Odpre se v novem zvezku
LSS Belgium horz white bg2

Operativna odličnost skozi statistično razmišljanje

Odkrijte Statoscopex, našo spletno programsko opremo za statistično analizo. Namenjena je izvajalcem metodologije Six Sigma in statističnih analiz, ki želijo oceniti in v celoti izkoristiti odločevalski potencial nabora podatkov.
Statoscopex pomaga izvajalcem metodologije Six Sigma in statistike identificirati vplivne dejavnike, kvantificirati njihove učinke ter oceniti njihovo praktično ustreznost, kar omogoča bolj premišljene odločitve o izboljšavah.
Slika YB
Youri Buffe
Master Black Belt

Napredne funkcije za vaše statistične študije

Statoscopex ponuja več kot 50 analiz in 100 statističnih izračunov preko svojih funkcij študije zmogljivosti in faktorske analize, vključno z:

Za naslednje metrike: zvezne, števne, binarne.

  1. Določanje statistične natančnosti stopnje napak procesa
  2. Določanje najmanjše velikosti vzorca, potrebne za oceno stopnje napak procesa

Za naslednje parametre: povprečje, standardni odklon, stopnja pojavljanja, delež.

  1. Določanje intervala zaupanja parametra
  2. Določanje najmanjše velikosti vzorca, potrebne za oceno statističnega parametra z določeno natančnostjo

Za naslednje parametre: povprečje, standardni odklon, stopnja pojavljanja, delež.

  1. Prevod cilja zmanjšanja stopnje napak v smislu ciljnega učinka na statistični parameter.
  2. Določitev najmanjše velikosti vzorca, potrebne za zaznavanje učinka na statistični parameter, ki dosega cilj zmanjšanja stopnje napak.

Za naslednje parametre: povprečje, standardni odklon, stopnja pojavljanja, delež.

  1. Zaznajte obstoj učinka pod ali nad mejo pragovne vrednosti
  2. Določite najmanjšo velikost vzorca, potrebno za zaznavanje učinka, ki je vsaj enak določeni velikosti
  3. Določite najmanjši zaznavni učinek z uporabo dveh vzorcev (ločljivost)
  4. Določite moč zaznavanja učinka pod ali nad mejo pragovne vrednosti z uporabo vzorcev.

Uporabljene tehnike: t-test za dva vzorca, test dveh varianc, Poissonov test za dva vzorca, test dveh deležev

Za naslednje parametre: povprečje, standardni odklon, stopnja pojavljanja, delež.

  1. Zaznajte, ali se parameter razlikuje od svoje referenčne vrednosti
  2. Določite najmanjšo velikost vzorca, potrebno za zaznavanje, ali se parameter razlikuje od svoje referenčne vrednosti
  3. Določite najmanjšo zaznavno razliko med vrednostjo parametra in njegovo referenčno vrednostjo z uporabo vzorca (ločljivost)
  4. Določite moč zaznavanja odstopanja parametra od njegove referenčne vrednosti z uporabo vzorca

Uporabljene tehnike: t-test za en vzorec, test variance, Poissonov test za en vzorec, test deleža.

Kalkulatorji

Vsaka analiza Statoscopex poteka prav tukaj. Odprite tisto, ki jo potrebujete — vsak podokno vsebuje svoj obrazec, rezultati pa se prikažejo na mestu نفسه.

Področje uporabe: zvezna meritev kakovosti (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo pričakovano (verjetnostno) stopnjo napak iz tega, kar je opazovano v vzorcu. Izračun daje tudi mejo napake (statistično natančnost) za to pričakovano stopnjo napak.

Vnesite naslednje podatke:

  • n: velikost vzorca
  • Xbar: povprečje vzorca
  • s: standardni odklon vzorca
  • LSL: spodnja specifikacijska meja
  • USL: zgornja specifikacijska meja

Področje uporabe: zvezna meritev kakovosti (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo najmanjšo velikost vzorca, ki jo je treba vzeti, da bi poznali pričakovano stopnjo napak v okviru sprejemljive meje napake (statistične natančnosti).

Vnesite naslednje podatke:

  • Relativna meja napake: sprejemljiva % napaka pri stopnji napak
  • Ocenjena zmogljivost: ocena reda velikosti operativne zmogljivosti, izražena kot stopnja napak ali kot Sigma

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: napake na računalnik, čakanja na telefonski klic, napake na dokument itd.

Tukaj določimo pričakovano (verjetnostno) stopnjo napak iz tega, kar je opazovano v vzorcu. Izračun daje tudi mejo napake (statistično natančnost) za to pričakovano stopnjo napak (metoda normalne aproksimacije). Vnesite naslednje podatke:

  • n: velikost vzorca
  • λ̂: stopnja pojavljanja v vzorcu; običajno napake na enoto (DPU).

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: napake na računalnik, čakanja na telefonski klic, napake na dokument itd.

Tukaj določimo najmanjšo velikost vzorca, ki jo je treba vzeti, da bi poznali pričakovano stopnjo napak v okviru sprejemljive meje napake (statistične natančnosti) (metoda normalne aproksimacije).

Vnesite naslednje podatke:

  • Relativna meja napake: sprejemljiva % napaka pri stopnji napak
  • Ocenjena zmogljivost: ocena reda velikosti operativne zmogljivosti, izražena kot stopnja napak ali kot Sigma

Področje uporabe: binarna metrika kakovosti (Y), ki sledi binomski porazdelitvi. Na primer: opuščeni klici, napačni računi, poškodovani deli itd.

Tukaj določimo pričakovano (verjetnostno) stopnjo napak iz tega, kar je opazovano v vzorcu. Izračun daje tudi mejo napake (statistično natančnost) za to pričakovano stopnjo napak (metoda normalne aproksimacije). Vnesite naslednje podatke:

  • n: velikost vzorca
  • p: delež enot z napako v vzorcu

Če v vzorcu ni bila opazovana nobena enota z napako, vnesite vrednost p, ki je enaka 1/(n+2).

Področje uporabe: binarna metrika kakovosti (Y), ki sledi binomski porazdelitvi. Na primer: opuščeni klici, napačni računi, poškodovani deli itd.

Tukaj določimo najmanjšo velikost vzorca, ki jo je treba vzeti, da bi poznali pričakovano stopnjo napak v okviru sprejemljive meje napake (statistične natančnosti) (metoda normalne aproksimacije).

Vnesite naslednje podatke:

  • Relativna meja napake: sprejemljiva % napaka pri stopnji napak
  • Ocenjena zmogljivost: ocena reda velikosti operativne zmogljivosti, izražena kot stopnja napak ali kot Sigma

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo 1-α interval zaupanja za povprečje µ iz tega, kar je opazovano v vzorcu.

Vnesite naslednje podatke:

  • α: tveganje, da prava vrednost povprečja pade zunaj intervala zaupanja. Za 95-% interval zaupanja vnesite α = 5 %
  • n: velikost vzorca
  • Xbar: povprečje vzorca
  • σ ali s: pravi standardni odklon (če je znan) ali standardni odklon vzorca

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo najmanjšo velikost vzorca, ki jo je treba vzeti, da bi poznali povprečje µ v okviru izbrane meje napake (statistične natančnosti).

Vnesite naslednje podatke:

  • σ ali s: pravi standardni odklon (če je znan) ali standardni odklon vzorca
  • Meja napake: želena polovična širina 1-α intervala zaupanja za povprečje
  • α: tveganje, da prava vrednost povprečja pade zunaj intervala zaupanja. Zato določa raven zaupanja 1-α za mejo napake. Za 95-% interval zaupanja vnesite α = 5 %

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo potreben premik povprečja pri konstantnem standardnem odklonu, da bi dosegli ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

Skrajšani izračun (če že poznate začetno stopnjo napak):

  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak
  • σ: standardni odklon Y

Podrobni izračun:

  • LSL: spodnja specifikacijska meja
  • USL: zgornja specifikacijska meja
  • µi: začetno (trenutno) povprečje
  • σ: standardni odklon Y
  • τred. (%): želeno zmanjšanje stopnje napak

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo najmanjšo velikost vzorca, potrebno za zaznavanje premika povprečja, ki bi pri konstantnem standardnem odklonu dosegel ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

  • α: tveganje napačnega zaključka, da zahtevani učinek obstaja
  • β: tveganje, da zahtevanega učinka ne zaznamo
  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo, ali je mogoče sklepati o premiku povprečja nad ali pod danim pragom iz razlik med povprečji, opazovanimi v dveh vzorcih. To običajno preizkuša učinek dveh različnih pogojev delovanja (učinek spremenljivke X, rešitve ipd.). Uporabljeni preizkus je t-preizkus za dva vzorca.

Vnesite naslednje podatke:

  • n1 in n2: velikost posameznega vzorca
  • Xbar1 in Xbar2: povprečje Y v vsakem vzorcu
  • s1 in s2: standardni odklon Y v vsakem vzorcu
  • α: tveganje, da pravi učinek pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja
  • Emin: prag iskanega učinka

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo za t-preizkus za dva vzorca:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje premika povprečja nad danim pragom
  • Najmanjši zaznavni premik povprečja (ločljivost) za dane vzorce
  • Moč za zaznavanje premika povprečja nad ali pod danim pragom za dane vzorce

Vnesite naslednje podatke:

1/ Za velikost vzorca:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • σ: standardni odklon (znan ali ocenjen)
  • Emin za zaznavanje: najmanjši (uporaben) učinek, ki ga želite zaznati

2/ Za najmanjši zaznavni učinek:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • n1 in n2: velikost posameznega vzorca
  • σ1 in σ2: standardni odklon vsakega vzorca, če ni drugače znan

3/ Za moč:

  • n1 in n2: velikost posameznega vzorca
  • σ1 in σ2: standardni odklon vsakega vzorca, če ni drugače znan
  • Emin za zaznavanje: najmanjši (uporaben) učinek, ki ga želite zaznati

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo, ali se povprečje razlikuje od svoje hipotetične vrednosti, na podlagi povprečja, opazovanega v vzorcu. Uporabljeni preizkus je

t-preizkus za en vzorec.

Vnesite naslednje podatke:

  • µ0: hipotetična vrednost povprečja
  • n: velikost vzorca
  • Xbar: povprečje Y, izračunano v vzorcu
  • s ali σ: standardni odklon Y, izračunan v vzorcu, ali pravi standardni odklon, če je znan
  • α: tveganje, da pravo povprečje pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo v okviru izvedbe t-preizkusa za en vzorec:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje, ali je povprečje nad ali pod hipotetičnim povprečjem
  • Najmanjše zaznavno odstopanje med povprečjem in hipotetičnim povprečjem za dane vzorce
  • Moč za zaznavanje odstopanja med povprečjem in hipotetičnim povprečjem za dane vzorce

Vnesite naslednje podatke:

1/ Za določitev velikosti vzorca:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • σ: standardni odklon (znan ali ocenjen)
  • εmin za zaznavanje: najmanjše (uporabno) odstopanje, ki ga želite zaznati

2/ Za določitev najmanjšega zaznavnega odstopanja:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • n: velikost vzorca
  • σ: standardni odklon vzorca, če ni drugače znan

3/ Za določitev moči:

  • n: velikost vzorca
  • σ: standardni odklon vzorca, če ni drugače znan
  • εmin za zaznavanje: najmanjše (uporabno) odstopanje, ki ga želite zaznati

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo 1-α interval zaupanja za standardni odklon σ iz tega, kar je opazovano v vzorcu.

Vnesite naslednje podatke:

  • α: tveganje, da prava vrednost standardnega odklona pade zunaj intervala zaupanja. Za 95-% interval zaupanja vnesite α = 5 %
  • s: standardni odklon Y v vzorcu
  • n: velikost vzorca

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo najmanjšo velikost vzorca, ki jo je treba vzeti, da bi poznali standardni odklon σ v okviru izbrane meje napake (statistične natančnosti).

Vnesite naslednje podatke:

  • s: standardni odklon Y v vzorcu
  • Meja napake: želena polovična širina 1-α intervala zaupanja za povprečje
  • α: tveganje, da prava vrednost standardnega odklona pade zunaj intervala zaupanja. Zato določa raven zaupanja 1-α za mejo napake. Za 95-% interval zaupanja vnesite α = 5 %

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo potrebno zmanjšanje standardnega odklona pri konstantnem povprečju, da bi dosegli ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

Skrajšani izračun (če že poznate začetno stopnjo napak):

  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak

Podrobni izračun:

  • SL: specifikacijska meja za Y (spodnja ali zgornja)
  • LSL: spodnja specifikacijska meja za Y
  • USL: zgornja specifikacijska meja za Y
  • µ: povprečje
  • σi: začetni (trenutni) standardni odklon
  • τred. (%): želeno zmanjšanje stopnje napak

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo, ali je mogoče sklepati o zmanjšanju ali povečanju standardnega odklona nad ali pod danim pragom iz razlik med standardnimi odkloni, opazovanimi v dveh vzorcih. To običajno preizkuša učinek dveh različnih pogojev delovanja (učinek spremenljivke X, rešitve ipd.). Uporabljeni preizkus je

preizkus dveh variances (F-preizkus)

.

Vnesite naslednje podatke:

  • n1 in n2: velikost posameznega vzorca
  • s1 in s2: standardni odklon Y v vsakem vzorcu
  • α: tveganje, da pravi učinek pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja
  • Emin: prag iskanega učinka

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo za preizkus dveh varianc (F-preizkus):

  • Najmanjšo velikost vzorca, potrebno za zaznavanje zmanjšanja ali povečanja standardnega odklona nad ali pod danim pragom
  • Najmanjše zaznavno zmanjšanje standardnega odklona (ločljivost) za dane vzorce

Izračuni privzemajo moč 79.16 % in α = 5 %.

Vnesite naslednje podatke:

1/ Za velikost vzorca: E

min

za zaznavanje: najmanjši (uporaben) učinek, ki ga želite zaznati

2/ Za najmanjši zaznavni učinek: n1 in n2: velikost posameznega vzorca

Področje uporabe: zvezna metrika (Y), ki sledi normalni porazdelitvi. Na primer: trajanje, temperatura, velikost itd.

Tukaj določimo, ali se standardni odklon razlikuje od svoje hipotetične vrednosti, na podlagi standardnega odklona, opazovanega v vzorcu. Uporabljeni preizkus je preizkus ene variance (F-preizkus).

Vnesite naslednje podatke:

  • σ0: hipotetična vrednost standardnega odklona
  • n: velikost vzorca
  • Xbar: povprečje Y, izračunano v vzorcu
  • s: standardni odklon Y, izračunan v vzorcu
  • α: tveganje, da pravi standardni odklon pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: napake na računalnik, čakanja na telefonski klic, napake na dokument itd.

Tukaj določimo potrebno zmanjšanje stopnje pojavljanja, da bi dosegli ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

Skrajšani izračun (če že poznate začetno stopnjo napak):

  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak

Podrobni izračun:

  • λi: začetna (trenutna) stopnja pojavljanja
  • τred. (%): želeno zmanjšanje stopnje napak

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: napake na računalnik, čakanja na telefonski klic, napake na dokument itd.

Tukaj določimo najmanjšo velikost vzorca, potrebno za zaznavanje zmanjšanja stopnje pojavljanja, ki bi doseglo ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

  • α: tveganje napačnega zaključka, da zahtevani učinek obstaja
  • β: tveganje, da zahtevanega učinka ne zaznamo
  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: napake na računalnik, čakanja na telefonski klic, napake na dokument itd.

Tukaj določimo, ali je mogoče sklepati o zmanjšanju ali povečanju stopnje pojavljanja nad ali pod danim pragom iz razlik med stopnjami pojavljanja, opazovanimi v dveh vzorcih. To običajno preizkuša učinek dveh različnih pogojev delovanja (učinek spremenljivke X, rešitve ipd.). Uporabljeni preizkus je Poissonov preizkus za dva vzorca.

Vnesite naslednje podatke:

  • n1 in n2: velikost posameznega vzorca
  • d1 in d2: število preštetih napak v vsakem vzorcu
  • α: tveganje, da pravi učinek pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja
  • Emin: prag iskanega učinka, λ2 – λ1

Področje uporabe: meritev kakovosti na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: število napak na računalnik, število čakanj na telefonski klic, število napak na dokument itd.

Tukaj določimo v okviru izvedbe Poissonovega preizkusa za dva vzorca:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje zmanjšanja ali povečanja stopnje pojavljanja nad danim pragom
  • Najmanjše zaznavno zmanjšanje ali povečanje stopnje pojavljanja za dane vzorce
  • Moč za zaznavanje zmanjšanja ali povečanja stopnje pojavljanja nad ali pod danim pragom za dane vzorce

Vnesite naslednje podatke:

1/ Za določitev velikosti vzorca:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • λ1: referenčna stopnja pojavljanja
  • λ2: primerjalna stopnja pojavljanja, ki ustreza pragu učinka za zaznavanje, Emin = λ2 – λ1

2/ Za določitev najmanjšega zaznavnega učinka:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • n1 in n2: velikost posameznega vzorca
  • λ1: referenčna stopnja pojavljanja

3/ Za določitev moči:

  • n1 in n2: velikost posameznega vzorca
  • λ1: referenčna stopnja pojavljanja
  • λ2: primerjalna stopnja pojavljanja, ki ustreza pragu učinka za zaznavanje, Emin = λ2 – λ1

Področje uporabe: meritev na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: število napak na računalnik, število čakanj na telefonski klic, število napak na dokument itd.

Tukaj določamo, ali se stopnja pojavnosti razlikuje od svoje hipotetične vrednosti, na podlagi stopnje pojavnosti, opazovane v vzorcu. Uporabljeni test je Poissonov test za en vzorec.

Vnesite naslednje podatke:

  • λ0: hipotetična vrednost stopnje pojavljanja
  • n: velikost vzorca
  • d: število preštetih napak v vzorcu
  • α: tveganje, da pravo povprečje pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja

Področje uporabe: meritev na podlagi štetja (Y), ki sledi Poissonovi porazdelitvi. Na primer: število napak na računalnik, število čakanj na telefonski klic, število napak na dokument itd.

Tukaj določimo v okviru izvedbe Poissonovega preizkusa za en vzorec:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje, ali je stopnja pojavljanja nad ali pod svojo hipotetično vrednostjo
  • Najmanjše zaznavno odstopanje med stopnjo pojavljanja in njeno hipotetično vrednostjo za dane vzorce
  • Moč za zaznavanje odstopanja med stopnjo pojavljanja in njeno hipotetično vrednostjo za dane vzorce

Vnesite naslednje podatke:

1/ Za določitev velikosti vzorca:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • λ0: hipotetična stopnja pojavljanja
  • λ: primerjalna stopnja pojavljanja, tako da je εmin = λ – λ0

2/ Za določitev najmanjšega zaznavnega odstopanja:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • n: velikost vzorca
  • λ0: hipotetična stopnja pojavljanja

3/ Za določitev moči:

  • n: velikost vzorca
  • λ0: hipotetična stopnja pojavljanja
  • λ: primerjalna stopnja pojavljanja, tako da je εmin = λ – λ0

Področje uporabe: binarna metrika (Y), ki sledi binomski porazdelitvi. Na primer: opuščeni klici, napačni računi, poškodovani deli itd.

Tukaj določimo cilj zmanjšanja deleža, ki je potreben za dosego cilja zmanjšanja stopnje napak.

Vnesite naslednje podatke:

  • πi: začetna stopnja napak
  • τred.: želeno zmanjšanje stopnje napak

Področje uporabe: binarna meritev (Y), ki sledi binomski porazdelitvi. Na primer: zapuščeni klici, nepravilni računi, poškodovani deli itd.

Tukaj določimo najmanjšo velikost vzorca, potrebno za zaznavanje zmanjšanja deleža, ki bi doseglo ciljno zmanjšanje stopnje napak.

Vnesite naslednje podatke:

  • α: tveganje napačnega zaključka, da zahtevani učinek obstaja
  • β: tveganje, da zahtevanega učinka ne zaznamo
  • Di: začetna stopnja napak
  • Dc: ciljna stopnja napak

Področje uporabe: binarna meritev (Y), ki sledi binomski porazdelitvi. Na primer: zapuščeni klici, nepravilni računi, poškodovani deli itd.

Tukaj določimo, ali je mogoče sklepati o zmanjšanju ali povečanju deleža nad ali pod danim pragom iz razlik med deleži, opazovanimi v dveh vzorcih. To običajno preizkuša učinek dveh različnih pogojev delovanja (učinek spremenljivke X, rešitve ipd.). Uporabljeni preizkus je

preizkus dveh deležev

.

Vnesite naslednje podatke:

  • n1 in n2: velikost posameznega vzorca
  • D1 in D2: število preštetih enot z napako v vsakem vzorcu
  • α: tveganje, da pravi učinek pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja
  • Emin: prag iskanega učinka, π2 – π1

Področje uporabe: binarna meritev (Y), ki sledi binomski porazdelitvi. Na primer: zapuščeni klici, nepravilni računi, poškodovani deli itd.

Tukaj določimo za preizkus dveh deležev:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje zmanjšanja ali povečanja deleža nad danim pragom
  • Najmanjše zaznavno zmanjšanje ali povečanje deleža (ločljivost) za dane vzorce
  • Moč za zaznavanje učinka na delež nad ali pod danim pragom za dane vzorce

Vnesite naslednje podatke:

1/ Za določitev velikosti vzorca:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • π1: referenčni delež
  • π2: primerjalni delež, ki ustreza pragu učinka za zaznavanje, Emin = π2 – π1

2/ Za določitev najmanjšega zaznavnega učinka:

  • α: tveganje napačnega zaznavanja učinka
  • β: tveganje, da učinka ne zaznamo
  • n1 in n2: velikost posameznega vzorca
  • π1: referenčni delež

3/ Za določitev moči:

  • n1 in n2: velikost posameznega vzorca
  • π1: referenčni delež
  • π2: primerjalni delež, ki ustreza pragu učinka za zaznavanje, Emin = π2 – π1

Področje uporabe: binarna metrika kakovosti (Y), ki sledi binomski porazdelitvi. Na primer: opuščeni klici, napačni računi, poškodovani deli itd.

Tukaj določamo, ali se delež razlikuje od svoje hipotetične vrednosti, na podlagi deleža, opazovanega v vzorcu. Uporabljeni test je test enega deleža.

Vnesite naslednje podatke:

  • π0: hipotetična vrednost deleža
  • n: velikost vzorca
  • D: število preštetih enot z napako v vzorcu
  • α: tveganje, da pravo povprečje pade zunaj izračunanega intervala zaupanja; vnesite 5 % za 95-% interval zaupanja

Področje uporabe: binarna metrika kakovosti (Y), ki sledi binomski porazdelitvi. Na primer: opuščeni klici, napačni računi, poškodovani deli itd.

Tukaj določimo za preizkus enega deleža:

  • Najmanjšo velikost vzorca, potrebno za zaznavanje, ali je delež nad ali pod svojo hipotetično vrednostjo
  • Najmanjše zaznavno odstopanje med deležem in njegovo hipotetično vrednostjo za dani vzorec
  • Moč za zaznavanje odstopanja med deležem in njegovo hipotetično vrednostjo za dani vzorec

Vnesite naslednje podatke:

1/ Za velikost vzorca:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • π0: hipotetični delež
  • π: primerjalni delež, tako da je εmin = π – π0

2/ Za najmanjše zaznavno odstopanje:

  • α: tveganje napačnega zaznavanja odstopanja
  • β: tveganje, da odstopanja ne zaznamo
  • n: velikost vzorca
  • π0: hipotetični delež

3/ Za moč:

  • n: velikost vzorca
  • π0: hipotetični delež
  • π: primerjalni delež, tako da je εmin = π – π0
enENarARcsCSdaDAdeDEesESfiFIfrFRitITnlNLnoNOplPLpt-brPTpt-ptPTskSKslSLsvSVtrTR
No results