Operational Excellence through Statistical Thinking

Discover Statoscopex, our online statistical analysis software. It is aimed at Six Sigma and statistical analysis practitioners who want to evaluate and fully exploit the decision-making potential of a data set.

Access the calculators

Statoscopex helps Six Sigma and statistical practitioners identify influential factors, quantify their effects and assess their practical relevance, enabling better-informed improvement decisions.

Youri Buffe

Master Black Belt

Advanced Features for Your Statistical Studies

Statoscopex offers more than 50 analyses og 100 statistical calculations through its capability study and factor analysis functionalities, including:

Capability Study

For the following metrics: continuous, counting, binary.

Determining the statistical accuracy of the defect rate of a process
Determining the minimum sample size required to estimate the defect rate of a process

Estimation of the statistical parameter

For the following parameters: mean, standard deviation, rate of occurrence, proportion.

Determining the confidence interval of the parameter
Determining the minimum sample size required to estimate the statistical parameter with a certain accuracy

Useful effect

For the following parameters: mean, standard deviation, rate of occurrence, proportion.

Translation of the objective of reducing the defect rate in terms of the target effect on the statistical parameter.
Determination of the minimum sample size required to detect the effect on the statistical parameter that achieves the objective of reducing the defect rate.

Detection of an effect

For the following parameters: mean, standard deviation, rate of occurrence, proportion.

Detect the existence of an effect below or above a threshold value
Determine the minimum sample size required to detect an effect at least equal to a certain size
Determine the smallest detectable effect using two samples (resolution)
Determine the detection power of an effect below or above a threshold value, using samples.

Techniques used: two-sample t-test, two-variance test, two-sample Poisson test, two-proportion test

Detection of a deviation from a target

For the following parameters: mean, standard deviation, rate of occurrence, proportion.

Detect if a parameter differs from its reference value
Determine the minimum sample size required to detect if a parameter differs from its reference value
Determine the smallest detectable difference between the value of a parameter and its reference value, using a sample (resolution)
Determine the detection power of a parameter’s deviation from its reference value, using a sample

Techniques used: one-sample t-test, variance test, one-sample Poisson test, proportion test.

Statoscopex Study

Statoscopex runs capability studies and factorial analysis on the four statistical parameters. Pick a family to jump to its calculators.

Capability Study

Statoscopex performs full capability analysis by estimating mean, standard deviation, occurrence rate, and proportion in a single view.

6 calculators

Open

→

Study of the Mean

Dedicated module for precise analysis, hypothesis testing, and detection of shifts or effects on the process mean.

8 calculators

Open

→

Study of the Standard Deviation

Tools focused on variability: study, test, and detect changes or deviations from the expected standard deviation.

6 calculators

Open

→

Study of the Rate of Occurrence

Analyzes count-based or event rates, detects deviations from a target rate, and estimates occurrence parameters with power calculation.

6 calculators

Open

→

Studie av andelen

Spesialisert analyse av binære resultater eller andeler, inkludert avviksdeteksjon, konfidensintervaller og evaluering av effektstørrelse.

6 calculators

Open

→

Kalkulatorer

Hver Statoscopex-analyse kjøres rett her. Åpne den du trenger — hvert panel har sitt eget skjema, og resultatene vises på stedet.

Kapabilitetsstudie

6 calculators

Kontinuerlig metrikk — Feilrate og presisjon

Forventet feilrate for prosessen og den statistiske presisjonen til det estimatet.

Bruksområde: en kontinuerlig kvalitetsmetrikk (Y) som følger en normalfordeling. For eksempel: varighet, temperatur, størrelse, osv.

Her bestemmer vi den forventede (probabilistiske) feilraten ut fra det som observeres i et utvalg. Beregningen gir også feilmarginen (statistisk presisjon) for den forventede feilraten.

Angi følgende data:

n: utvalgsstørrelse
Xbar: utvalgsgjennomsnittet
s: utvalgets standardavvik
LSL: nedre spesifikasjonsgrense
USL: øvre spesifikasjonsgrense

Kontinuerlig metrikk — Minimum utvalgsstørrelse

Nødvendig utvalgsstørrelse for å estimere parameteren med en gitt presisjon.

Bruksområde: en kontinuerlig kvalitetsmetrikk (Y) som følger en normalfordeling. For eksempel: varighet, temperatur, størrelse, osv.

Her bestemmer vi minstestørrelsen på utvalget som må tas for å kjenne den forventede feilraten innenfor en akseptabel feilmargin (statistisk presisjon).

Angi følgende data:

Relativ feilmargin: den akseptable feilprosenten på feilraten
Antatt ytelse: et størrelsesordensestimat av operasjonell ytelse, uttrykt som en feilrate eller som Sigma

Tellemetrikk — Feilrate og presisjon

Forventet feilrate for prosessen og den statistiske presisjonen til det estimatet.

Field of application: a count-based quality metric (Y) following a Poisson distribution. For example: defects per PC, holds per telephone call, errors per document, etc.

Here we determine the expected (probabilistic) defect rate from what is observed in a sample. The calculation also gives the margin of error (statistical precision) on that expected defect rate (normal approximation method). Enter the following data:

n: utvalgsstørrelse
λ̂: the occurrence rate in the sample; typically defects per unit (DPU).

Counting metric — Minimum sample size

Nødvendig utvalgsstørrelse for å estimere parameteren med en gitt presisjon.

Field of application: a count-based quality metric (Y) following a Poisson distribution. For example: defects per PC, holds per telephone call, errors per document, etc.

Here we determine the minimum sample size to take in order to know the expected defect rate within an acceptable margin of error (statistical precision) (normal approximation method).

Angi følgende data:

Relativ feilmargin: den akseptable feilprosenten på feilraten
Antatt ytelse: et størrelsesordensestimat av operasjonell ytelse, uttrykt som en feilrate eller som Sigma

Binary metric — Defect rate and precision

Forventet feilrate for prosessen og den statistiske presisjonen til det estimatet.

Field of application: a binary quality metric (Y) following a binomial distribution. For example: abandoned calls, incorrect invoices, defective parts, etc.

n: utvalgsstørrelse
p: the proportion of defective units in the sample

If no defective unit was observed in the sample, enter a value of p equal to 1/(n+2).

Binary metric — Minimum sample size

Nødvendig utvalgsstørrelse for å estimere parameteren med en gitt presisjon.

Field of application: a binary quality metric (Y) following a binomial distribution. For example: abandoned calls, incorrect invoices, defective parts, etc.

Here we determine the minimum sample size to take in order to know the expected defect rate within an acceptable margin of error (statistical precision) (normal approximation method).

Angi følgende data:

Relativ feilmargin: den akseptable feilprosenten på feilraten
Antatt ytelse: et størrelsesordensestimat av operasjonell ytelse, uttrykt som en feilrate eller som Sigma

Mean

8 calculators

Estimation — Confidence interval

Confidence interval of the parameter from an observed sample.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the 1-α confidence interval of the mean µ from what is observed in a sample.

Angi følgende data:

α: the risk that the true value of the mean falls outside the confidence interval. For a 95% confidence interval, enter α = 5%
n: utvalgsstørrelse
Xbar: utvalgsgjennomsnittet
σ or s: the true standard deviation (if known) or the sample standard deviation

Estimation — Minimum sample size

Nødvendig utvalgsstørrelse for å estimere parameteren med en gitt presisjon.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the minimum sample size to take in order to know the mean µ within a chosen margin of error (statistical precision).

Angi følgende data:

σ or s: the true standard deviation (if known) or the sample standard deviation
Margin of error: the desired half-width of the 1-α confidence interval of the mean
α: the risk that the true value of the mean falls outside the confidence interval. It therefore sets the 1-α confidence level of the margin of error. For a 95% confidence interval, enter α = 5%

Useful effect — Target effect from the objective

Translates a defect-rate reduction objective into the effect required on the parameter.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the shift in the mean required, at constant standard deviation, to meet the target reduction in the defect rate.

Angi følgende data:

Summary calculation (if you already know the initial defect rate):

Di: the initial defect rate
Dc: the target defect rate
σ: the standard deviation of Y

Detailed calculation:

LSL: nedre spesifikasjonsgrense
USL: øvre spesifikasjonsgrense
µi: the initial (current) mean
σ: the standard deviation of Y
τred. (%): the desired reduction in the defect rate

Useful effect — Sample size for the objective

Minimum sample size needed to detect the effect that meets the objective.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the minimum sample size needed to detect the shift in the mean that would meet, at constant standard deviation, the target reduction in the defect rate.

Angi følgende data:

α: the risk of wrongly concluding that the required effect exists
β: the risk of not detecting the required effect
Di: the initial defect rate
Dc: the target defect rate

Detection of an effect — Test of the effect

Tests whether an observed effect between two samples is real and larger than a chosen threshold.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine whether a shift in the mean above or below a given threshold can be concluded, from the differences between the means observed in two samples. This typically tests the effect of two different operating conditions (the effect of an X, of a solution, and so on). The test used here is the two-sample t-test.

Angi følgende data:

n1 and n2: the size of each sample
Xbar1 and Xbar2: the mean of Y in each sample
s1 and s2: the standard deviation of Y in each sample
α: risikoen for at den sanne effekten faller utenfor det beregnede konfidensintervallet; angi 5 % for et 95 % konfidensintervall
Emin: terskelen for effekten som søkes

Deteksjon av en effekt — Utvalgsstørrelse, oppløsning og styrke

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Her bestemmer vi, for en t-test for to utvalg:

Minste utvalgsstørrelse som kreves for å detektere et skifte i gjennomsnittet over en gitt terskel
Det minste detekterbare skiftet i gjennomsnittet (oppløsning) for gitte utvalg
Styrken til å detektere et skifte i gjennomsnittet over eller under en gitt terskel, for gitte utvalg

Angi følgende data:

1/ For utvalgsstørrelsen:

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
σ: standardavvik (kjent eller estimert)
Emin som skal detekteres: den minste (nyttige) effekten du ønsker å detektere

2/ For den minste detekterbare effekten:

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
n1 and n2: the size of each sample
σ1 og σ2: standardavviket til hvert utvalg, hvis ikke annet er kjent

3/ For styrken:

n1 and n2: the size of each sample
σ1 og σ2: standardavviket til hvert utvalg, hvis ikke annet er kjent
Emin som skal detekteres: den minste (nyttige) effekten du ønsker å detektere

Deteksjon av et avvik fra et mål — Test av avviket

Tester om et observert avvik fra en referanseverdi er reelt og stort nok til å ha betydning.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Her bestemmer vi om et gjennomsnitt avviker fra sin hypotetiske verdi, basert på gjennomsnittet observert i et utvalg. Testen som brukes her er

t-test for ett utvalg.

Angi følgende data:

µ0: den hypotetiske verdien av gjennomsnittet
n: the sample size
Xbar: the mean of Y calculated in the sample
s or σ: the standard deviation of Y calculated in the sample, or the true standard deviation if known
α: the risk that the true mean falls outside the calculated confidence interval; enter 5% for a 95% confidence interval

Detection of a deviation from a target — Sample size, resolution and power

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Domaine d’application : métrique (Y) continue suivant une loi normale. Par exemples : durée, température, taille, etc.

Nous déterminons ici, dans le cadre de la mise en œuvre d’un test t à un échantillon :

The minimum sample size required to detect whether the mean is above or below the hypothesised mean
The smallest detectable deviation between the mean and the hypothesised mean, for given samples
The power to detect a deviation between the mean and the hypothesised mean, for given samples

Introduire les données suivantes :

1/ Pour la détermination de la taille d’échantillon :

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
σ: standardavvik (kjent eller estimert)
εmin to detect: the minimum (useful) deviation you want to detect

2/ Pour la détermination de l’écart minimal détectable :

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
n: the sample size
σ: the sample standard deviation, if not otherwise known

3/ Pour la détermination de la puissance :

n: the sample size
σ: the sample standard deviation, if not otherwise known
εmin to detect: the minimum (useful) deviation you want to detect

Standard deviation

6 calculators

Estimation — Confidence interval

Confidence interval of the parameter from an observed sample.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the 1-α confidence interval of the standard deviation σ from what is observed in a sample.

Angi følgende data:

α: the risk that the true value of the standard deviation falls outside the confidence interval. For a 95% confidence interval, enter α = 5%
s: the standard deviation of Y in the sample
n: utvalgsstørrelse

Estimation — Minimum sample size

Nødvendig utvalgsstørrelse for å estimere parameteren med en gitt presisjon.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the minimum sample size to take in order to know the standard deviation σ within a chosen margin of error (statistical precision).

Angi følgende data:

s: the standard deviation of Y in the sample
Margin of error: the desired half-width of the 1-α confidence interval of the mean
α: the risk that the true value of the standard deviation falls outside the confidence interval. It therefore sets the 1-α confidence level of the margin of error. For a 95% confidence interval, enter α = 5%

Useful effect — Target effect from the objective

Translates a defect-rate reduction objective into the effect required on the parameter.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine the reduction in the standard deviation required, at constant mean, to meet the target reduction in the defect rate.

Angi følgende data:

Summary calculation (if you already know the initial defect rate):

Di: the initial defect rate
Dc: the target defect rate

Detailed calculation:

SL: the specification limit on Y (lower or upper)
LSL: the lower specification limit of Y
USL: the upper specification limit of Y
µ: the mean
σi: the initial (current) standard deviation
τred. (%): the desired reduction in the defect rate

Detection of an effect — Test of the effect

Tests whether an observed effect between two samples is real and larger than a chosen threshold.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine whether a decrease or increase in the standard deviation above or below a given threshold can be concluded, from the differences between the standard deviations observed in two samples. This typically tests the effect of two different operating conditions (the effect of an X, of a solution, and so on). The test used here is the

test de deux variances (test F)

Angi følgende data:

n1 and n2: the size of each sample
s1 and s2: the standard deviation of Y in each sample
α: risikoen for at den sanne effekten faller utenfor det beregnede konfidensintervallet; angi 5 % for et 95 % konfidensintervall
Emin: terskelen for effekten som søkes

Detection of an effect — Sample size and resolution

Minimum sample size for an effect of a given size, and the smallest effect a given sample can detect.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Here we determine, for a two-variance test (F-test):

The minimum sample size required to detect a decrease or increase in the standard deviation above or below a given threshold
The smallest detectable reduction in the standard deviation (resolution), for given samples

The calculations assume a power of 79.16% and α = 5%.

Angi følgende data:

1/ For the sample size: E

_min

å oppdage: den minste (nyttige) effekten du ønsker å oppdage

2/ For den minste detekterbare effekten: n1 og n2: størrelsen på hver utvalgsstørrelse

Deteksjon av et avvik fra et mål — Test av avviket

Tester om et observert avvik fra en referanseverdi er reelt og stort nok til å ha betydning.

Field of application: a continuous metric (Y) following a normal distribution. For example: duration, temperature, size, etc.

Her avgjør vi om et standardavvik avviker fra sin hypotetiske verdi, ut fra standardavviket observert i et utvalg. Testen som brukes her er envarianstesten (F-test).

Angi følgende data:

σ0: den hypotetiske verdien for standardavviket
n: the sample size
Xbar: the mean of Y calculated in the sample
s: standardavviket for Y beregnet i utvalget
α: risikoen for at det sanne standardavviket faller utenfor det beregnede konfidensintervallet; angi 5 % for et 95 % konfidensintervall

Forekomstfrekvens

6 calculators

Useful effect — Target effect from the objective

Translates a defect-rate reduction objective into the effect required on the parameter.

Field of application: a count-based quality metric (Y) following a Poisson distribution. For example: defects per PC, holds per telephone call, errors per document, etc.

Her avgjør vi reduksjonen i forekomstfrekvensen som kreves for å nå målet om reduksjon i feilfrekvensen.

Angi følgende data:

Summary calculation (if you already know the initial defect rate):

Di: the initial defect rate
Dc: the target defect rate

Detailed calculation:

λi: den opprinnelige (nåværende) forekomstfrekvensen
τred. (%): the desired reduction in the defect rate

Useful effect — Sample size for the objective

Minimum sample size needed to detect the effect that meets the objective.

Field of application: a count-based quality metric (Y) following a Poisson distribution. For example: defects per PC, holds per telephone call, errors per document, etc.

Her avgjør vi den minste utvalgsstørrelsen som trengs for å oppdage reduksjonen i forekomstfrekvensen som vil oppfylle målet om reduksjon i feilfrekvensen.

Angi følgende data:

α: the risk of wrongly concluding that the required effect exists
β: the risk of not detecting the required effect
Di: the initial defect rate
Dc: the target defect rate

Detection of an effect — Test of the effect

Tests whether an observed effect between two samples is real and larger than a chosen threshold.

Field of application: a count-based quality metric (Y) following a Poisson distribution. For example: defects per PC, holds per telephone call, errors per document, etc.

Her avgjør vi om det kan konkluderes med en nedgang eller økning i forekomstfrekvensen over eller under en gitt terskel, ut fra forskjellene mellom forekomstfrekvensene observert i to utvalg. Dette tester typisk effekten av to ulike driftsbetingelser (effekten av en X, av en løsning, og så videre). Testen som brukes her er Poisson-testen for to utvalg.

Angi følgende data:

n1 and n2: the size of each sample
d1 og d2: antallet feil telt i hvert utvalg
α: risikoen for at den sanne effekten faller utenfor det beregnede konfidensintervallet; angi 5 % for et 95 % konfidensintervall
Emin: terskelen for effekten som søkes, λ2 – λ1

Deteksjon av en effekt — Utvalgsstørrelse, oppløsning og styrke

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Bruksområde: kvalitetsmåling (Y) av telletype som følger en Poisson-fordeling. For eksempel: antall feil per PC, antall satt på vent per telefonsamtale, antall feil per dokument, osv.

Her bestemmer vi, i forbindelse med gjennomføringen av en Poisson-test for to utvalg:

Den minste utvalgsstørrelsen som kreves for å oppdage en nedgang eller økning i forekomstfrekvensen over en gitt terskel
Den minste detekterbare nedgangen eller økningen i forekomstfrekvensen, for gitte utvalg
Styrken til å oppdage en nedgang eller økning i forekomstfrekvensen over eller under en gitt terskel, for gitte utvalg

Introduire les données suivantes :

1/ Pour la détermination de la taille d’échantillon :

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
λ1: referansefrekvensen for forekomst
λ2: sammenligningsforekomstraten som tilsvarer effekterskelen som skal oppdages, Emin = λ2 – λ1

2/ For å bestemme den minste detekterbare effekten:

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
n1 and n2: the size of each sample
λ1: referansefrekvensen for forekomst

3/ Pour la détermination de la puissance :

n1 and n2: the size of each sample
λ1: referansefrekvensen for forekomst
λ2: sammenligningsforekomstraten som tilsvarer effekterskelen som skal oppdages, Emin = λ2 – λ1

Deteksjon av et avvik fra et mål — Test av avviket

Tester om et observert avvik fra en referanseverdi er reelt og stort nok til å ha betydning.

Bruksområde: metrikk (Y) for telledata som følger en Poisson-fordeling. For eksempel: antall avvik per PC, antall satt på vent per telefonsamtale, antall feil per dokument, osv.

Her avgjør vi om en forekomstrate avviker fra sin hypotetiske verdi, basert på forekomstraten observert i et utvalg. Testen som brukes her er Poisson-test for ett utvalg.

Introduire les données suivantes :

λ0: den hypotetiske verdien for forekomstraten
n: the sample size
d: antall avvik telt i utvalget
α: the risk that the true mean falls outside the calculated confidence interval; enter 5% for a 95% confidence interval

Detection of a deviation from a target — Sample size, resolution and power

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Bruksområde: metrikk (Y) for telledata som følger en Poisson-fordeling. For eksempel: antall avvik per PC, antall satt på vent per telefonsamtale, antall feil per dokument, osv.

Her avgjør vi, i forbindelse med gjennomføringen av en Poisson-test for ett utvalg:

Den minste utvalgsstørrelsen som kreves for å oppdage om forekomstraten er over eller under sin hypotetiske verdi
Det minste detekterbare avviket mellom forekomstraten og dens hypotetiske verdi, for gitte utvalg
Styrken til å oppdage et avvik mellom forekomstraten og dens hypotetiske verdi, for gitte utvalg

Introduire les données suivantes :

1/ Pour la détermination de la taille d’échantillon :

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
λ0: den hypotetiserte forekomstfrekvensen
λ: sammenligningsfrekvensen for forekomst slik at εmin = λ – λ0

2/ Pour la détermination de l’écart minimal détectable :

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
n: the sample size
λ0: den hypotetiserte forekomstfrekvensen

3/ Pour la détermination de la puissance :

n: the sample size
λ0: den hypotetiserte forekomstfrekvensen
λ: sammenligningsfrekvensen for forekomst slik at εmin = λ – λ0

Andel

6 calculators

Useful effect — Target effect from the objective

Translates a defect-rate reduction objective into the effect required on the parameter.

Bruksområde: binær metrikk (Y) som følger en binomialfordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her bestemmer vi reduksjonsmålet for andelen som kreves for å oppnå reduksjonsmålet for feilfrekvensen.

Introduire les données suivantes :

πi: den opprinnelige feilfrekvensen
τred.: den ønskede reduksjonen i feilfrekvensen

Useful effect — Sample size for the objective

Minimum sample size needed to detect the effect that meets the objective.

Bruksområde: en binær metrikk (Y) som følger en binomialfordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her bestemmer vi den minste utvalgsstørrelsen som trengs for å oppdage reduksjonen i andelen som vil oppfylle målreduksjonen i feilfrekvensen.

Angi følgende data:

α: the risk of wrongly concluding that the required effect exists
β: the risk of not detecting the required effect
Di: the initial defect rate
Dc: the target defect rate

Detection of an effect — Test of the effect

Tests whether an observed effect between two samples is real and larger than a chosen threshold.

Bruksområde: en binær metrikk (Y) som følger en binomialfordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her avgjør vi om det kan konkluderes med en nedgang eller økning i andelen over eller under en gitt terskel, basert på forskjellene mellom andelene observert i to utvalg. Dette tester typisk effekten av to ulike driftsbetingelser (effekten av en X, av en løsning, osv.). Testen som brukes her er

test av two proportions

Angi følgende data:

n1 and n2: the size of each sample
D1 og D2: antall defekte enheter telt i hver stikkprøve
α: risikoen for at den sanne effekten faller utenfor det beregnede konfidensintervallet; angi 5 % for et 95 % konfidensintervall
Emin: terskelen for effekten som søkes, π2 – π1

Deteksjon av en effekt — Utvalgsstørrelse, oppløsning og styrke

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Bruksområde: en binær metrikk (Y) som følger en binomialfordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her bestemmer vi, for en test av to proporsjoner:

Den minste stikkprøvestørrelsen som kreves for å oppdage en reduksjon eller økning i proporsjonen over en gitt terskel
Den minste oppdagbare reduksjonen eller økningen i proporsjonen (oppløsning), for gitte stikkprøver
Styrken til å oppdage en effekt på proporsjonen over eller under en gitt terskel, for gitte stikkprøver

Introduire les données suivantes :

1/ Pour la détermination de la taille d’échantillon :

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
π1: referanseproporsjonen
π2: sammenligningsproporsjonen som tilsvarer effektterskelen som skal oppdages, Emin = π2 – π1

2/ For å bestemme den minste detekterbare effekten:

α: risikoen for å feilaktig detektere en effekt
β: risikoen for ikke å detektere effekten
n1 and n2: the size of each sample
π1: referanseproporsjonen

3/ Pour la détermination de la puissance :

n1 and n2: the size of each sample
π1: referanseproporsjonen
π2: sammenligningsproporsjonen som tilsvarer effektterskelen som skal oppdages, Emin = π2 – π1

Deteksjon av et avvik fra et mål — Test av avviket

Tester om et observert avvik fra en referanseverdi er reelt og stort nok til å ha betydning.

Bruksområde: binær kvalitetsmetrikk (Y) som følger en binomialfordeling. For eksempler: avbrutte samtaler, feilaktige fakturaer, defekte deler osv.

Vi avgjør her om en proporsjon avviker fra sin hypotetiserte verdi, basert på den observerte proporsjonen i en stikkprøve. Testen som brukes her er test av én proporsjon.

Introduire les données suivantes :

π0: den hypotetiserte verdien for proporsjonen
n: the sample size
D: antallet defekte enheter telt i utvalget
α: the risk that the true mean falls outside the calculated confidence interval; enter 5% for a 95% confidence interval

Detection of a deviation from a target — Sample size, resolution and power

Minstestørrelse på utvalg for en effekt av en gitt størrelse, minste detekterbare effekt og deteksjonsstyrke.

Field of application: a binary quality metric (Y) following a binomial distribution. For example: abandoned calls, incorrect invoices, defective parts, etc.

Her bestemmer vi, for en en-proporsjonstest:

Den minste utvalgsstørrelsen som kreves for å oppdage om proporsjonen er over eller under sin hypotetiske verdi
Det minste detekterbare avviket mellom proporsjonen og dens hypotetiske verdi, for et gitt utvalg
Styrken til å oppdage et avvik mellom proporsjonen og dens hypotetiske verdi, for et gitt utvalg

Angi følgende data:

1/ For utvalgsstørrelsen:

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
π0: den hypotetiske proporsjonen
π: sammenligningsproporsjonen slik at εmin = π – π0

2/ For det minste detekterbare avviket:

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
n: the sample size
π0: den hypotetiske proporsjonen

3/ For styrken:

n: the sample size
π0: den hypotetiske proporsjonen
π: sammenligningsproporsjonen slik at εmin = π – π0