extreme-value distribution. Technometrics 10 (1968), 231-256 [vgl. auch 15 (1973), 87-101].Google Scholar
  59. McCall, J.J.: Maintenance policies for stochastically failing equipment: a survey. Management Science 11 (1965), 493–524.MathSciNetzbMATHGoogle Scholar
  60. Morice, E.: (1) Quelques modèles mathématiques de durée de vie. Revue de Statistique Appliquée 14 (1966), No.1, 45-126; Errata 14 (1966), No.2, 99-101. (2) Quelques problèmes d’estimation relatifs à la loi de Weibull. Revue de Statistique Appliquée 16 (1968), No. 3, 43-63.Google Scholar
  61. Morrison, J.: The lognormal distribution in quality control. Applied Statistics 7 (1958), 160–172.Google Scholar
  62. Myhre, J. M., and Saunders, S.C.: Comparison of two methods of obtaining approximate confidence intervals for system reliability. Technometrics 10 (1968), 37–49.MathSciNetGoogle Scholar
  63. Nelson, L.S.: (1) Tables for a precedence life test. Technometrics 5 (1963), 491–499. (2) Weibull probability paper. Industrial Quality Control 23 (1967), 452-455.zbMATHGoogle Scholar
  64. Nelson, W.: A statistical test for equality of two availabilities. Technometrics 10 (1968), 594–596 (siehe auch S. 883 und 884 sowie J. Qual, Technol. 4 [1972], 190-195).Google Scholar
  65. Nelson, W., and Thompson, V.C.: Weibull probability papers. J. Qual. Technol. 3 (1971), 45–50.Google Scholar
  66. Oehme, F.: Ein Spezialrechenschieber zum Auswerten von Stichprobentests und zur Analyse der Systemzuverlässigkeit. Technische Zuverlässigkeit in Einzeldarstellungen. Oldenbourg, München, Juni, 1966, Heft 7, S. 81–84.Google Scholar
  67. Ostle, B.: Industry use of statistical test design. Industrial Quality Control 24 (July 1967), 24–34.Google Scholar
  68. Pearson, E.S.: Comments on the assumption of normality involved in the use of some simple statistical techniques. Rev. belge Statist. Rech. opérat. 9 (1969), Nr. 4, 2–18.Google Scholar
  69. Peng, K. C.: The Design and Analysis of Scientific Experiments. (Addison-Wesley, pp. 252) Reading, Mass. 1967, Chapter 8.Google Scholar
  70. Pieruschka, E.: Principles of Reliability. Englewood Cliffs, N.J. 1962.Google Scholar
  71. Plait, A.: The Weilbull distribution — with tables. Industrial Quality Control 19 (Nov. 1962), 17-26 [vgl. auch 15 (1973), 87–101].Google Scholar
  72. Prairie, R. R.: Probit analysis as a technique for estimating the reliability of a simple system. Technometrics 9 (1967), 197–203.MathSciNetGoogle Scholar
  73. Qureishi, A.S., Nabavian, K.J., and Alanen, J.D.: Sampling inspection plans for discriminating between two Weibull processes. Technometrics 7 (1965), 589–601.Google Scholar
  74. Ravenis, J.V.J.: Estimating Weibull-distribution parameters. Electro-Technology, March 1964, 46-54.Google Scholar
  75. Rice, W.B.: Control Charts in Factory Management, 3rd ed., New York 1955.Google Scholar
  76. Roberts, N.H.: Mathematical Methods in Reliability Engineering. New York 1964.Google Scholar
  77. Schindowski, E., und Schürz, O.: Statistische Qualitätskontrolle. 5. überarb. Aufl., Berlin 1972.Google Scholar
  78. Schmid, R.C.: Einige einfache Hilfsmittel bei Zuverlässigkeitsüberlegungen. Technische Zuverlässigkeit in Einzeldarstellungen. Oldenbourg, München, Dezember 1965, Heft 6, S. 88–100.Google Scholar
  79. Shooman, M.L.: Probabilistic Reliability: An Engineering Approach. (McGraw-Hill, pp.524) New York 1968.Google Scholar
  80. Simonds, T.A.: MTBF confidence limits. Industrial Quality Control 20 (Dec. 1963), 21–27.Google Scholar
  81. Smirnow, N. W. und Dunin-Barkowski, I. W.: Mathematische Statistik in der Technik. Neu bearb. v. W. Richter (VEB Dtsch. Vlg. d. Wissensch., 479 S.) Berlin 1969.Google Scholar
  82. Stange, K.: (1) Ermittlung der Abgangslinie für wirtschaftliche und technische Gesamtheiten. Mitteilungsbl. Mathem. Statistik 7 (1955), 113–151. (2) Stichprobenpläne für messende Prüfung: Aufstellung und Handhabung mit Hilfe des doppelten Wahrscheinlichkeitsnetzes. Deutsche Arbeitsgemeinschaft für statistische Qualitätskontrolle beim Ausschuß für wirtschaftliche Fertigung. (ASQ/AWF), Beuth-Vertrieb, Berlin 1962. (3) Optimalprobleme in der Statistik. Ablauf-und Planungsforschung (Operational Research) 5 (1964), 171-190. (4) Die Berechnung wirtschaftlicher Pläne für messende Prüfung. Metrika 8 (1964), 48-82. (5) Statistische Verfahren im Betrieb zur Überwachung, Prüfung und Verbesserung der Qualität. Allgem. Statist. Arch. 49 (1965), 14-46. (6) Eine Verallgemeinerung des zeichnerischen Verfahrens zum Testen von Hypothesen im Wurzelnetz (Mosteller-Tukey-Netz) auf drei Dimensionen. Qualitätskontrolle 10 (1965), 45-52. (7) Die zeichnerische Ermittlung von Folgeplänen für messende Prüfung bei bekannter Varianz der Fertigung. Biometrische Zeitschr. 8 (1966), 55-74. (8) Ein Näherungsverfahren zur Berechnung optimaler Pläne für messende Prüfung bei bekannten Kosten und bekannter Verteilung der Schlechtanteile in den vorgelegten Liefermengen. Metrika 10 (1966), 92-136. (9) Die Wirksamkeit von Kontrollkarten. I. Die \(\bar{x}\)-und \(\tilde{x}\)-Karte. Qualitätskontrolle 11 (1966), 129-137. (10) Die Wirksamkeit von Kontrollkarten. II. Die s-und R-Karte zur Überwachung der Fertigungsstreuung. Qualitätskontrolle 12 (1967), 13-20 (vgl. auch 73-75). (11) Die Bestimmung von Toleranzgrenzen mit Hilfe statistischer Überlegungen. Qualitätskontrolle 14 (1969), 57-63. (12) Folgepläne für messende Prüfung bei bekannter Varianz der Fertigung und einem nach oben und unten abgegrenzten Toleranzbereich für die Merkmalwerte. Biometrische Zeitschr. 11 (1969), 1-24.zbMATHGoogle Scholar
  83. —, und Henning, H.-J.: Formeln und Tabellen der mathematischen Statistik. 2. bearb. Aufl., Berlin 1966, S. 189-220.Google Scholar
  84. Störmer, H.: Mathematische Theorie der Zuverlässigkeit. Einführung und Anwendung. (Oldenbourg; 329 S.) München-Wien 1970.Google Scholar
  85. Thoman, D.R., and Bain, L.J.: Two sample tests in the Weibull distribution. Technometrics 11 (1969), 805–815.MathSciNetzbMATHGoogle Scholar
  86. Thoman, D.R., Bain, L. J., and Antle, C.E.: Inferences on the parameters of the Weibull distribution. Technometrics 11 (1969), 445–460.MathSciNetzbMATHGoogle Scholar
  87. Uhlmann, W.: Kostenoptimale Prüfpläne. Tabellen, Praxis und Theorie eines Verfahrens der statistischen Qualitätskontrolle. (Physica-Vlg., 129 S.) Würzburg-Wien 1969.Google Scholar
  88. Watson, G.S., and Leadbetter, M.R.: Hazard analysis. I. Biometrika 51 (1964), 175–184.MathSciNetzbMATHGoogle Scholar
  89. Weibull, W.: (1) A statistical distribution function of wide applicability. J. Applied Mechanics 18 (1951), 293–297. (2) Fatigue Testing and Analysis of Results. Oxford 1961.zbMATHGoogle Scholar
  90. Wilde, D.J.: Optimum Seeking Methods. Englewood Cliffs, N.J. 1964.Google Scholar
  91. Wucherer, H.: Zur Bemessung von wirtschaftlich-optimalen Attribut-Stichprobenplänen. Qualitätskontrolle 10 (Nov. 1965), 113–119.Google Scholar
  92. Yang, C.-H., and Hillier, F. S.: Mean and variance control chart limits based on a small number of subgroups. J. Qual. Technol. 2 (1970), 9–16.Google Scholar
  93. Zaludova, Agnes H.: Problèmes de durée de vie. Applications à l’industrie automobile (1). Revue de Statistique Appliquée 13, (1965), No. 4, 75–98.Google Scholar

Linearplanung und Unternehmensforschung

  1. Becker, A.M., und Marchai, M.: Netzplantechnik und elektronische Datenverarbeitung. VDI-Zeitschrift 109 (1967), 1161–1168 und 1222-1227.Google Scholar
  2. Beer, S.: Decision and Control. 2 Vols. (Wiley, pp. 576) London 1966.Google Scholar
  3. Brusberg, H.: Der Entwicklungsstand der Unternehmensforschung mit besonderer Berücksichtigung der Bundesrepublik Deutschland. Wiesbaden 1965.Google Scholar
  4. Dantzig, G.B. (übersetzt u. bearb. von A. Jaeger): Lineare Programmierung und Erweiterungen. Berlin-Heidelberg 1966.Google Scholar
  5. Fabrycky, W.J., and Torgersen P.E.: Operations Economy: Industrial Applications of Operations Research. Englewood Cliffs, N.J. 1966, Chapter 16.Google Scholar
  6. Faure, R., Boss, I.-P., und Le Garff, A.: Grundkurs der Unternehmensforschung. München 1962.Google Scholar
  7. Flagle, C.D., Huggins, W.H., and Roy, R.H. (Eds.): Operations Research and Systems Engineering. Baltimore 1960.Google Scholar
  8. Gass, S.L: Linear Programming. Methods and Applications. 3rd ed. (McGraw-Hill, pp.325), New York 1969.Google Scholar
  9. Harnes, A., and Cooper, W.W.: Management Models and Industrial Applications of Linear Programming. New York 1961.Google Scholar
  10. Henn, R. (Hrsg.): Operations Research-Verfahren I-X (A. Hain) Meisenheim am Glan 1963-1971.Google Scholar
  11. Henn, R., und Künzi, H.P.: Einführung in die Unternehmensforschung I, II. (Heidelb. Taschenb. Nr. 38 und 39, Springer; 154 und 201 S.) Berlin-Heidelberg-New York 1968.Google Scholar
  12. Hertz, D.B. (Ed.): Progress in Operations Research II. New York 1964.Google Scholar
  13. Hillier, F.S., and Lieberman, G.J.: Introduction to Operations Research. (Holden-Day, pp.639) San Francisco 1967.Google Scholar
  14. Künzi, H.P., und Oettli, W.: Nichtlineare Optimierung. Neuere Verfahren. Bibliographie. (Lecture Notes Nr. 16) (Springer, 180 S.) Berlin-Heidelberg-New York 1969.Google Scholar
  15. Moore, P.G.: A survey of operational research. J. Roy. Statist. Soc. A 129 (1966), 399–447.Google Scholar
  16. Philipson, C.: A review of the collective theory of risk. Skand. Aktuarietidskr. 51 (1968), 45–68 und 117-133 (vgl. auch H. Bühlmann: 174-177).MathSciNetGoogle Scholar
  17. Saaty, T. L.: Operations research. Some contributions to mathematics. Science 178 (1972), 1061–1070.Google Scholar
  18. Sasieni, M., Yaspan, A., and Friedman, L. (übersetzt von H.P. Künzi): Methoden und Probleme der Unternehmensforschung, Operations Research. Würzburg 1962.Google Scholar
  19. Schneeweiß, H.: Ökonometrie. (Physica-Vlg., 340 S.) Würzburg-Wien 1971.Google Scholar
  20. Shuchman, A. (Ed.): Scientific Decision Making in Business. New York 1963.Google Scholar
  21. Stoller, D.S.: Operations Research: Process and Strategy. Univ. of Calif. Press, Berkeley 1965.Google Scholar
  22. Theil, H., Boot, J.C.G., and Kloek, T.: Operations Research and Quantitative Economics, an Elementary Introduction. New York 1965.Google Scholar
  23. Thumb, N.: Grundlagen und Praxis der Netzplantechnik. (Moderne Industrie, 483 S.) München 1968 (PERT, S. 175-243).Google Scholar
  24. Weinberg, F.: Grundlagen der Wahrscheinlichkeitsrechnung und Statistik sowie Anwendungen im Operations Research. (Springer, 352 S.) Berlin-Heidelberg-New York 1968.Google Scholar
  25. Weinert, H.: Bibliographie über Optimierungsprobleme unter Ungewißheit. In: Operationsforschung und Mathematische Statistik I (Hrsg. O. Bunke) Akademie-Verlag, Berlin 1968, S. 137-151.Google Scholar

Spieltheorie und Planspiel

  1. Bauknecht, K.: Panzersimulationsmodell „Kompaß“. Industrielle Organisation 36 (1967), 62–70.Google Scholar
  2. Burger, E.: Einführung in die Theorie der Spiele. 2. durchges. Aufl., Berlin 1966.Google Scholar
  3. Charnes, A., and Cooper, W.W.: Management Models and Industrial Applications of Linear Programming. Vol. I, II. New York 1961.Google Scholar
  4. Dresher, M.: Games of Strategy: Theory and Applications. Englewood Cliffs, N.J. 1961.Google Scholar
  5. —, Shapley, L.S., and Tucker, A.W. (Eds.): Advances in Game Theory. Princeton (Univ. Press), N.J. 1964.Google Scholar
  6. Eckler, A. R.: A survey of coverage problems associated with point and area targets. Technometrics 11 (1969), 561–589.zbMATHGoogle Scholar
  7. Edwards, W.: The theory of dicision making. Psychological Bulletin 51 (1954), 380–417 (vgl. auch Psychol. Rev. 69 [1962], 109).Google Scholar
  8. Fain, W.W., Fain, J.B., and Karr, H.W.: A tactical warfare simulation program. Naval Res. Logist. Quart. 13 (1966), 413–436.Google Scholar
  9. Horvath, W.J.: A statistical model for the duration of wars and strikes. Behavioral Science 13 (1968), 18–28.Google Scholar
  10. Isaacs, R.: Differential Games. A Mathematical Theory with Applications to Warfare and Pursuit, Control and Optimization. New York 1965.Google Scholar
  11. Kemenyi, J.G., Schleifer, A. jr., Snell, J. L., und Thompson, G. L.: Mathematik für die Wirtschaftspraxis. Übersetzt von H.-J. Zimmermann. Berlin 1966, S. 410-475.Google Scholar
  12. Luce, R.D., and Raiffa, H.: Games and Decisions. New York 1957.Google Scholar
  13. Morgenstern, O.: Spieltheorie und Wirtschaftswissenschaft. Wien, München 1963.Google Scholar
  14. Neumann, J. von: Zur Theorie der Gesellschaftsspiele. Math. Annalen 100 (1928), 295–320.zbMATHGoogle Scholar
  15. —, und Morgenstern, O.: (Theory of Games and Economic Behavior. Princeton 1944, 3rd ed. 1953) Spieltheorie und wirtschaftliches Verhalten. Deutsch herausgegeben von F. Sommer, Würzburg 1961.Google Scholar
  16. Owen, G.: Game Theory. (Saunders, pp. 228) Philadelphia 1968.Google Scholar
  17. Rapoport, A., and Orwant, C.: Experimental games: a review. Behavioral Science 7 (1962), 1–37 (vgl. auch 38-80).MathSciNetGoogle Scholar
  18. Riley, V., and Young, R.P.: Bibliography on War Gaming. (Johns Hopkins Univ. Press, pp.94) Baltimore 1957.Google Scholar
  19. Rohn, W.E.: Führungsentscheidungen im Unternehmensplanspiel. Essen 1964.Google Scholar
  20. Shubik, M. (Hrsg.): Spieltheorie und Sozialwissenschaften. Übersetzt von Elisabeth Selten. Hamburg 1965.Google Scholar
  21. Vajda, S.: Theorie der Spiele und Linearprogrammierung. Berlin 1966.Google Scholar
  22. Vogelsang, R.: Die mathematische Theorie der Spiele. Bonn 1963.Google Scholar
  23. Williams, J.D.: The Compleat Strategyst. Rev. ed., London 1966.Google Scholar
  24. Wilson, A. (Übers, aus dem Engl. von W. Höck): Strategie und moderne Führung (List, 240 S.) München 1969.Google Scholar
  25. Young, J. P.: A Survey of Historical Development in War Games. Operations Research Office. (The Johns Hopkins Univ.) Bethesda, Md. August 1959.Google Scholar

Monte-Carlo-Technik und Computer-Simulation

  1. Adler, H.: Elektronische Analogrechner. 2.überarb. u. erw. Aufl., (Dt. Vlg. d. Wissenschaften, 450 S.) Berlin 1967.Google Scholar
  2. Ameling, W.: Aufbau und Wirkungsweise elektronischer Analogrechner. Braunschweig 1963.Google Scholar
  3. Anke, K., Kaltenecker, H., und Oetker, R.: Prozeßrechner. Wirkungsweise und Einsatz. (Oldenbourg, 602 S.) München und Wien 1970 (2. Aufl. 1971).Google Scholar
  4. Anke, K., und Sartorius, H.: Industrielle Automatisierung mit Prozeßrechnern. Elektrotechnische Zeitschrift A 89 (1968), 540–544.Google Scholar
  5. Barney, G.C., and Hambury, J.H.: The components of hybrid computation. Computer Bulletin 14 (1970), 31–36.Google Scholar
  6. Bekey, G.A.: Hybrid Computation. (Wiley, pp.464) New York 1969.Google Scholar
  7. Böttger, R.: Die Leistungsfähigkeit von Simulationsverfahren bei der Behandlung von Straßenverkehrsproblemen. Ablauf und Planungsforschung 8 (1967), 355–369.Google Scholar
  8. Buslenko, N.P., und Schreider, J.A.: Monte-Carlo-Methode und ihre Verwirklichung mit elektronischen Digitalrechnern. Leipzig 1964.Google Scholar
  9. Chambers, J.M.: Computers in statistical research. Simulation and computer-aided mathematics. Technometrics 12 (1970), 1–15.zbMATHGoogle Scholar
  10. Chorafas, D.N.: Systems and Simulation. New York 1965.Google Scholar
  11. Conway, R.W.: Some tactical problems in simulation. Management Science 10 (Oct. 1963), 47–61.Google Scholar
  12. Ehrenfeld, S., and Ben-Tuvia, S.: The efficiency of statistical simulation procedures. Technometrics 4 (1962), 257–275.MathSciNetzbMATHGoogle Scholar
  13. Eilon, S., und Deziel, D. P.: The use of an analogue computer in some operational research problems. Operations Research Quarterly 16 (1965), 341–365.Google Scholar
  14. Fernbach, S., and Taub, A.H. (Eds.): Computers and their Role in the Physical Sciences. (Gordon and Breach, pp. 638) London 1970.Google Scholar
  15. Fifer, S.: Analogue Computation. Vol. 1–4. New York 1963.Google Scholar
  16. Giloi, W.: (1) Simulation und Analyse stochastischer Vorgänge. München 1967. (2) Digital-und Analogrechner. VDI-Zeitschrift 110 (1968), 677–684.Google Scholar
  17. —, und Lauber, R.: Analogrechnen. Berlin, Heidelberg 1963.Google Scholar
  18. Gorenflo, R.: Über Pseudozufallszahlengeneratoren und ihre statistischen Eigenschaften. Biometrische Zeitschr. 7 (1965), 90–93.zbMATHGoogle Scholar
  19. Guetzkow, H. (Ed.): Simulation in Social Sciences: Readings. Englewood Cliffs, N.J. 1962.Google Scholar
  20. Halton, J. H.: A retrospective and prospective survey of the Monte Carlo Method. SIAM Review 12 (Jan. 1970), 1–63.MathSciNetzbMATHGoogle Scholar
  21. Hammersley, J.M., and Handscomb, D.C.: Monte Carlo Methods. London 1964.Google Scholar
  22. James, M.L., Smith, G.M., and Wolford, J.C.: Analog Computer Simulation of Engineering Systems. New York 1966.Google Scholar
  23. Kalex, E., und Mann, D. (bearb. v. F. Brzoska): Wirkungsweise, Programmierung und Anwendung von Analogrechnern. Dresden 1966.Google Scholar
  24. Karplus, W. J.: Analog Simulation. New York 1958.Google Scholar
  25. —, and Soroka, W. J.: Analog Methods, Computation and Simulation. New York 1959.Google Scholar
  26. Klerer, M., and Korn, G.A. (Eds.): Digital Computer User’s Handbook. (McGraw-Hill, pp.922) New York 1967.Google Scholar
  27. Kohlas, J.: Monte Carlo Simulation im Operations Research. (Lect. Notes Economics Nr. 63) (Springer, 162 S.) Berlin, Heidelberg, New York 1972.Google Scholar
  28. Koxholt, R.: Die Simulation — ein Hilfsmittel der Unternehmensforschung. München und Wien 1967.Google Scholar
  29. Lehmann, F.: Allgemeiner Bericht über Monte-Carlo-Methoden. Blä. Dtsch. Ges. Versich.-math. 8 (1967), 431–456.zbMATHGoogle Scholar
  30. Martin, F.F.: Computer Modeling and Simulation. (Wiley, pp. 331) New York 1968.Google Scholar
  31. Meyer, H.A. (Ed.): Symposium on Monte-Carlo-Methods. New York 1956.Google Scholar
  32. Mize, J.H., and Cox, J.G.: Essentials of Simulation. (Prentice-Hall International, pp. 234) London 1968.Google Scholar
  33. Morgenthaler, G.W.: The Theory and Application of Simulation in Operations Research. In Ackoff, R.L. (Ed.): Progress in Operations Research I. New York 1961, Chapter 9.Google Scholar
  34. Newman, T. G. and Odell, P. L.: The Generation of Random Variates. (Nr. 29 of Griffin’s Stat. Monogr. a. Courses) (Griffin, pp.88) London 1971.Google Scholar
  35. Namneck, P.: Vergleich von Zufallszahlen-Generatoren. Elektronische Rechenanlagen 8 (1966), 28–32.zbMATHGoogle Scholar
  36. Naylor, Th.H., Balintfy, J.L., Burdick, D.S., and Chu, K.: Computer Simulation Techniques. New York 1966.Google Scholar
  37. Naylor, Th.H., Burdick, D.S., and Sasser, W.E.: Computer simulation experiments with economic systems: the problem of experimental design. J. Amer. Statist. Assoc. 62 (1967), 1315–1337.Google Scholar
  38. Rechenberg, P.: Grundzüge digitaler Rechenautomaten. München 1964.Google Scholar
  39. Richards, R.K.: Electronic Digital Systems. New York 1966.Google Scholar
  40. Röpke, H., und Riemann, J.: Analogcomputer in Chemie und Biologie. (Springer, 184 S.) Berlin, Heidelberg, New York 1968.Google Scholar
  41. Rogers, A.E., and Connolly, T.W.: Analog Computation in Engineering Design. New York 1960.Google Scholar
  42. Schreider, Y.A. (Ed.): Method of Statistical Testing (Monte Carlo Method). Amsterdam 1964.Google Scholar
  43. Shubik, M.: Bibliography on simulation, gaming, artificial intelligence and applied topics. J. Amer. Statist. Assoc. 55 (1960), 736–751.MathSciNetzbMATHGoogle Scholar
  44. Sippl, C. J.: Computer Dictionary and Handbook. Indianapolis 1966.Google Scholar
  45. Smith, J.U.M.: Computer Simulation Models. (Griffin, pp. 112) London 1968.Google Scholar
  46. Sowey, E. R.: A chronological and classified bibliography on random number generation and testing. Internat. Statist. Rev. 40 (1972), 355–371.MathSciNetGoogle Scholar
  47. Tocher, K.D.: (1) The Art of Simulation. London 1963. (2) Review of simulation languages. Operations Research Quarterly 16 (1965), 189–217.Google Scholar
  48. Van der Laan, P., and Oosterhoff, J.: Monte Carlo estimation of the powers of the distribution-free two-sample tests of Wilcoxon, van der Waerden and Terry and comparison of these powers. Statistica Neerlandica 19 (1965), 265–275.MathSciNetGoogle Scholar
  49. Wilkins, B. R.: Analogue and Iterative Methods in Computation, Simulation and Control (Chapman and Hall; pp.276) London 1970.Google Scholar
  50. Winkler, H.: Elektronische Analogieanlagen. Berlin 1961.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1974

Authors and Affiliations

  • Lothar Sachs

There are no affiliations available

Personalised recommendations