Aukeaa uudessa välilehdessä
LSS Belgium horz white bg2

Operational Excellence tilastollisen ajattelun avulla

Tutustu ohjelmistoon Statoscopex, joka on verkossa toimiva tilastoanalyysiohjelmistomme. Se on suunnattu Six Sigma- ja tilastoanalyysiasiantuntijoille, jotka haluavat arvioida ja hyödyntää täysimääräisesti datasarjan päätöksentekopotentiaalia.
Statoscopex auttaa Six Sigma- ja tilastoasiantuntijoita tunnistamaan vaikuttavat tekijät, määrittämään niiden vaikutukset ja arvioimaan niiden käytännön merkitystä, mikä mahdollistaa paremmin perustellut parannuspäätökset.
Kuva Yellow Belt
Youri Buffe
Master Black Belt

Edistyneet ominaisuudet tilastollisiin tutkimuksiisi

Statoscopex tarjoaa yli 50 analyysia ja 100 tilastollista laskentaa suorituskykyanalyysi- ja tekijäanalyysitoimintojensa kautta, mukaan lukien:

Seuraaville mittareille: jatkuva, laskettava, binaarinen.

  1. Prosessin virhesuhteen tilastollisen tarkkuuden määrittäminen
  2. Prosessin virhesuhteen arviointiin tarvittavan pienimmän näytekoon määrittäminen

Seuraaville parametreille: keskiarvo, keskihajonta, esiintymistiheys, osuus.

  1. Parametrin luottamusvälin määrittäminen
  2. Tarvittavan pienimmän näytekoon määrittäminen tilastollisen parametrin arvioimiseksi tietyllä tarkkuudella

Seuraaville parametreille: keskiarvo, keskihajonta, esiintymistiheys, osuus.

  1. Virhesuhteen pienentämistä koskevan tavoitteen muuntaminen tilastolliseen parametriin kohdistuvaksi tavoitevaikutukseksi.
  2. Sen pienimmän näytekoon määrittäminen, joka tarvitaan havaitsemaan tilastolliseen parametriin kohdistuva vaikutus, jolla saavutetaan virhesuhteen pienentämistavoite.

Seuraaville parametreille: keskiarvo, keskihajonta, esiintymistiheys, osuus.

  1. Havaitse kynnysarvon alittavan tai ylittävän vaikutuksen olemassaolo
  2. Määritä pienin näytekoko, joka tarvitaan vähintään tietynsuuruisen vaikutuksen havaitsemiseen
  3. Määritä pienin havaittavissa oleva vaikutus kahta näytettä käyttämällä (erottelukyky)
  4. Määritä kynnysarvon alittavan tai ylittävän vaikutuksen tilastollinen voima näytteitä käyttämällä.

Käytetyt tekniikat: kahden otoksen t-testi, kahden varianssin testi, kahden otoksen Poisson-testi, kahden suhteellisen osuuden testi

Seuraaville parametreille: keskiarvo, keskihajonta, esiintymistiheys, osuus.

  1. Havaitse, eroaako parametri viitearvostaan
  2. Määritä pienin näytekoko, joka tarvitaan havaitsemaan, eroaako parametri viitearvostaan
  3. Määritä pienin havaittavissa oleva ero parametrin arvon ja sen viitearvon välillä näytettä käyttämällä (erottelukyky)
  4. Määritä parametrin viitearvosta poikkeamisen havaitsemisvoima näytettä käyttämällä

Käytetyt tekniikat: yhden otoksen t-testi, varianssitesti, yhden otoksen Poisson-testi, suhteellisen osuuden testi.

Laskurit

Jokainen Statoscopex-analyysi ajetaan tässä. Avaa tarvitsemasi — jokaisella paneelilla on oma lomakkeensa, ja tulokset ilmestyvät suoraan siihen.

Sovellusalue: jatkuva laatumittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritämme oletetun (todennäköisyyspohjaisen) virheprosentin otoksesta havaitun perusteella. Laskenta antaa myös virhemarginaalin (tilastollisen tarkkuuden) kyseiselle oletetulle virheprosentille.

Syötä seuraavat tiedot:

  • n: otoskoko
  • Xbar: otoskeskiarvo
  • s: otoskeskihajonta
  • LSL: alempi toleranssiraja
  • USL: ylempi toleranssiraja

Sovellusalue: jatkuva laatumittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritämme pienimmän otoskoon, joka on otettava, jotta oletettu virheprosentti tiedetään hyväksyttävän virhemarginaalin (tilastollisen tarkkuuden) rajoissa.

Syötä seuraavat tiedot:

  • Suhteellinen virhemarginaali: hyväksyttävä virheprosentti virheasteessa
  • Oletettu suorituskyky: suuruusluokka-arvio operationaalisesta suorituskyvystä, ilmaistuna virheprosenttina tai muodossa Sigma

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme oletetun (todennäköisyyspohjaisen) virheprosentin otoksesta havaitun perusteella. Laskenta antaa myös virhemarginaalin (tilastollisen tarkkuuden) kyseiselle oletetulle virheprosentille (normaaliapproksimaatiomenetelmä). Syötä seuraavat tiedot:

  • n: otoskoko
  • λ̂: esiintymistiheys otoksessa; tyypillisesti virheitä yksikköä kohti (DPU).

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme pienimmän otoskoon, joka on otettava, jotta oletettu virheprosentti tiedetään hyväksyttävän virhemarginaalin (tilastollisen tarkkuuden) rajoissa (normaaliapproksimaatiomenetelmä).

Syötä seuraavat tiedot:

  • Suhteellinen virhemarginaali: hyväksyttävä virheprosentti virheasteessa
  • Oletettu suorituskyky: suuruusluokka-arvio operationaalisesta suorituskyvystä, ilmaistuna virheprosenttina tai muodossa Sigma

Sovellusalue: binaarinen laatumittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme oletetun (todennäköisyyspohjaisen) virheprosentin otoksesta havaitun perusteella. Laskenta antaa myös virhemarginaalin (tilastollisen tarkkuuden) kyseiselle oletetulle virheprosentille (normaaliapproksimaatiomenetelmä). Syötä seuraavat tiedot:

  • n: otoskoko
  • p: virheellisten yksiköiden osuus otoksessa

Jos otoksessa ei havaittu yhtään virheellistä yksikköä, syötä p:n arvoksi 1/(n+2).

Sovellusalue: binaarinen laatumittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme pienimmän otoskoon, joka on otettava, jotta oletettu virheprosentti tiedetään hyväksyttävän virhemarginaalin (tilastollisen tarkkuuden) rajoissa (normaaliapproksimaatiomenetelmä).

Syötä seuraavat tiedot:

  • Suhteellinen virhemarginaali: hyväksyttävä virheprosentti virheasteessa
  • Oletettu suorituskyky: suuruusluokka-arvio operationaalisesta suorituskyvystä, ilmaistuna virheprosenttina tai muodossa Sigma

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään keskiarvon µ 1-α-luottamusväli otoksesta havaittujen tietojen perusteella.

Syötä seuraavat tiedot:

  • α: riski siitä, että keskiarvon todellinen arvo jää luottamusvälin ulkopuolelle. Jos kyseessä on 95 %:n luottamusväli, syötä α = 5 %
  • n: otoskoko
  • Xbar: otoskeskiarvo
  • σ tai s: todellinen keskihajonta (jos tunnettu) tai otoksen keskihajonta

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään pienin tarvittava otoskoko, jotta keskiarvo µ voidaan tietää valitulla virhemarginaalilla (tilastollinen tarkkuus).

Syötä seuraavat tiedot:

  • σ tai s: todellinen keskihajonta (jos tunnettu) tai otoksen keskihajonta
  • Virhemarginaali: keskiarvon 1-α-luottamusvälin haluttu puolikas leveys
  • α: riski siitä, että keskiarvon todellinen arvo jää luottamusvälin ulkopuolelle. Se määrittää siten virhemarginaalin 1-α-luottamustason. Jos kyseessä on 95 %:n luottamusväli, syötä α = 5 %

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään keskiarvon muutos, joka vaaditaan vakiokeskihajonnalla virhesuhteen tavoitepienennyksen saavuttamiseksi.

Syötä seuraavat tiedot:

Yhteenvetolaskelma (jos tiedät jo alustavan virhesuhteen):

  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde
  • σ: Y:n keskihajonta

Yksityiskohtainen laskelma:

  • LSL: alempi toleranssiraja
  • USL: ylempi toleranssiraja
  • µi: alustava (nykyinen) keskiarvo
  • σ: Y:n keskihajonta
  • τred. (%): virhesuhteen haluttu pieneneminen

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään pienin otoskoko, joka tarvitaan havaitsemaan keskiarvon muutos, joka täyttäisi vakiokeskihajonnalla virhesuhteen tavoitepienennyksen.

Syötä seuraavat tiedot:

  • α: riski siitä, että tehdään väärä johtopäätös vaaditun vaikutuksen olemassaolosta
  • β: riski siitä, että vaadittua vaikutusta ei havaita
  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään kahden otoksen keskiarvojen erotusten perusteella, voidaanko tehdä johtopäätös keskiarvon muutoksesta annetun kynnysarvon ylä- tai alapuolella. Tällä testataan tyypillisesti kahden eri toimintaolosuhteen vaikutusta (X:n vaikutusta, ratkaisun vaikutusta jne.). Tässä käytetty testi on kahden otoksen t-testi.

Syötä seuraavat tiedot:

  • n1 ja n2: kunkin otoksen koko
  • Xbar1 ja Xbar2: Y:n keskiarvo kussakin otoksessa
  • s1 ja s2: Y:n keskihajonta kussakin otoksessa
  • α: riski siitä, että todellinen vaikutus jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin
  • Emin: haetun vaikutuksen kynnysarvo

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään kahden otoksen t-testille:

  • Pienin otoskoko, joka vaaditaan havaitsemaan keskiarvon muutos annetun kynnysarvon yläpuolella
  • Pienin havaittavissa oleva keskiarvon muutos (erottelukyky) annetuille otoksille
  • Voima havaita keskiarvon muutos annetun kynnysarvon ylä- tai alapuolella annetuille otoksille

Syötä seuraavat tiedot:

1/ Otoskolle:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • σ: keskihajonta (tunnettu tai arvioitu)
  • Emin havaittavaksi: pienin (hyödyllinen) vaikutus, joka halutaan havaita

2/ Pienimmälle havaittavissa olevalle vaikutukselle:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • n1 ja n2: kunkin otoksen koko
  • σ1 ja σ2: kummankin otoksen keskihajonta, jos sitä ei muuten tunneta

3/ Voimalle:

  • n1 ja n2: kunkin otoksen koko
  • σ1 ja σ2: kummankin otoksen keskihajonta, jos sitä ei muuten tunneta
  • Emin havaittavaksi: pienin (hyödyllinen) vaikutus, joka halutaan havaita

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään, eroaako keskiarvo hypoteettisesta arvostaan eli otoksessa havaitusta keskiarvosta. Tässä käytettävä testi on

yhden otoksen t-testi.

Syötä seuraavat tiedot:

  • µ0: keskiarvon hypoteettinen arvo
  • n: otoskoko
  • Xbar: otoksesta laskettu Y:n keskiarvo
  • s tai σ: otoksesta laskettu Y:n keskihajonta tai todellinen keskihajonta, jos se tunnetaan
  • α: riski sille, että todellinen keskiarvo jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin

Käyttöalue: jatkuva normaaliasennettu metriikka (Y). Esimerkiksi: kesto, lämpötila, koko jne.

Määritämme tässä yhden otoksen t-testin toteutuksen puitteissa:

  • Pienin tarvittava otoskoko sen havaitsemiseksi, onko keskiarvo hypoteettisen keskiarvon ylä- vai alapuolella
  • Pienin havaittavissa oleva poikkeama keskiarvon ja hypoteettisen keskiarvon välillä annetuille otoksille
  • Voima havaita poikkeama keskiarvon ja hypoteettisen keskiarvon välillä annetuille otoksille

Syötä seuraavat tiedot:

1/ Otoskoon määrittämiseksi:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • σ: keskihajonta (tunnettu tai arvioitu)
  • εmin havaittavaksi: pienin (hyödyllinen) poikkeama, joka halutaan havaita

2/ Pienimmän havaittavan poikkeaman määrittämiseksi:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • n: otoskoko
  • σ: otoksen keskihajonta, jos sitä ei muuten tunneta

3/ Voiman määrittämiseksi:

  • n: otoskoko
  • σ: otoksen keskihajonta, jos sitä ei muuten tunneta
  • εmin havaittavaksi: pienin (hyödyllinen) poikkeama, joka halutaan havaita

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään keskihajonnan σ 1-α-luottamusväli otoksessa havaitun perusteella.

Syötä seuraavat tiedot:

  • α: riski sille, että keskihajonnan todellinen arvo jää luottamusvälin ulkopuolelle. 95 %:n luottamusvälille syötä α = 5 %
  • s: Y:n keskihajonta otoksessa
  • n: otoskoko

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään otettava pienin otoskoko, jotta keskihajonta σ tunnetaan valitun virhemarginaalin (tilastollisen tarkkuuden) rajoissa.

Syötä seuraavat tiedot:

  • s: Y:n keskihajonta otoksessa
  • Virhemarginaali: keskiarvon 1-α-luottamusvälin haluttu puolikas leveys
  • α: riski sille, että keskihajonnan todellinen arvo jää luottamusvälin ulkopuolelle. Se määrittää siten virhemarginaalin 1-α-luottamustason. 95 %:n luottamusvälille syötä α = 5 %

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritetään keskihajonnan tarvittava pienennys vakiokeskiarvolla virhesiirron vähentämistavoitteen saavuttamiseksi.

Syötä seuraavat tiedot:

Yhteenvetolaskelma (jos tiedät jo alustavan virhesuhteen):

  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde

Yksityiskohtainen laskelma:

  • SL: Y:n spesifikaatioraja (alempi tai alempi/ylempi)
  • LSL: Y:n alempi toleranssiraja
  • USL: Y:n ylempi toleranssiraja
  • µ: keskiarvo
  • σi: alkuperäinen (nykyinen) keskihajonta
  • τred. (%): virhesuhteen haluttu pieneneminen

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritämme, voidaanko kahdesta otoksesta havaittujen keskihajontojen erojen perusteella päätellä keskihajonnan pieneneminen tai suureneminen annetun kynnyksen ylä- tai alapuolelle. Tämä testaa tyypillisesti kahden eri toimintaolosuhteen vaikutusta (X:n vaikutusta, ratkaisun vaikutusta ja niin edelleen). Tässä käytetty testi on

kahden varianssin testi (F-testi)

.

Syötä seuraavat tiedot:

  • n1 ja n2: kunkin otoksen koko
  • s1 ja s2: Y:n keskihajonta kussakin otoksessa
  • α: riski siitä, että todellinen vaikutus jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin
  • Emin: haetun vaikutuksen kynnysarvo

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritämme kahden varianssin testille (F-testi):

  • Pienimmän otoskoon, joka tarvitaan keskihajonnan pienenemisen tai suurenemisen havaitsemiseen annetun kynnyksen ylä- tai alapuolella
  • Pienimmän havaittavan keskihajonnan pienentymisen (erottelukyvyn) annetuille otoksille

Laskelmissa oletetaan voimaksi 79.16 % ja α = 5 %.

Syötä seuraavat tiedot:

1/ Otoskolle: E

min

havaittavaksi: pienin (hyödyllinen) vaikutus, jonka haluat havaita

2/ Pienimmälle havaittavissa olevalle vaikutukselle: n1 ja n2: kunkin otoksen koko

Soveltamisala: jatkuva mittari (Y), joka noudattaa normaalijakaumaa. Esimerkiksi: kesto, lämpötila, koko jne.

Tässä määritämme otoksessa havaitun keskihajonnan perusteella, eroaako keskihajonta sen hypoteettisesta arvosta. Tässä käytetty testi on yhden varianssin testi (F-testi).

Syötä seuraavat tiedot:

  • σ0: keskihajonnan hypoteettinen arvo
  • n: otoskoko
  • Xbar: otoksesta laskettu Y:n keskiarvo
  • s: otoksesta laskettu Y:n keskihajonta
  • α: riski siitä, että todellinen keskihajonta lankeaa lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 % luottamusvälin

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme esiintymistiheyden pienentymisen, joka tarvitaan virheprosentin tavoitepienentymisen saavuttamiseksi.

Syötä seuraavat tiedot:

Yhteenvetolaskelma (jos tiedät jo alustavan virhesuhteen):

  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde

Yksityiskohtainen laskelma:

  • λi: alkuperäinen (nykyinen) esiintymistiheys
  • τred. (%): virhesuhteen haluttu pieneneminen

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme pienimmän otoskoon, joka tarvitaan havaitsemaan esiintymistiheyden pienentyminen, joka täyttäisi virheprosentin tavoitepienentymisen.

Syötä seuraavat tiedot:

  • α: riski siitä, että tehdään väärä johtopäätös vaaditun vaikutuksen olemassaolosta
  • β: riski siitä, että vaadittua vaikutusta ei havaita
  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme, voidaanko kahdesta otoksesta havaittujen esiintymistiheyksien erojen perusteella päätellä esiintymistiheyden pieneneminen tai suureneminen annetun kynnyksen ylä- tai alapuolelle. Tämä testaa tyypillisesti kahden eri toimintaolosuhteen vaikutusta (X:n vaikutusta, ratkaisun vaikutusta ja niin edelleen). Tässä käytetty testi on kahden otoksen Poisson-testi.

Syötä seuraavat tiedot:

  • n1 ja n2: kunkin otoksen koko
  • d1 ja d2: kussakin otoksessa laskettu virheiden määrä
  • α: riski siitä, että todellinen vaikutus jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin
  • Emin: haetun vaikutuksen kynnys, λ2 – λ1

Sovellusalue: määräpohjainen laatumittari (Y), joka noudattaa Poisson-jakaumaa. Esimerkiksi: virheet tietokonetta kohti, pitoajat puhelua kohti, virheet asiakirjaa kohti jne.

Tässä määritämme kahden otoksen Poisson-testin toteuttamisen yhteydessä:

  • Pienimmän otoskoon, joka tarvitaan esiintymistiheyden pienenemisen tai suurenemisen havaitsemiseen annetun kynnyksen yläpuolella
  • Pienimmän havaittavan esiintymistiheyden pienenemisen tai suurenemisen annetuille otoksille
  • Voiman havaita esiintymistiheyden pieneneminen tai suureneminen annetun kynnyksen ylä- tai alapuolella annetuille otoksille

Syötä seuraavat tiedot:

1/ Otoskoon määrittämiseksi:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • λ1: viite-esiintymistiheys
  • λ2: vertailuesiintymistiheys, joka vastaa havaittavaa vaikutuskynnystä, Emin = λ2 – λ1

2/ Pienimmän havaittavan vaikutuksen määrittämiseksi:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • n1 ja n2: kunkin otoksen koko
  • λ1: viite-esiintymistiheys

3/ Voiman määrittämiseksi:

  • n1 ja n2: kunkin otoksen koko
  • λ1: viite-esiintymistiheys
  • λ2: vertailuesiintymistiheys, joka vastaa havaittavaa vaikutuskynnystä, Emin = λ2 – λ1

Sovellusalue: Poisson-jakaumaa noudattava numeerinen laskentametriikka (Y). Esimerkkejä: virheiden määrä tietokonetta kohti, pitoon asetusten määrä puhelua kohti, virheiden määrä asiakirjaa kohti jne.

Tässä määritetään, eroako tapahtumatiheys hypoteettisesta arvostaan otoksessa havaitun tapahtumatiheyden perusteella. Tässä käytettävä testi on yhden otoksen Poisson-testi.

Syötä seuraavat tiedot:

  • λ0: esiintymistiheyden hypoteettinen arvo
  • n: otoskoko
  • d: otoksessa laskettujen virheiden määrä
  • α: riski sille, että todellinen keskiarvo jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin

Sovellusalue: Poisson-jakaumaa noudattava numeerinen laskentametriikka (Y). Esimerkkejä: virheiden määrä tietokonetta kohti, pitoon asetusten määrä puhelua kohti, virheiden määrä asiakirjaa kohti jne.

Määritämme tässä osana yhden otoksen Poisson-testin toteutusta:

  • Pienin tarvittava otoskoko sen havaitsemiseksi, onko esiintymistiheys hypoteettisen arvonsa ylä- vai alapuolella
  • Pienin havaittavissa oleva poikkeama esiintymistiheyden ja sen hypoteettisen arvon välillä annetuilla otoksilla
  • Tilastollinen voima havaita poikkeama esiintymistiheyden ja sen hypoteettisen arvon välillä annetuilla otoksilla

Syötä seuraavat tiedot:

1/ Otoskoon määrittämiseksi:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • λ0: oletettu esiintyvyystaajuus
  • λ: vertailun esiintyvyystaajuus siten, että εmin = λ – λ0

2/ Pienimmän havaittavan poikkeaman määrittämiseksi:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • n: otoskoko
  • λ0: oletettu esiintyvyystaajuus

3/ Voiman määrittämiseksi:

  • n: otoskoko
  • λ0: oletettu esiintyvyystaajuus
  • λ: vertailun esiintyvyystaajuus siten, että εmin = λ – λ0

Sovellusalue: binaarinen mittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme osuuden pienentämistavoitteen, joka tarvitaan virheosaprosentin pienentämistavoitteen saavuttamiseksi.

Syötä seuraavat tiedot:

  • πi: alkuperäinen virheosaprosentti
  • τred.: haluttu virheosaprosentin pienennys

Sovellusalue: binaarinen mittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme pienimmän otoskoon, joka tarvitaan havaitsemaan sellainen osuuden pienennys, joka täyttää virheosaprosentin pienentämistavoitteen.

Syötä seuraavat tiedot:

  • α: riski siitä, että tehdään väärä johtopäätös vaaditun vaikutuksen olemassaolosta
  • β: riski siitä, että vaadittua vaikutusta ei havaita
  • Di: alustava virhesuhde
  • Dc: tavoitteen mukainen virhesuhde

Sovellusalue: binaarinen mittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritetään kahden otoksen havaittujen osuuksien erojen perusteella, voidaanko päätellä osuuden pienentyneen tai suurentuneen annetun kynnyksen yli tai ali. Tämä testaa tyypillisesti kahden eri toimintaolosuhteen vaikutusta (X:n, ratkaisun jne. vaikutusta). Tässä käytettävä testi on

kahden osuuden testi

.

Syötä seuraavat tiedot:

  • n1 ja n2: kunkin otoksen koko
  • D1 ja D2: kummassakin otoksessa laskettu viallisten yksiköiden määrä
  • α: riski siitä, että todellinen vaikutus jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin
  • Emin: haetun vaikutuksen kynnys, π2 – π1

Sovellusalue: binaarinen mittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme kahden osuuden testille:

  • Pienimmän otoskoon, joka tarvitaan havaitsemaan osuuden pienentyminen tai suurentuminen annetun kynnyksen yli
  • Pienimmän havaittavan osuuden pienentymisen tai suurentumisen ( erottelukyvyn) annetuille otoksille
  • Voiman havaita osuuteen kohdistuva vaikutus annetun kynnyksen yli tai ali annetuille otoksille

Syötä seuraavat tiedot:

1/ Otoskoon määrittämiseksi:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • π1: vertailukohtana oleva osuus
  • π2: vertailuvisuutta vastaava osuus, joka vastaa havaittavaa vaikutuskynnystä, Emin = π2 – π1

2/ Pienimmän havaittavan vaikutuksen määrittämiseksi:

  • α: riski havaita vaikutus väärin (tyypin I virhe)
  • β: riski olla havaitsematta vaikutusta (tyypin II virhe)
  • n1 ja n2: kunkin otoksen koko
  • π1: vertailukohtana oleva osuus

3/ Voiman määrittämiseksi:

  • n1 ja n2: kunkin otoksen koko
  • π1: vertailukohtana oleva osuus
  • π2: vertailuvisuutta vastaava osuus, joka vastaa havaittavaa vaikutuskynnystä, Emin = π2 – π1

Käyttöalue: binäärinen laatuparametri (Y), joka noudattaa binomijakaumaa. Esimerkiksi: hylätyt puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritetään, eroaako osuus hypoteettisesta arvostaan otoksessa havaitun osuuden perusteella. Tässä käytettävä testi on yhden suhteellisen osuuden testi.

Syötä seuraavat tiedot:

  • π0: osuuden oletettu arvo
  • n: otoskoko
  • D: otoksessa laskettu viallisten yksiköiden määrä
  • α: riski sille, että todellinen keskiarvo jää lasketun luottamusvälin ulkopuolelle; syötä 5 % saadaksesi 95 %:n luottamusvälin

Sovellusalue: binaarinen laatumittari (Y), joka noudattaa binomijakaumaa. Esimerkiksi: keskeytyneet puhelut, virheelliset laskut, vialliset osat jne.

Tässä määritämme yhden osuuden testille:

  • Pienimmän otoskoon, joka tarvitaan havaitsemaan, onko osuus oletetun arvonsa ylä- vai alapuolella
  • Pienimmän havaittavan poikkeaman osuuden ja sen oletetun arvon välillä annetulle otokselle
  • Voiman havaita poikkeama osuuden ja sen oletetun arvon välillä annetulle otokselle

Syötä seuraavat tiedot:

1/ Otoskolle:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • π0: oletettu osuus
  • π: vertailuosuus siten, että εmin = π – π0

2/ Pienimmälle havaittavalle poikkeamalle:

  • α: riski havaita poikkeama väärin
  • β: riski olla havaitsematta poikkeamaa
  • n: otoskoko
  • π0: oletettu osuus

3/ Voimalle:

  • n: otoskoko
  • π0: oletettu osuus
  • π: vertailuosuus siten, että εmin = π – π0
enENarARcsCSdaDAdeDEesESfiFIfrFRitITnlNLnoNOplPLpt-brPTpt-ptPTskSKslSLsvSVtrTR
No results