Åpnes i en ny fane
LSS Belgium horz white bg2

Operational Excellence gjennom statistisk tenkning

Oppdag Statoscopex, vår programvare for online statistisk analyse. Den er rettet mot utøvere innen Six Sigma og statistisk analyse som ønsker å evaluere og utnytte beslutningspotensialet i et datasett fullt ut.
Statoscopex hjelper utøvere innen Six Sigma og statistikk med å identifisere påvirkningsfaktorer, kvantifisere effektene deres og vurdere deres praktiske relevans, noe som muliggjør bedre informerte forbedringsbeslutninger.
Bilde YB
Youri Buffe
Master Black Belt

Avanserte funksjoner for dine statistiske studier

Statoscopex tilbyr mer enn 50 analyser og 100 statistiske beregninger gjennom sine funksjoner for kapabilitetsstudie og faktoranalyse, inkludert:

For følgende mätetall: kontinuerlige, tellbare, binære.

  1. Bestemme den statistiske nøyaktigheten til avviksraten i en prosess
  2. Bestemme minste nødvendige utvalgsstørrelse for å estimere avviksraten i en prosess

For følgende parametere: gjennomsnitt, standardavvik, forekomstrate, andel.

  1. Bestemme konfidensintervallet til parameteren
  2. Bestemme minste nødvendige utvalgsstørrelse for å estimere den statistiske parameteren med en viss nøyaktighet

For følgende parametere: gjennomsnitt, standardavvik, forekomstrate, andel.

  1. Oversettelse av målet om å redusere avviksraten til en måleffekt på den statistiske parameteren.
  2. Bestemmelse av minste nødvendige utvalgsstørrelse for å oppdage effekten på den statistiske parameteren som oppnår målet om å redusere avviksraten.

For følgende parametere: gjennomsnitt, standardavvik, forekomstrate, andel.

  1. Oppdage tilstedeværelsen av en effekt under eller over en terskelverdi
  2. Bestemme minste nødvendige utvalgsstørrelse for å oppdage en effekt som minst tilsvarer en viss størrelse
  3. Bestemme den minste detekterbare effekten ved hjelp av to utvalg (oppløsning)
  4. Bestemme deteksjonsstyrken for en effekt under eller over en terskelverdi, ved hjelp av utvalg.

Anvendte teknikker: t-test for to utvalg, varianstest for to utvalg, Poisson-test for to utvalg, andelstest for to utvalg

For følgende parametere: gjennomsnitt, standardavvik, forekomstrate, andel.

  1. Oppdage om en parameter avviker fra sin referanseverdi
  2. Bestemme minste nødvendige utvalgsstørrelse for å oppdage om en parameter avviker fra sin referanseverdi
  3. Bestemme den minste detekterbare forskjellen mellom verdien av en parameter og dens referanseverdi, ved hjelp av et utvalg (oppløsning)
  4. Bestemme deteksjonsstyrken for en parameters avvik fra sin referanseverdi, ved hjelp av et utvalg

Anvendte teknikker: t-test for ett utvalg, varianstest, Poisson-test for ett utvalg, andelstest.

Kalkulatorer

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

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

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

Bruksområde: et tellerbasert kvalitetsmåltall (Y) som følger en Poisson-fordeling. For eksempel: avvik per PC, ventetider per telefonsamtale, feil per dokument, osv.

Her bestemmer vi den forventede (probabilistiske) avviksraten ut fra det som observeres i et utvalg. Beregningen gir også feilmarginen (statistisk presisjon) for den forventede avviksraten (normaltilnærmingsmetoden). Angi følgende data:

  • n: utvalgsstørrelse
  • λ̂: forekomstraten i utvalget; typisk feil per enhet (DPU).

Bruksområde: et tellerbasert kvalitetsmåltall (Y) som følger en Poisson-fordeling. For eksempel: avvik per PC, ventetider per telefonsamtale, feil per dokument, osv.

Her bestemmer vi minste utvalgsstørrelse som må tas for å kjenne den forventede avviksraten innenfor en akseptabel feilmargin (statistisk presisjon) (normaltilnærmingsmetoden).

Angi følgende data:

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

Bruksområde: et binært kvalitetsmåltall (Y) som følger en binomisk fordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her bestemmer vi den forventede (probabilistiske) avviksraten ut fra det som observeres i et utvalg. Beregningen gir også feilmarginen (statistisk presisjon) for den forventede avviksraten (normaltilnærmingsmetoden). Angi følgende data:

  • n: utvalgsstørrelse
  • p: andelen defekte enheter i utvalget

Hvis ingen defekt enhet ble observert i utvalget, angi en verdi for p lik 1/(n+2).

Bruksområde: et binært kvalitetsmåltall (Y) som følger en binomisk fordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

Her bestemmer vi minste utvalgsstørrelse som må tas for å kjenne den forventede avviksraten innenfor en akseptabel feilmargin (statistisk presisjon) (normaltilnærmingsmetoden).

Angi følgende data:

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

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

Her bestemmer vi 1-α konfidensintervallet til gjennomsnittet µ fra det som observeres i et utvalg.

Angi følgende data:

  • α: risikoen for at den sanne verdien av gjennomsnittet faller utenfor konfidensintervallet. For et 95% konfidensintervall, angi α = 5%
  • n: utvalgsstørrelse
  • Xbar: utvalgsgjennomsnittet
  • σ eller s: det sanne standardavviket (hvis kjent) eller utvalgets standardavvik

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

Her bestemmer vi minste utvalgsstørrelse som må tas for å kjenne gjennomsnittet µ innenfor en valgt feilmargin (statistisk presisjon).

Angi følgende data:

  • σ eller s: det sanne standardavviket (hvis kjent) eller utvalgets standardavvik
  • Feilmargin: den ønskede halvbredden på 1-α konfidensintervallet til gjennomsnittet
  • α: risikoen for at den sanne verdien av gjennomsnittet faller utenfor konfidensintervallet. Den setter dermed konfidensnivået 1-α for feilmarginen. For et 95% konfidensintervall, angi α = 5%

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

Her bestemmer vi forskyvningen i gjennomsnittet som kreves, ved konstant standardavvik, for å møte målreduksjonen i avviksraten.

Angi følgende data:

Forenklet beregning (hvis du allerede kjenner den opprinnelige avviksraten):

  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate
  • σ: standardavviket til Y

Detaljert beregning:

  • LSL: nedre spesifikasjonsgrense
  • USL: øvre spesifikasjonsgrense
  • µi: opprinnelig (nåværende) gjennomsnitt
  • σ: standardavviket til Y
  • τred. (%): ønsket reduksjon i avviksraten

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

Her bestemmer vi minste utvalgsstørrelse som trengs for å oppdage forskyvningen i gjennomsnittet som vil oppfylle, ved konstant standardavvik, målreduksjonen i avviksraten.

Angi følgende data:

  • α: risikoen for feilaktig å konkludere med at den nødvendige effekten eksisterer
  • β: risikoen for ikke å oppdage den nødvendige effekten
  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate

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

Her bestemmer vi om en forskyvning i gjennomsnittet over eller under en gitt terskel kan konkluderes ut fra forskjellene mellom gjennomsnittene observert i to utvalg. Dette tester typisk effekten av to ulike driftsbetingelser (effekten av en X, en løsning osv.). Testen som brukes her er t-test for to utvalg.

Angi følgende data:

  • n1 og n2: størrelsen på hvert utvalg
  • Xbar1 og Xbar2: gjennomsnittet av Y i hvert utvalg
  • s1 og s2: standardavviket til Y 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

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

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 og n2: størrelsen på hvert utvalg
  • σ1 og σ2: standardavviket til hvert utvalg, hvis ikke annet er kjent

3/ For styrken:

  • n1 og n2: størrelsen på hvert utvalg
  • σ1 og σ2: standardavviket til hvert utvalg, hvis ikke annet er kjent
  • Emin som skal detekteres: den minste (nyttige) effekten du ønsker å detektere

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

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: utvalgsstørrelsen
  • Xbar: gjennomsnittet av Y beregnet i utvalget
  • s eller σ: standardavviket til Y beregnet i utvalget, eller det sanne standardavviket hvis det er kjent
  • α: risikoen for at det sanne gjennomsnittet faller utenfor det beregnete konfidensintervallet; angi 5% for et 95% konfidensintervall

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

Vi bestemmer her, innenfor rammen av å utføre en t-test for ett utvalg:

  • Minste utvalgsstørrelse som kreves for å oppdage om gjennomsnittet er over eller under det hypotetiske gjennomsnittet
  • Det minste detekterbare avviket mellom gjennomsnittet og det hypotetiske gjennomsnittet, for gitte utvalg
  • Styrken til å oppdage et avvik mellom gjennomsnittet og det hypotetiske gjennomsnittet, for gitte utvalg

Angi følgende data:

1/ For å bestemme utvalgsstørrelsen:

  • α: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • σ: standardavvik (kjent eller estimert)
  • εmin som skal detekteres: det minste (nyttige) avviket du ønsker å oppdage

2/ For å bestemme det minste detekterbare avviket:

  • α: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • n: utvalgsstørrelsen
  • σ: utvalgets standardavvik, hvis ikke annet er kjent

3/ For å bestemme styrken:

  • n: utvalgsstørrelsen
  • σ: utvalgets standardavvik, hvis ikke annet er kjent
  • εmin som skal detekteres: det minste (nyttige) avviket du ønsker å oppdage

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

Her bestemmer vi 1-α konfidensintervallet til standardavviket σ fra det som observeres i et utvalg.

Angi følgende data:

  • α: risikoen for at den sanne verdien av standardavviket faller utenfor konfidensintervallet. For et 95% konfidensintervall, angi α = 5%
  • s: standardavviket til Y i utvalget
  • n: utvalgsstørrelse

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

Her bestemmer vi minste utvalgsstørrelse som må tas for å kjenne standardavviket σ innenfor en valgt feilmargin (statistisk presisjon).

Angi følgende data:

  • s: standardavviket til Y i utvalget
  • Feilmargin: den ønskede halvbredden på 1-α konfidensintervallet til gjennomsnittet
  • α: risikoen for at den sanne verdien av standardavviket faller utenfor konfidensintervallet. Den setter dermed konfidensnivået 1-α for feilmarginen. For et 95% konfidensintervall, angi α = 5%

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

Her bestemmer vi reduksjonen i standardavviket som kreves, ved konstant gjennomsnitt, for å møte målreduksjonen i avviksraten.

Angi følgende data:

Forenklet beregning (hvis du allerede kjenner den opprinnelige avviksraten):

  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate

Detaljert beregning:

  • SL: spesifikasjonsgrensen for Y (nedre eller øvre)
  • LSL: nedre spesifikasjonsgrense for Y
  • USL: øvre spesifikasjonsgrense for Y
  • µ: gjennomsnittet
  • σi: det opprinnelige (nåværende) standardavviket
  • τred. (%): ønsket reduksjon i avviksraten

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

Her bestemmer vi om en nedgang eller økning i standardavviket over eller under en gitt terskel kan konkluderes ut fra forskjellene mellom standardavvikene observert i to utvalg. Dette tester typisk effekten av to ulike driftsbetingelser (effekten av en X, en løsning osv.). Testen som brukes her er

varianstest for to utvalg (F-test)

.

Angi følgende data:

  • n1 og n2: størrelsen på hvert utvalg
  • s1 og s2: standardavviket til Y 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

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

Her bestemmer vi, for en varianstest for to utvalg (F-test):

  • Minste utvalgsstørrelse som kreves for å oppdage en nedgang eller økning i standardavviket over eller under en gitt terskel
  • Den minste detekterbare reduksjonen i standardavviket (oppløsning), for gitte utvalg

Beregningene forutsetter en styrke på 79.16% og α = 5%.

Angi følgende data:

1/ For utvalgsstørrelsen: 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

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

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: utvalgsstørrelsen
  • Xbar: gjennomsnittet av Y beregnet i utvalget
  • 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

Bruksområde: et tellerbasert kvalitetsmåltall (Y) som følger en Poisson-fordeling. For eksempel: avvik per PC, ventetider per telefonsamtale, feil per dokument, osv.

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

Angi følgende data:

Forenklet beregning (hvis du allerede kjenner den opprinnelige avviksraten):

  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate

Detaljert beregning:

  • λi: den opprinnelige (nåværende) forekomstfrekvensen
  • τred. (%): ønsket reduksjon i avviksraten

Bruksområde: et tellerbasert kvalitetsmåltall (Y) som følger en Poisson-fordeling. For eksempel: avvik per PC, ventetider per telefonsamtale, feil per dokument, osv.

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: risikoen for feilaktig å konkludere med at den nødvendige effekten eksisterer
  • β: risikoen for ikke å oppdage den nødvendige effekten
  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate

Bruksområde: et tellerbasert kvalitetsmåltall (Y) som følger en Poisson-fordeling. For eksempel: avvik per PC, ventetider per telefonsamtale, feil per dokument, osv.

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 og n2: størrelsen på hvert utvalg
  • 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

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

Angi følgende data:

1/ For å bestemme utvalgsstørrelsen:

  • 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 og n2: størrelsen på hvert utvalg
  • λ1: referansefrekvensen for forekomst

3/ For å bestemme styrken:

  • n1 og n2: størrelsen på hvert utvalg
  • λ1: referansefrekvensen for forekomst
  • λ2: sammenligningsforekomstraten som tilsvarer effekterskelen som skal oppdages, Emin = λ2 – λ1

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 den hypotetiske verdien sin, basert på forekomstraten observert i et utvalg. Testen som brukes her er enutvalgs Poisson-test.

Angi følgende data:

  • λ0: den hypotetiske verdien for forekomstraten
  • n: utvalgsstørrelsen
  • d: antall avvik telt i utvalget
  • α: risikoen for at det sanne gjennomsnittet faller utenfor det beregnete konfidensintervallet; angi 5% for et 95% konfidensintervall

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

Angi følgende data:

1/ For å bestemme utvalgsstørrelsen:

  • α: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • λ0: den hypotetiserte forekomstfrekvensen
  • λ: sammenligningsfrekvensen for forekomst slik at εmin = λ – λ0

2/ For å bestemme det minste detekterbare avviket:

  • α: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • n: utvalgsstørrelsen
  • λ0: den hypotetiserte forekomstfrekvensen

3/ For å bestemme styrken:

  • n: utvalgsstørrelsen
  • λ0: den hypotetiserte forekomstfrekvensen
  • λ: sammenligningsfrekvensen for forekomst slik at εmin = λ – λ0

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.

Angi følgende data:

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

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: risikoen for feilaktig å konkludere med at den nødvendige effekten eksisterer
  • β: risikoen for ikke å oppdage den nødvendige effekten
  • Di: opprinnelig avviksrate
  • Dc: mål for avviksrate

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 og n2: størrelsen på hvert utvalg
  • 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

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

Angi følgende data:

1/ For å bestemme utvalgsstørrelsen:

  • 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 og n2: størrelsen på hvert utvalg
  • π1: referanseproporsjonen

3/ For å bestemme styrken:

  • n1 og n2: størrelsen på hvert utvalg
  • π1: referanseproporsjonen
  • π2: sammenligningsproporsjonen som tilsvarer effektterskelen som skal oppdages, Emin = π2 – π1

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

Her avgjør vi om en andel avviker fra den hypotetiske verdien sin, basert på andelen observert i et utvalg. Testen som brukes her er enutvalgstest for proportions.

Angi følgende data:

  • π0: den hypotetiserte verdien for proporsjonen
  • n: utvalgsstørrelsen
  • D: antallet defekte enheter telt i utvalget
  • α: risikoen for at det sanne gjennomsnittet faller utenfor det beregnete konfidensintervallet; angi 5% for et 95% konfidensintervall

Bruksområde: et binært kvalitetsmåltall (Y) som følger en binomisk fordeling. For eksempel: avbrutte samtaler, feilaktige fakturaer, defekte deler, osv.

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: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • π0: den hypotetiske proporsjonen
  • π: sammenligningsproporsjonen slik at εmin = π – π0

2/ For det minste detekterbare avviket:

  • α: risikoen for feilaktig å oppdage et avvik
  • β: risikoen for ikke å oppdage avviket
  • n: utvalgsstørrelsen
  • π0: den hypotetiske proporsjonen

3/ For styrken:

  • n: utvalgsstørrelsen
  • π0: den hypotetiske proporsjonen
  • π: sammenligningsproporsjonen slik at εmin = π – π0
enENarARcsCSdaDAdeDEesESfiFIfrFRitITnlNLnoNOplPLpt-brPTpt-ptPTskSKslSLsvSVtrTR
No results