İstatistiksel Düşünce İle Operational Excellence

Çevrim içi istatistiksel analiz yazılımımız Statoscopex'i keşfedin. Bir veri kümesinin karar alma potansiyelini değerlendirmek ve bundan tam olarak yararlanmak isteyen Six Sigma ve istatistiksel analiz uygulayıcılarına yöneliktir.

Hesaplayıcılara erişin

Statoscopex, Six Sigma ve istatistik uygulayıcılarının etkili faktörleri belirlemesine, bunların etkilerini nicelleştirmesine ve pratik uygunluklarını değerlendirmesine yardımcı olarak daha bilinçli iyileştirme kararları alınmasını sağlar.

Youri Buffe

Master Black Belt

İstatistiksel Çalışmalarınız İçin Gelişmiş Özellikler

Statoscopex 'den fazla sunar 50 analizve 100 istatistiksel hesaplamayeterlilik çalışması ve faktör analizi işlevleri aracılığıyla şunları içerir:

Yeterlilik Çalışması

Şu metrikler için: sürekli, sayma, ikili.

Bir sürecin hata oranının istatistiksel kesinliğinin belirlenmesi
Bir sürecin hata oranını tahmin etmek için gerekli minimum örneklem büyüklüğünün belirlenmesi

İstatistiksel parametrenin tahmini

Şu parametreler için: ortalama, standard sapma, gerçekleşme oranı, oran.

Parametrenin güven aralığının belirlenmesi
İstatistiksel parametreyi belirli bir kesinlikle tahmin etmek için gerekli minimum örneklem büyüklüğünün belirlenmesi

Faydalı etki

Şu parametreler için: ortalama, standard sapma, gerçekleşme oranı, oran.

Hata oranını azaltma hedefinin, istatistiksel parametre üzerindeki hedef etki cinsinden ifade edilmesi.
Hata oranını azaltma hedefine ulaşan istatistiksel parametre üzerindeki etkiyi tespit etmek için gerekli minimum örneklem büyüklüğünün belirlenmesi.

Bir etkinin tespiti

Şu parametreler için: ortalama, standard sapma, gerçekleşme oranı, oran.

Bir eşik değerin altında veya üstünde bir etkinin varlığının tespiti
En az belirli bir büyüklükteki bir etkiyi tespit etmek için gerekli minimum örneklem büyüklüğünün belirlenmesi
İki örneklem kullanarak tespit edilebilecek en küçük etkinin belirlenmesi (çözünürlük)
Örneklemler kullanarak bir eşik değerin altında veya üstündeki bir etkinin tespit gücünün belirlenmesi.

Kullanılan teknikler: iki örneklemli t-testi, iki varyans testi, iki örneklemli Poisson testi, iki oran testi

Hedef sapmasının tespiti

Şu parametreler için: ortalama, standard sapma, gerçekleşme oranı, oran.

Bir parametrenin referans değerinden farklı olup olmadığının tespiti
Bir parametrenin referans değerinden farklı olup olmadığını tespit etmek için gerekli minimum örneklem büyüklüğünün belirlenmesi
Bir örneklem kullanarak bir parametrenin değeri ile referans değeri arasındaki tespit edilebilir en küçük farkın belirlenmesi (çözünürlük)
Bir örneklem kullanarak bir parametrenin referans değerinden sapmasının tespit gücünün belirlenmesi

Kullanılan teknikler: tek örneklemli t-testi, varyans testi, tek örneklemli Poisson testi, oran testi.

Statoscopex Çalışması

Statoscopex, dört istatistiksel parametre üzerinde yeterlilik çalışmaları ve faktöriyel analiz gerçekleştirir. Hesaplayıcılarına gitmek için bir aile seçin.

Yeterlilik Çalışması

Statoscopex; ortalama, standard sapma, gerçekleşme oranı ve oranı tek bir görünümde tahmin ederek tam yeterlilik analizi gerçekleştirir.

6 hesaplayıcı

Aç

→

Ortalama Çalışması

Süreç ortalaması üzerindeki değişimlerin veya etkilerin hassas analizi, hipotez testi ve tespiti için özel modül.

8 hesaplayıcı

Aç

→

Standard Sapma Çalışması

Değişkenliğe odaklanan araçlar: çalışma, test etme ve beklenen standard sapmadan olan değişiklikleri veya sapmaları tespit etme.

6 hesaplayıcı

Aç

→

Gerçekleşme Oranı Çalışması

Sayıma dayalı veya olay oranlarını analiz eder, hedef orandan sapmaları tespit eder ve güç hesaplamasıyla gerçekleşme parametrelerini tahmin eder.

6 hesaplayıcı

Aç

→

Oran Çalışması

Sapma tespiti, güven aralıkları ve etki büyüklüğü değerlendirmesi dahil olmak üzere ikili sonuçların veya oranların özel analizi.

6 hesaplayıcı

Aç

→

Hesaplayıcılar

Her Statoscopex analizi tam burada çalışır. İhtiyacınız olanı açın; her panel kendi formunu içerir ve sonuçlar anında görünür.

Yeterlilik çalışması

6 hesaplayıcı

Sürekli metrik — Hata oranı ve kesinlik

Sürecin beklenen hata oranı ve bu tahminin istatistiksel kesinliği.

Uygulama alanı: normal dağılıma uyan sürekli bir kalite metriği (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada bir örneklemde gözlemlenen değerlerden yola çıkarak beklenen (olasılıksal) kusur oranını belirleriz. Hesaplama aynı zamanda bu beklenen kusur oranı üzerindeki hata payını (istatistiksel hassasiyet) verir.

Aşağıdaki verileri girin:

n: örneklem büyüklüğü
Xbar: örneklem ortalaması
s: örneklem standart sapması
LSL: alt şartname limiti
USL: üst şartname limiti

Sürekli metrik — Minimum örneklem büyüklüğü

Parametreyi verilen bir kesinlikte tahmin etmek için gereken örneklem büyüklüğü.

Uygulama alanı: normal dağılıma uyan sürekli bir kalite metriği (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada beklenen kusur oranını kabul edilebilir bir hata payı (istatistiksel hassasiyet) dâhilinde bilmek için alınması gereken minimum örneklem büyüklüğünü belirleriz.

Aşağıdaki verileri girin:

Göreceli hata payı: kusur oranındaki kabul edilebilir % hata
Varsayılan performans: operasyonel performansın kusur oranı veya Sigma olarak ifade edilen bir büyüklük mertebesi tahmini

Sayma metriği — Hata oranı ve kesinlik

Sürecin beklenen hata oranı ve bu tahminin istatistiksel kesinliği.

Uygulama alanı: Poisson dağılımına uyan sayıma dayalı bir kalite metriği (Y). Örneğin: bilgisayar başına kusur sayısı, telefon görüşmesi başına bekletme sayısı, belge başına hata sayısı vb.

n: örneklem büyüklüğü
λ̂: örneklemdeki gerçekleşme oranı; tipik olarak birim başına kusur sayısı (DPU).

Sayma metriği — Minimum örneklem büyüklüğü

Parametreyi verilen bir kesinlikte tahmin etmek için gereken örneklem büyüklüğü.

Burada beklenen kusur oranını kabul edilebilir bir hata payı (istatistiksel hassasiyet) dâhilinde bilmek için alınması gereken minimum örneklem büyüklüğünü belirleriz (normal yaklaşım yöntemi).

Aşağıdaki verileri girin:

Göreceli hata payı: kusur oranındaki kabul edilebilir % hata
Varsayılan performans: operasyonel performansın kusur oranı veya Sigma olarak ifade edilen bir büyüklük mertebesi tahmini

İkili metrik — Hata oranı ve kesinlik

Sürecin beklenen hata oranı ve bu tahminin istatistiksel kesinliği.

Uygulama alanı: binom dağılımına uyan ikili (binary) bir kalite metriği (Y). Örneğin: yarıda kesilen aramalar, hatalı faturalar, kusurlu parçalar vb.

n: örneklem büyüklüğü
p: örneklemdeki kusurlu birimlerin oranı

Örneklemde hiç kusurlu birim gözlemlenmediyse p değerini 1/(n+2) olarak girin.

İkili metrik — Minimum örneklem büyüklüğü

Parametreyi verilen bir kesinlikte tahmin etmek için gereken örneklem büyüklüğü.

Uygulama alanı: binom dağılımına uyan ikili (binary) bir kalite metriği (Y). Örneğin: yarıda kesilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Aşağıdaki verileri girin:

Göreceli hata payı: kusur oranındaki kabul edilebilir % hata
Varsayılan performans: operasyonel performansın kusur oranı veya Sigma olarak ifade edilen bir büyüklük mertebesi tahmini

Ortalama

8 hesaplayıcı

Tahmin — Güven aralığı

Gözlemlenen bir örneklemden parametrenin güven aralığı.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada bir örneklemde gözlemlenen değerlerden yola çıkarak µ ortalamasının 1-α güven aralığını belirleriz.

Aşağıdaki verileri girin:

α: ortalamanın gerçek değerinin güven aralığının dışında kalma riski. %95'lik bir güven aralığı için α = %5 girin
n: örneklem büyüklüğü
Xbar: örneklem ortalaması
σ veya s: gerçek standart sapma (biliniyorsa) veya örneklem standart sapması

Tahmin — Minimum örneklem büyüklüğü

Parametreyi verilen bir kesinlikte tahmin etmek için gereken örneklem büyüklüğü.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada µ ortalamasını seçilen bir hata payı (istatistiksel hassasiyet) dâhilinde bilmek için alınması gereken minimum örneklem büyüklüğünü belirleriz.

Aşağıdaki verileri girin:

σ veya s: gerçek standart sapma (biliniyorsa) veya örneklem standart sapması
Hata payı: ortalamanın 1-α güven aralığının istenen yarı genişliği
α: ortalamanın gerçek değerinin güven aralığının dışında kalma riski. Dolayısıyla hata payının 1-α güven düzeyini belirler. %95'lik bir güven aralığı için α = %5 girin

Faydalı etki — Hedeflenen etki

Hata oranı azaltma hedefini parametre üzerinde gereken etkiye dönüştürür.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada kusur oranındaki hedef azaltmayı karşılamak için sabit standart sapmada ortalamada gereken kaymayı belirleriz.

Aşağıdaki verileri girin:

Özet hesaplama (başlangıçtaki kusur oranını zaten biliyorsanız):

Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı
σ: Y'nin standart sapması

Detaylı hesaplama:

LSL: alt şartname limiti
USL: üst şartname limiti
µi: başlangıçtaki (mevcut) ortalama
σ: Y'nin standart sapması
τred. (%): kusur oranında istenen azalma

Faydalı etki — Hedef için örneklem büyüklüğü

Hedefe ulaşan etkiyi tespit etmek için gereken minimum örneklem büyüklüğü.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada sabit standart sapmada kusur oranındaki hedef azaltmayı karşılayacak ortalamadaki kaymayı tespit etmek için gereken minimum örneklem büyüklüğünü belirleriz.

Aşağıdaki verileri girin:

α: gereken etkinin var olduğu yönünde yanlış bir sonuca varma riski
β: gereken etkiyi tespit edememe riski
Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı

Bir etkinin tespiti — Etki testi

İki örneklem arasında gözlemlenen bir etkinin gerçek ve seçilen bir eşikten büyük olup olmadığını test eder.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada iki örneklemde gözlemlenen ortalamalar arasındaki farklardan yola çıkarak ortalamada belirli bir eşiğin üzerinde veya altında bir kayma olup olmadığı sonucuna varılıp varılamayacağını belirleriz. Bu genellikle iki farklı çalışma koşulunun etkisini (bir X'in, bir çözümün vb. etkisini) test eder. Burada kullanılan test iki örneklemli t-testidir.

Aşağıdaki verileri girin:

n1 ve n2: her bir örneklemin büyüklüğü
Xbar1 ve Xbar2: her bir örneklemdeki Y'nin ortalaması
s1 ve s2: her bir örneklemdeki Y'nin standart sapması
α: gerçek etkinin hesaplanan güven aralığının dışında kalma riski; %5'lik bir güven aralığı için %95 girin
Emin: aranan etkinin eşiği

Bir etkinin tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada iki örneklemli t-testi için aşağıdakileri belirleriz:

Ortalamada belirli bir eşiğin üzerindeki bir kaymayı tespit etmek için gereken minimum örneklem büyüklüğü
The smallest detectable shift in the mean (resolution) for given samples
The power to detect a shift in the mean above or below a given threshold, for given samples

Aşağıdaki verileri girin:

1/ For the sample size:

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
σ: standard deviation (known or estimated)
Emin to detect: the minimum (useful) effect you want to detect

2/ For the minimum detectable effect:

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
n1 ve n2: her bir örneklemin büyüklüğü
σ1 and σ2: the standard deviation of each sample, if not otherwise known

3/ For the power:

n1 ve n2: her bir örneklemin büyüklüğü
σ1 and σ2: the standard deviation of each sample, if not otherwise known
Emin to detect: the minimum (useful) effect you want to detect

Hedef sapmasının tespiti — Sapma testi

Referans değerden gözlemlenen bir sapmanın gerçek ve dikkate alınacak kadar büyük olup olmadığını test eder.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Here we determine whether a mean differs from its hypothesised value, from the mean observed in a sample. The test used here is the

test t à un échantillon.

Aşağıdaki verileri girin:

µ0: the hypothesised value of the mean
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

Hedef sapmasının tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

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: standard deviation (known or estimated)
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 sapma

6 hesaplayıcı

Tahmin — Güven aralığı

Gözlemlenen bir örneklemden parametrenin güven aralığı.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

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

Aşağıdaki verileri girin:

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: örneklem büyüklüğü

Tahmin — Minimum örneklem büyüklüğü

Parametreyi verilen bir kesinlikte tahmin etmek için gereken örneklem büyüklüğü.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

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).

Aşağıdaki verileri girin:

s: the standard deviation of Y in the sample
Hata payı: ortalamanın 1-α güven aralığının istenen yarı genişliği
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%

Faydalı etki — Hedeflenen etki

Hata oranı azaltma hedefini parametre üzerinde gereken etkiye dönüştürür.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

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

Aşağıdaki verileri girin:

Özet hesaplama (başlangıçtaki kusur oranını zaten biliyorsanız):

Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı

Detaylı hesaplama:

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. (%): kusur oranında istenen azalma

Bir etkinin tespiti — Etki testi

İki örneklem arasında gözlemlenen bir etkinin gerçek ve seçilen bir eşikten büyük olup olmadığını test eder.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

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

iki varyans testi (F testi)

Aşağıdaki verileri girin:

n1 ve n2: her bir örneklemin büyüklüğü
s1 ve s2: her bir örneklemdeki Y'nin standart sapması
α: gerçek etkinin hesaplanan güven aralığının dışında kalma riski; %5'lik bir güven aralığı için %95 girin
Emin: aranan etkinin eşiği

Bir etkinin tespiti — Örneklem büyüklüğü ve çözünürlük

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü ve verilen bir örneklemin tespit edebileceği en küçük etki.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada, iki varyanslı bir test (F testi) için şunları belirliyoruz:

Standart sapmada belirli bir eşiğin üzerindeki veya altındaki bir azalışı ya da artışı tespit etmek için gereken minimum örneklem boyutu
Belirli örneklemler için standart sapmadaki tespit edilebilir en küçük azalma (çözünürlük)

Hesaplamalarda gücün %79.16 ve α = %5 olduğu varsayılır.

Aşağıdaki verileri girin:

1/ Örneklem boyutu için: E

_min

tespit edilmek istenen: tespit etmek istediğiniz minimum (faydalı) etki

2/ Minimum tespit edilebilir etki için: n1 ve n2: her bir örneklemin boyutu

Hedef sapmasının tespiti — Sapma testi

Referans değerden gözlemlenen bir sapmanın gerçek ve dikkate alınacak kadar büyük olup olmadığını test eder.

Uygulama alanı: normal dağılıma uyan sürekli bir metrik (Y). Örneğin: süre, sıcaklık, boyut vb.

Burada, standart sapmanın hipotez edilen değerinden veya örneklemde gözlemlenen standart sapmadan farklı olup olmadığını belirliyoruz. Burada kullanılan test tek varyans testidir (F testi).

Aşağıdaki verileri girin:

σ0: standart sapmanın hipotez edilen değeri
n: the sample size
Xbar: the mean of Y calculated in the sample
s: örneklemde hesaplanan Y standart sapması
α: gerçek standart sapmanın hesaplanan güven aralığının dışında kalma riski; %5 güven aralığı için %95 girin

Gerçekleşme oranı

6 hesaplayıcı

Faydalı etki — Hedeflenen etki

Hata oranı azaltma hedefini parametre üzerinde gereken etkiye dönüştürür.

Burada, kusur oranındaki hedef azaltmayı karşılamak için gereken olay sıklığı oranındaki azalmayı belirliyoruz.

Aşağıdaki verileri girin:

Özet hesaplama (başlangıçtaki kusur oranını zaten biliyorsanız):

Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı

Detaylı hesaplama:

λi: başlangıçtaki (mevcut) olay sıklığı oranı
τred. (%): kusur oranında istenen azalma

Faydalı etki — Hedef için örneklem büyüklüğü

Hedefe ulaşan etkiyi tespit etmek için gereken minimum örneklem büyüklüğü.

Burada, kusur oranındaki hedef azaltmayı karşılayacak olan olay sıklığı oranındaki azalmayı tespit etmek için gereken minimum örneklem boyutunu belirliyoruz.

Aşağıdaki verileri girin:

α: gereken etkinin var olduğu yönünde yanlış bir sonuca varma riski
β: gereken etkiyi tespit edememe riski
Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı

Bir etkinin tespiti — Etki testi

İki örneklem arasında gözlemlenen bir etkinin gerçek ve seçilen bir eşikten büyük olup olmadığını test eder.

Burada, iki örneklemde gözlemlenen olay sıklığı oranları arasındaki farklardan hareketle, olay sıklığı oranında belirli bir eşiğin üzerinde veya altında bir azalış ya da artış olduğu sonucuna varılıp varılamayacağını belirliyoruz. Bu genellikle iki farklı çalışma koşulunun etkisini (bir X'in, bir çözümün vb. etkisini) test eder. Burada kullanılan test iki örneklemli Poisson testidir.

Aşağıdaki verileri girin:

n1 ve n2: her bir örneklemin büyüklüğü
d1 ve d2: her bir örneklemde sayılan kusur sayısı
α: gerçek etkinin hesaplanan güven aralığının dışında kalma riski; %5'lik bir güven aralığı için %95 girin
Emin: aranan etkinin eşiği, λ2 – λ1

Bir etkinin tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

Uygulama alanı: Poisson dağılımına uyan sayım kalitesi metriği (Y). Örneğin: PC başına kusur sayısı, telefon görüşmesi başına beklemeye alma sayısı, belge başına hata sayısı vb.

Burada, iki örneklemli bir Poisson testinin uygulanması kapsamında şunları belirliyoruz:

Olay sıklığı oranında belirli bir eşiğin üzerindeki bir azalışı veya artışı tespit etmek için gereken minimum örneklem boyutu
Belirli örneklemler için olay sıklığı oranındaki tespit edilebilir en küçük azalış veya artış
Belirli örneklemler için olay sıklığı oranında belirli bir eşiğin üzerindeki veya altındaki bir azalışı ya da artışı tespit etme gücü

Introduire les données suivantes :

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

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
λ1: referans olay sıklığı oranı
λ2: tespit edilecek etki eşiğine karşılık gelen karşılaştırma olay sıklığı oranı, Emin = λ2 – λ1

2/ Minimum tespit edilebilir etkinin belirlenmesi için:

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
n1 ve n2: her bir örneklemin büyüklüğü
λ1: referans olay sıklığı oranı

3/ Pour la détermination de la puissance :

n1 ve n2: her bir örneklemin büyüklüğü
λ1: referans olay sıklığı oranı
λ2: tespit edilecek etki eşiğine karşılık gelen karşılaştırma olay sıklığı oranı, Emin = λ2 – λ1

Hedef sapmasının tespiti — Sapma testi

Referans değerden gözlemlenen bir sapmanın gerçek ve dikkate alınacak kadar büyük olup olmadığını test eder.

Uygulama alanı: Poisson dağılımına uyan sayım metriği (Y). Örneğin: PC başına kusur sayısı, telefon görüşmesi başına beklemeye alma sayısı, belge başına hata sayısı vb.

Burada, bir örneklemde gözlemlenen olay sıklığı oranından hareketle, olay sıklığı oranının hipotez edilen değerinden farklı olup olmadığını belirliyoruz. Burada uygulanan test tek örneklemli Poisson testidir.

Introduire les données suivantes :

λ0: olay sıklığı oranının hipotez edilen değeri
n: the sample size
d: örneklemde sayılan kusur sayısı
α: the risk that the true mean falls outside the calculated confidence interval; enter 5% for a 95% confidence interval

Hedef sapmasının tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

Uygulama alanı: Poisson dağılımına uyan sayım metriği (Y). Örneğin: PC başına kusur sayısı, telefon görüşmesi başına beklemeye alma sayısı, belge başına hata sayısı vb.

Burada, tek örneklemli bir Poisson testinin uygulanması kapsamında şunları belirliyoruz:

Olay sıklığı oranının hipotez edilen değerinin üzerinde mi yoksa altında mı olduğunu tespit etmek için gereken minimum örneklem boyutu
Belirli örneklemler için olay sıklığı oranı ile hipotez edilen değeri arasındaki tespit edilebilir en küçük sapma
Belirli örneklemler için olay sıklığı oranı ile hipotez edilen değeri arasındaki sapmayı tespit etme gücü

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: hipotez edilen olay sıklığı oranı
λ: εmin = λ – λ0 olacak şekilde karşılaştırma olay sıklığı oranı

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: hipotez edilen olay sıklığı oranı

3/ Pour la détermination de la puissance :

n: the sample size
λ0: hipotez edilen olay sıklığı oranı
λ: εmin = λ – λ0 olacak şekilde karşılaştırma olay sıklığı oranı

Oran

6 hesaplayıcı

Faydalı etki — Hedeflenen etki

Hata oranı azaltma hedefini parametre üzerinde gereken etkiye dönüştürür.

Uygulama alanı: Binom dağılımına uyan ikili (binary) metrik (Y). Örneğin: yarım bırakılan aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, kusur oranını azaltma hedefini gerçekleştirmek için gereken oran azaltma hedefini belirliyoruz.

Introduire les données suivantes :

πi: başlangıçtaki kusur oranı
τred.: kusur oranında istenen azalma

Faydalı etki — Hedef için örneklem büyüklüğü

Hedefe ulaşan etkiyi tespit etmek için gereken minimum örneklem büyüklüğü.

Uygulama alanı: ikili dağılım gösteren ikili bir nitel değişken (Y). Örneğin: terk edilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, kusur oranındaki hedef azaltmayı karşılayacak orandaki düşüşü tespit etmek için gereken minimum örneklem büyüklüğünü belirliyoruz.

Aşağıdaki verileri girin:

α: gereken etkinin var olduğu yönünde yanlış bir sonuca varma riski
β: gereken etkiyi tespit edememe riski
Di: başlangıçtaki kusur oranı
Dc: hedef kusur oranı

Bir etkinin tespiti — Etki testi

İki örneklem arasında gözlemlenen bir etkinin gerçek ve seçilen bir eşikten büyük olup olmadığını test eder.

Uygulama alanı: ikili dağılım gösteren ikili bir nitel değişken (Y). Örneğin: terk edilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, iki örneklemde gözlemlenen oranlar arasındaki farklardan, orandaki belirli bir eşiğin üzerindeki veya altındaki bir azalış ya da artış sonucuna varılıp varılamayacağını belirliyoruz. Bu genellikle iki farklı çalışma koşulunun etkisini (bir X'in, bir çözümün vb. etkisini) test eder. Burada kullanılan test

iki oran testi

Aşağıdaki verileri girin:

n1 ve n2: her bir örneklemin büyüklüğü
D1 ve D2: her bir örneklemde sayılan kusurlu birim sayısı
α: gerçek etkinin hesaplanan güven aralığının dışında kalma riski; %5'lik bir güven aralığı için %95 girin
Emin: aranan etkinin eşiği, π2 – π1

Bir etkinin tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

Uygulama alanı: ikili dağılım gösteren ikili bir nitel değişken (Y). Örneğin: terk edilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, iki oranlı bir test için şunları belirliyoruz:

Oranda belirli bir eşiğin üzerindeki bir azalışı veya artışı tespit etmek için gereken minimum örneklem büyüklüğü
Verilen örneklemler için orandaki tespit edilebilir en küçük azalış veya artış (çözünürlük)
Verilen örneklemler için oranda belirli bir eşiğin üzerindeki veya altındaki bir etkiyi tespit etme gücü

Introduire les données suivantes :

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

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
π1: referans oranı
π2: tespit edilecek etki eşiğine karşılık gelen karşılaştırma oranı, Emin = π2 – π1

2/ Minimum tespit edilebilir etkinin belirlenmesi için:

α: the risk of wrongly detecting an effect
β: the risk of not detecting the effect
n1 ve n2: her bir örneklemin büyüklüğü
π1: referans oranı

3/ Pour la détermination de la puissance :

n1 ve n2: her bir örneklemin büyüklüğü
π1: referans oranı
π2: tespit edilecek etki eşiğine karşılık gelen karşılaştırma oranı, Emin = π2 – π1

Hedef sapmasının tespiti — Sapma testi

Referans değerden gözlemlenen bir sapmanın gerçek ve dikkate alınacak kadar büyük olup olmadığını test eder.

Uygulama alanı: ikili dağılım gösteren ikili nitel kalite değişkeni (Y). Örneğin: terk edilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, tek bir örneklemde gözlemlenen orandan yola çıkarak, bir oranın hipotez edilen değerinden farklı olup olmadığını belirliyoruz. Burada uygulanan test tek oran testidir.

Introduire les données suivantes :

π0: oranın hipotez edilen değeri
n: the sample size
D: örneklemde sayılan kusurlu birim sayısı
α: the risk that the true mean falls outside the calculated confidence interval; enter 5% for a 95% confidence interval

Hedef sapmasının tespiti — Örneklem büyüklüğü, çözünürlük ve güç

Belirli büyüklükteki bir etki için minimum örneklem büyüklüğü, tespit edilebilir en küçük etki ve tespit gücü.

Uygulama alanı: binom dağılımına uyan ikili (binary) bir kalite metriği (Y). Örneğin: yarıda kesilen aramalar, hatalı faturalar, kusurlu parçalar vb.

Burada, tek oran testi için şunları belirliyoruz:

Oranın hipotez edilen değerinin üzerinde veya altında olup olmadığını tespit etmek için gereken minimum örneklem büyüklüğü
Verilen bir örneklem için, oran ile hipotez edilen değeri arasındaki tespit edilebilir en küçük sapma
Verilen bir örneklem için, oran ile hipotez edilen değeri arasındaki sapmayı tespit etme gücü

Aşağıdaki verileri girin:

1/ For the sample size:

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
π0: hipotez edilen oran
π: εmin = π – π0 olacak şekilde karşılaştırma oranı

2/ Tespit edilebilir minimum sapma için:

α: the risk of wrongly detecting a deviation
β: the risk of not detecting the deviation
n: the sample size
π0: hipotez edilen oran

3/ For the power:

n: the sample size
π0: hipotez edilen oran
π: εmin = π – π0 olacak şekilde karşılaştırma oranı