Otvorí sa v novej karte
LSS Belgium horz white bg2

Operational Excellence prostredníctvom štatistického myslenia

Objavte Statoscopex, náš softvér na online štatistickú analýzu. Je určený pre praktikov Six Sigma a štatistickej analýzy, ktorí chcú vyhodnotiť a plne využiť rozhodovací potenciál súboru údajov.
Statoscopex pomáha odborníkom na Six Sigma a štatistiku identifikovať vplyvné faktory, kvantifikovať ich účinky a posúdiť ich praktický význam, čo umožňuje prijímať lepšie informované rozhodnutia o zlepšovaní.
Photo YB
Youri Buffe
Master Black Belt

Pokročilé funkcie pre vaše štatistické štúdie

Statoscopex ponúka viac ako 50 analýz a 100 štatistických výpočtov prostredníctvom svojich funkcií pre štúdiu spôsobilosti a faktorovú analýzu, vrátane:

Pre nasledujúce metriky: spojité, početné, binárne.

  1. Určenie štatistickej presnosti miery chybovosti procesu
  2. Určenie minimálnej veľkosti vzorky potrebnej na odhad miery chybovosti procesu

Pre nasledujúce parametre: priemer, smerodajná odchýlka, miera výskytu, podiel.

  1. Určenie intervalu spoľahlivosti parametra
  2. Určenie minimálnej veľkosti vzorky potrebnej na odhad štatistického parametra s určitou presnosťou

Pre nasledujúce parametre: priemer, smerodajná odchýlka, miera výskytu, podiel.

  1. Prevod cieľa zníženia miery chybovosti na cieľový efekt na štatistický parameter.
  2. Určenie minimálnej veľkosti vzorky potrebnej na detekciu efektu na štatistický parameter, ktorý dosahuje cieľ zníženia miery chybovosti.

Pre nasledujúce parametre: priemer, smerodajná odchýlka, miera výskytu, podiel.

  1. Detekcia existencie efektu pod alebo nad prahovou hodnotou
  2. Určenie minimálnej veľkosti vzorky potrebnej na detekciu efektu minimálne rovného určitej veľkosti
  3. Určenie najmenšieho detegovateľného efektu pomocou dvoch vzoriek (rozlíšenie)
  4. Určenie sily detekcie efektu pod alebo nad prahovou hodnotou pomocou vzoriek.

Použité techniky: dvojvýberový t-test, test dvoch rozptylov, dvojvýberový Poissonov test, test dvoch podielov

Pre nasledujúce parametre: priemer, smerodajná odchýlka, miera výskytu, podiel.

  1. Zistenie, či sa parameter líši od svojej referenčnej hodnoty
  2. Určenie minimálnej veľkosti vzorky potrebnej na zistenie, či sa parameter líši od svojej referenčnej hodnoty
  3. Určenie najmenšieho detegovateľného rozdielu medzi hodnotou parametra a jeho referenčnou hodnotou pomocou vzorky (rozlíšenie)
  4. Určenie sily detekcie odchýlky parametra od jeho referenčnej hodnoty pomocou vzorky

Použité techniky: jednovýberový t-test, test rozptylu, jednovýberový Poissonov test, test podielu.

Kalkulačky

Každá analýza Statoscopex prebieha priamo tu. Otvorte tú, ktorú potrebujete — každý panel obsahuje vlastný formulár a výsledky sa zobrazujú priamo na mieste.

Oblasť použitia: spojitá metrika kvality (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme očakávanú (pravdepodobnostnú) chybovosť z toho, čo sme spozorovali v vzorke. Výpočet poskytuje aj rozpätie chyby (štatistickú presnosť) tejto očakávanej chybovosti.

Zadajte nasledujúce údaje:

  • n: veľkosť vzorky
  • Xbar: priemer vzorky
  • s: smerodajná odchýlka vzorky
  • LSL: dolná špecifikačná hranica
  • USL: horná špecifikačná hranica

Oblasť použitia: spojitá metrika kvality (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme minimálnu veľkosť vzorky, ktorú je potrebné odobrať, aby sme poznali očakávanú chybovosť v rámci prijateľného rozpätia chyby (štatistickej presnosti).

Zadajte nasledujúce údaje:

  • Relatívne rozpätie chyby: prijateľné % chyby chybovosti
  • Predpokladaná výkonnosť: odhad rádovej veľkosti prevádzkovej výkonnosti, vyjadrený ako chybovosť alebo ako Sigma

Oblasť použitia: metrika kvality založená na počítaní (Y) riadiaca sa Poissonovým rozdelením. Napríklad: chyby na PC, podržania na telefónny hovor, chyby na dokument atď.

Tu určujeme očakávanú (pravdepodobnostnú) chybovosť z toho, čo sme spozorovali v vzorke. Výpočet poskytuje aj rozpätie chyby (štatistickú presnosť) tejto očakávanej chybovosti (metóda normálnej aproximácie). Zadajte nasledujúce údaje:

  • n: veľkosť vzorky
  • λ̂: miera výskytu vo vzorke; typicky chyby na jednotku (DPU).

Oblasť použitia: metrika kvality založená na počítaní (Y) riadiaca sa Poissonovým rozdelením. Napríklad: chyby na PC, podržania na telefónny hovor, chyby na dokument atď.

Tu určujeme minimálnu veľkosť vzorky, ktorú je potrebné odobrať, aby sme poznali očakávanú chybovosť v rámci prijateľného rozpätia chyby (štatistickej presnosti) (metóda normálnej aproximácie).

Zadajte nasledujúce údaje:

  • Relatívne rozpätie chyby: prijateľné % chyby chybovosti
  • Predpokladaná výkonnosť: odhad rádovej veľkosti prevádzkovej výkonnosti, vyjadrený ako chybovosť alebo ako Sigma

Oblasť použitia: binárna metrika kvality (Y) riadiaca sa binomickým rozdelením. Napríklad: zrušené hovory, nesprávne faktúry, chybné diely atď.

Tu určujeme očakávanú (pravdepodobnostnú) chybovosť z toho, čo sme spozorovali v vzorke. Výpočet poskytuje aj rozpätie chyby (štatistickú presnosť) tejto očakávanej chybovosti (metóda normálnej aproximácie). Zadajte nasledujúce údaje:

  • n: veľkosť vzorky
  • p: podiel chybných jednotiek vo vzorke

Ak vo vzorke nebola spozorovaná žiadna chybná jednotka, zadajte hodnotu p rovnajúcu sa 1/(n+2).

Oblasť použitia: binárna metrika kvality (Y) riadiaca sa binomickým rozdelením. Napríklad: zrušené hovory, nesprávne faktúry, chybné diely atď.

Tu určujeme minimálnu veľkosť vzorky, ktorú je potrebné odobrať, aby sme poznali očakávanú chybovosť v rámci prijateľného rozpätia chyby (štatistickej presnosti) (metóda normálnej aproximácie).

Zadajte nasledujúce údaje:

  • Relatívne rozpätie chyby: prijateľné % chyby chybovosti
  • Predpokladaná výkonnosť: odhad rádovej veľkosti prevádzkovej výkonnosti, vyjadrený ako chybovosť alebo ako Sigma

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme 1-α interval spoľahlivosti priemeru µ z toho, čo sme spozorovali v vzorke.

Zadajte nasledujúce údaje:

  • α: riziko, že skutočná hodnota priemeru leží mimo intervalu spoľahlivosti. Pre 95% interval spoľahlivosti zadajte α = 5%
  • n: veľkosť vzorky
  • Xbar: priemer vzorky
  • σ alebo s: skutočná smerodajná odchýlka (ak je známa) alebo smerodajná odchýlka vzorky

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme minimálnu veľkosť vzorky, ktorú je potrebné odobrať, aby sme poznali priemer µ v rámci zvoleného rozpätia chyby (štatistickej presnosti).

Zadajte nasledujúce údaje:

  • σ alebo s: skutočná smerodajná odchýlka (ak je známa) alebo smerodajná odchýlka vzorky
  • Rozpätie chyby: požadovaná polovičná šírka 1-α intervalu spoľahlivosti priemeru
  • α: riziko, že skutočná hodnota priemeru leží mimo intervalu spoľahlivosti. Nastavuje teda úroveň spoľahlivosti 1-α pre rozpätie chyby. Pre 95% interval spoľahlivosti zadajte α = 5%

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme posun priemeru potrebný pri konštantnej smerodajnej odchýlke na dosiahnutie cieľového zníženia chybovosti.

Zadajte nasledujúce údaje:

Súhrnný výpočet (ak už poznáte počiatočnú chybovosť):

  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť
  • σ: smerodajná odchýlka Y

Podrobný výpočet:

  • LSL: dolná špecifikačná hranica
  • USL: horná špecifikačná hranica
  • µi: počiatočný (aktuálny) priemer
  • σ: smerodajná odchýlka Y
  • τred. (%): požadované zníženie chybovosti

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme minimálnu veľkosť vzorky potrebnú na detekciu posunu priemeru, ktorý by pri konštantnej smerodajnej odchýlke spĺňal cieľové zníženie chybovosti.

Zadajte nasledujúce údaje:

  • α: riziko chybného záveru, že požadovaný efekt existuje
  • β: riziko nedetekovania požadovaného efektu
  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme, či je možné z rozdielov medzi priemermi spozorovanými vo dvoch vzorkách vyvodiť záver o posune priemeru nad alebo pod danú prahovú hodnotu. Toto typicky testuje efekt dvoch rôznych prevádzkových podmienok (efekt X, riešenia atď.). Použitým testom je tu dvojvýberový t-test.

Zadajte nasledujúce údaje:

  • n1 a n2: veľkosť každej vzorky
  • Xbar1 a Xbar2: priemer Y v každej vzorke
  • s1 a s2: smerodajná odchýlka Y v každej vzorke
  • α: riziko, že skutočný efekt leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5% pre 95% interval spoľahlivosti
  • Emin: prahová hodnota hľadaného efektu

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme pre dvojvýberový t-test:

  • Minimálnu veľkosť vzorky potrebnú na detekciu posunu priemeru nad danú prahovú hodnotu
  • Najmenší detekovateľný posun priemeru (rozlíšenie) pre dané vzorky
  • Sila detegovať posun priemeru nad alebo pod danú prahovú hodnotu pre dané vzorky

Zadajte nasledujúce údaje:

1/ Pre veľkosť vzorky:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • σ: smerodajná odchýlka (známa alebo odhadnutá)
  • Emin na detekciu: minimálny (užitočný) účinok, ktorý chcete detegovať

2/ Pre minimálny detegovateľný účinok:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • n1 a n2: veľkosť každej vzorky
  • σ1 a σ2: smerodajná odchýlka každej vzorky, ak nie je známa inak

3/ Pre silu testu:

  • n1 a n2: veľkosť každej vzorky
  • σ1 a σ2: smerodajná odchýlka každej vzorky, ak nie je známa inak
  • Emin na detekciu: minimálny (užitočný) účinok, ktorý chcete detegovať

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme, či sa priemer líši od svojej hypotetickej hodnoty, na základe priemeru pozorovaného vo vzorke. Použitý test je

jednovýberový t-test.

Zadajte nasledujúce údaje:

  • µ0: hypotetická hodnota priemeru
  • n: veľkosť vzorky
  • Xbar: priemer Y vypočítaný vo vzorke
  • s alebo σ: smerodajná odchýlka Y vypočítaná vo vzorke, alebo skutočná smerodajná odchýlka, ak je známa
  • α: riziko, že skutočný priemer leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5 % pre 95 % interval spoľahlivosti

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Príklady: trvanie, teplota, veľkosť atď.

Určujeme tu, v rámci realizácie jednovýberového t-testu:

  • Minimálna veľkosť vzorky potrebná na detekciu, či je priemer nad alebo pod hypotetickým priemerom
  • Najmenšia detegovateľná odchýlka medzi priemerom a hypotetickým priemerom pre dané vzorky
  • Sila detegovať odchýlku medzi priemerom a hypotetickým priemerom pre dané vzorky

Zadajte nasledujúce údaje:

1/ Pre určenie veľkosti vzorky:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • σ: smerodajná odchýlka (známa alebo odhadnutá)
  • εmin na detekciu: minimálna (užitočná) odchýlka, ktorú chcete detegovať

2/ Pre určenie minimálnej detegovateľnej odchýlky:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • n: veľkosť vzorky
  • σ: smerodajná odchýlka vzorky, ak nie je známa inak

3/ Pre určenie sily testu:

  • n: veľkosť vzorky
  • σ: smerodajná odchýlka vzorky, ak nie je známa inak
  • εmin na detekciu: minimálna (užitočná) odchýlka, ktorú chcete detegovať

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme 1-α interval spoľahlivosti pre smerodajnú odchýlku σ na základe toho, čo sa pozorovalo vo vzorke.

Zadajte nasledujúce údaje:

  • α: riziko, že skutočná hodnota smerodajnej odchýlky leží mimo intervalu spoľahlivosti. Pre 95 % interval spoľahlivosti zadajte α = 5 %
  • s: smerodajná odchýlka Y vo vzorke
  • n: veľkosť vzorky

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme minimálnu veľkosť vzorky, ktorú je potrebné odobrať, aby sme poznali smerodajnú odchýlku σ v rámci zvolenej odchýlky tolerancie (štatistickej presnosti).

Zadajte nasledujúce údaje:

  • s: smerodajná odchýlka Y vo vzorke
  • Rozpätie chyby: požadovaná polovičná šírka 1-α intervalu spoľahlivosti priemeru
  • α: riziko, že skutočná hodnota smerodajnej odchýlky leží mimo intervalu spoľahlivosti. Určuje teda 1-α úroveň spoľahlivosti pre odchýlku tolerancie. Pre 95 % interval spoľahlivosti zadajte α = 5 %

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme potrebné zníženie smerodajnej odchýlky pri konštantnom priemere na dosiahnutie cieľového zníženia miery chybovosti.

Zadajte nasledujúce údaje:

Súhrnný výpočet (ak už poznáte počiatočnú chybovosť):

  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť

Podrobný výpočet:

  • SL: špecifikačný limit Y (dolný alebo horný)
  • LSL: dolný špecifikačný limit Y
  • USL: horný špecifikačný limit Y
  • µ: priemer
  • σi: počiatočná (aktuálna) smerodajná odchýlka
  • τred. (%): požadované zníženie chybovosti

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme, či je možné na základe rozdielov medzi smerodajnými odchýlkami pozorovanými v dvoch vzorkách dospieť k záveru o poklese alebo náraste smerodajnej odchýlky nad alebo pod danú prahovú hodnotu. Týmto sa typicky testuje účinok dvoch rôznych prevádzkových podmienok (účinok faktora X, riešenia atď.). Použitý test je

test dvoch rozptylov (F-test)

.

Zadajte nasledujúce údaje:

  • n1 a n2: veľkosť každej vzorky
  • s1 a s2: smerodajná odchýlka Y v každej vzorke
  • α: riziko, že skutočný efekt leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5% pre 95% interval spoľahlivosti
  • Emin: prahová hodnota hľadaného efektu

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme pre test dvoch rozptylov (F-test):

  • Minimálna veľkosť vzorky potrebná na zistenie poklesu alebo nárastu smerodajnej odchýlky nad alebo pod danú prahovú hodnotu
  • Najmenšie zistiteľné zníženie smerodajnej odchýlky (rozlíšenie) pre dané vzorky

Výpočty predpokladajú silu 79.16 % a α = 5 %.

Zadajte nasledujúce údaje:

1/ Pre veľkosť vzorky: E

min

na zistenie: minimálny (užitočný) efekt, ktorý chcete zistiť

2/ Pre minimálny zistiteľný efekt: n1 a n2: veľkosť každej vzorky

Oblasť použitia: spojitá metrika (Y) riadiaca sa normálnym rozdelením. Napríklad: trvanie, teplota, veľkosť atď.

Tu určujeme, či sa smerodajná odchýlka líši od svojej hypotetickej hodnoty na základe smerodajnej odchýlky pozorovanej vo vzorke. Použitý test je test jedného rozptylu (F-test).

Zadajte nasledujúce údaje:

  • σ0: hypotetická hodnota smerodajnej odchýlky
  • n: veľkosť vzorky
  • Xbar: priemer Y vypočítaný vo vzorke
  • s: smerodajná odchýlka Y vypočítaná vo vzorke
  • α: riziko, že skutočná smerodajná odchýlka spadne mimo vypočítaného intervalu spoľahlivosti; zadajte 5 % pre 95 % interval spoľahlivosti

Oblasť použitia: metrika kvality založená na počítaní (Y) riadiaca sa Poissonovým rozdelením. Napríklad: chyby na PC, podržania na telefónny hovor, chyby na dokument atď.

Tu určujeme zníženie miery výskytu potrebné na dosiahnutie cieľového zníženia miery chybovosti.

Zadajte nasledujúce údaje:

Súhrnný výpočet (ak už poznáte počiatočnú chybovosť):

  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť

Podrobný výpočet:

  • λi: počiatočná (súčasná) miera výskytu
  • τred. (%): požadované zníženie chybovosti

Oblasť použitia: metrika kvality založená na počítaní (Y) riadiaca sa Poissonovým rozdelením. Napríklad: chyby na PC, podržania na telefónny hovor, chyby na dokument atď.

Tu určujeme minimálnu veľkosť vzorky potrebnú na zistenie zníženia miery výskytu, ktoré by splnilo cieľové zníženie miery chybovosti.

Zadajte nasledujúce údaje:

  • α: riziko chybného záveru, že požadovaný efekt existuje
  • β: riziko nedetekovania požadovaného efektu
  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť

Oblasť použitia: metrika kvality založená na počítaní (Y) riadiaca sa Poissonovým rozdelením. Napríklad: chyby na PC, podržania na telefónny hovor, chyby na dokument atď.

Tu určujeme, či je možné vyvodiť záver o poklese alebo náraste miery výskytu nad alebo pod danú prahovú hodnotu na základe rozdielov medzi mierami výskytu pozorovanými vo dvoch vzorkách. Týmto sa zvyčajne testuje vplyv dvoch rôznych prevádzkových podmienok (vplyv X, riešenia atď.). Použitý test je dvojvýberový Poissonov test.

Zadajte nasledujúce údaje:

  • n1 a n2: veľkosť každej vzorky
  • d1 a d2: počet chýb zistených v každej vzorke
  • α: riziko, že skutočný efekt leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5% pre 95% interval spoľahlivosti
  • Emin: prahová hodnota požadovaného efektu, λ2 – λ1

Oblasť použitia: metrika kvality (Y) počítania podľa Poissonovho rozdelenia. Príklady: počet chýb na PC, počet hovorov v poradí, počet chýb na dokument atď.

Tu určujeme v rámci vykonávania dvojvýberového Poissonovho testu:

  • Minimálna veľkosť vzorky potrebná na zistenie poklesu alebo nárastu miery výskytu nad danú prahovú hodnotu
  • Najmenší zistiteľný pokles alebo nárast miery výskytu pre dané vzorky
  • Sila na zistenie poklesu alebo nárastu miery výskytu nad alebo pod danú prahovú hodnotu pre dané vzorky

Zadajte nasledujúce údaje:

1/ Pre určenie veľkosti vzorky:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • λ1: referenčná miera výskytu
  • λ2: porovnávacia miera výskytu zodpovedajúca prahovej hodnote efektu na zistenie, Emin = λ2 – λ1

2/ Pre určenie minimálneho zistiteľného efektu:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • n1 a n2: veľkosť každej vzorky
  • λ1: referenčná miera výskytu

3/ Pre určenie sily testu:

  • n1 a n2: veľkosť každej vzorky
  • λ1: referenčná miera výskytu
  • λ2: porovnávacia miera výskytu zodpovedajúca prahovej hodnote efektu na zistenie, Emin = λ2 – λ1

Oblasť použitia: metrika (Y) počítania podľa Poissonovho rozdelenia. Príklady: počet chýb na PC, počet hovorov v poradí, počet chýb na dokument atď.

Tu určujeme, či sa miera výskytu líši od svojej hypotetickej hodnoty na základe miery výskytu pozorovanej v vzorke. Použitým testom je jednovýberový Poissonov test.

Zadajte nasledujúce údaje:

  • λ0: hypotetická hodnota miery výskytu
  • n: veľkosť vzorky
  • d: počet chýb zistených vo vzorke
  • α: riziko, že skutočný priemer leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5 % pre 95 % interval spoľahlivosti

Oblasť použitia: metrika (Y) počítania podľa Poissonovho rozdelenia. Príklady: počet chýb na PC, počet hovorov v poradí, počet chýb na dokument atď.

Tu určujeme v rámci vykonávania jednovýberového Poissonovho testu:

  • Minimálna veľkosť vzorky potrebná na zistenie, či je miera výskytu nad alebo pod svojou hypotetickou hodnotou
  • Najmenšia zistiteľná odchýlka medzi mierou výskytu a jej hypotetickou hodnotou pre dané vzorky
  • Sila na zistenie odchýlky medzi mierou výskytu a jej hypotetickou hodnotou pre dané vzorky

Zadajte nasledujúce údaje:

1/ Pre určenie veľkosti vzorky:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • λ0: hypotetická miera výskytu
  • λ: porovnávacia miera výskytu taká, že εmin = λ – λ0

2/ Pre určenie minimálnej detegovateľnej odchýlky:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • n: veľkosť vzorky
  • λ0: hypotetická miera výskytu

3/ Pre určenie sily testu:

  • n: veľkosť vzorky
  • λ0: hypotetická miera výskytu
  • λ: porovnávacia miera výskytu taká, že εmin = λ – λ0

Oblasť použitia: binárna metrika (Y) podľa binomického rozdelenia. Príklady: predčasne ukončené hovory, chybné faktúry, chybné diely atď.

Tu určujeme cieľ zníženia podielu potrebný na dosiahnutie cieľa zníženia miery chybovosti.

Zadajte nasledujúce údaje:

  • πi: počiatočná miera chybovosti
  • τred.: požadované zníženie miery chybovosti

Oblasť použitia: binárna metrika (Y) podľa binomického rozdelenia. Príklad: zrušené hovory, chybné faktúry, chybné diely atď.

Tu určujeme minimálnu veľkosť vzorky potrebnú na zistenie zníženia podielu, ktoré by splnilo cieľové zníženie miery chybovosti.

Zadajte nasledujúce údaje:

  • α: riziko chybného záveru, že požadovaný efekt existuje
  • β: riziko nedetekovania požadovaného efektu
  • Di: počiatočná chybovosť
  • Dc: cieľová chybovosť

Oblasť použitia: binárna metrika (Y) podľa binomického rozdelenia. Príklad: zrušené hovory, chybné faktúry, chybné diely atď.

Tu určujeme, či je možné na základe rozdielov medzi podielmi pozorovanými v dvoch vzorkách vyvodiť záver o poklese alebo náraste podielu nad alebo pod danú prahovú hodnotu. Týmto sa zvyčajne testuje účinok dvoch rôznych prevádzkových podmienok (účinok X, riešenia atď.). Použitý test je

dvojvýberový test podielov

.

Zadajte nasledujúce údaje:

  • n1 a n2: veľkosť každej vzorky
  • D1 a D2: počet počítaných chybných jednotiek v každej vzorke
  • α: riziko, že skutočný efekt leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5% pre 95% interval spoľahlivosti
  • Emin: prahová hodnota hľadaného účinku, π2 – π1

Oblasť použitia: binárna metrika (Y) podľa binomického rozdelenia. Príklad: zrušené hovory, chybné faktúry, chybné diely atď.

Tu pre dvojvýberový test podielov určujeme:

  • Minimálnu veľkosť vzorky potrebnú na zistenie poklesu alebo nárastu podielu nad danú prahovú hodnotu
  • Najmenší zistiteľný pokles alebo nárast podielu (rozlíšenie) pre dané vzorky
  • Silu testu na zistenie účinku na podiel nad alebo pod danou prahovou hodnotou pre dané vzorky

Zadajte nasledujúce údaje:

1/ Pre určenie veľkosti vzorky:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • π1: referenčný podiel
  • π2: porovnávací podiel zodpovedajúci prahovej hodnote účinku na detekciu, Emin = π2 – π1

2/ Pre určenie minimálneho zistiteľného efektu:

  • α: riziko chybnej detekcie účinku
  • β: riziko nedetekovania účinku
  • n1 a n2: veľkosť každej vzorky
  • π1: referenčný podiel

3/ Pre určenie sily testu:

  • n1 a n2: veľkosť každej vzorky
  • π1: referenčný podiel
  • π2: porovnávací podiel zodpovedajúci prahovej hodnote účinku na detekciu, Emin = π2 – π1

Oblasť použitia: binárna metrika kvality (Y) riadiaca sa binomickým rozdelením. Napríklad: stratené hovory, chybné faktúry, chybné kusy atď.

Tu určujeme, či sa podiel líši od svojej hypotetickej hodnoty na základe podielu pozorovaného v vzorke. Použitým testom je test jedného podielu.

Zadajte nasledujúce údaje:

  • π0: hypotetická hodnota podielu
  • n: veľkosť vzorky
  • D: počet počítaných chybných jednotiek vo vzorke
  • α: riziko, že skutočný priemer leží mimo vypočítaného intervalu spoľahlivosti; zadajte 5 % pre 95 % interval spoľahlivosti

Oblasť použitia: binárna metrika kvality (Y) riadiaca sa binomickým rozdelením. Napríklad: zrušené hovory, nesprávne faktúry, chybné diely atď.

Tu pre jednovýberový test podielu určujeme:

  • Minimálnu veľkosť vzorky potrebnú na zistenie, či je podiel nad alebo pod svojou hypotetickou hodnotou
  • Najmenšiu zistiteľnú odchýlku medzi podielom a jeho hypotetickou hodnotou pre danú vzorku
  • Silu testu na zistenie odchýlky medzi podielom a jeho hypotetickou hodnotou pre danú vzorku

Zadajte nasledujúce údaje:

1/ Pre veľkosť vzorky:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • π0: hypotetický podiel
  • π: porovnávací podiel taký, že εmin = π – π0

2/ Pre minimálnu zistiteľnú odchýlku:

  • α: riziko chybnej detekcie odchýlky
  • β: riziko nedetekovania odchýlky
  • n: veľkosť vzorky
  • π0: hypotetický podiel

3/ Pre silu testu:

  • n: veľkosť vzorky
  • π0: hypotetický podiel
  • π: porovnávací podiel taký, že εmin = π – π0
enENarARcsCSdaDAdeDEesESfiFIfrFRitITnlNLnoNOplPLpt-brPTpt-ptPTskSKslSLsvSVtrTR
No results