Was sagen Ihnen Ihre Daten wirklich?

Zeigt über proportionale Kreissegmente, wie sich ein Ganzes auf Kategorien aufteilt.

Vergleicht kategoriale oder diskrete Werte über Balken, deren Länge die jeweilige Größe widerspiegelt.

Ordnet Probleme oder Ursachen nach Häufigkeit, um die wenigen entscheidenden Treiber hervorzuheben.

Stellt eine Verteilung über ihre Quartile, den Median, die Streuung und Ausreißer dar.

Visualisiert über die Farbintensität, wo sich Datenpunkte in einem zweidimensionalen Raum konzentrieren.

Stellt den Zusammenhang zwischen zwei stetigen Variablen als Punkte in einer Ebene dar.

Stellt zwei Variablen gegeneinander dar, mit einem Histogramm, Boxplot, Violinplot oder Punktdiagramm an jeder Achse, und zeigt so ihren Zusammenhang und die Verteilung jeder Variablen.

Quantifiziert Stärke und Richtung linearer Zusammenhänge zwischen Variablen.

Stellt Datenpunkte über drei Achsen dar, um Zusammenhänge zwischen drei Variablen zu zeigen.

Transformiert Daten in Richtung Normalverteilung vor einer Fähigkeitsanalyse oder Regelkartenführung.

Wandelt nicht normalverteilte Daten in Richtung Normalverteilung um für Analysen, die dies erfordern.

Verfolgt Mittelwerte und Spannweiten der Untergruppen, um die Prozessstabilität bei variablen Daten zu überwachen.

Überwacht den Mittelwert der Untergruppen über die Zeit, um Mittelwertverschiebungen zu erkennen.

Überwacht die Streuung innerhalb der Untergruppen durch Darstellung der Spannweite jeder Untergruppe.

Überwacht Mittelwerte und Standardabweichungen der Untergruppen bei variablen Daten mit größerem Stichprobenumfang.

Überwacht die Streuung innerhalb der Untergruppen durch Darstellung der Standardabweichungen der Untergruppen.

Verfolgt gemeinsam die Streuung von Einzelwerten sowie zwischen und innerhalb der Untergruppen.

Überwacht Einzelmesswerte und ihre gleitende Spannweite bei Prozessen mit Einzelwerten.

Bewertet die Kurzzeitfähigkeit einer Maschine gegenüber ihren Spezifikationen gemäß ISO 22514-3.

Bestimmt, wie gut die Prozessausgabe die Kundenspezifikationen erfüllt, wenn die Daten annähernd normalverteilt sind.

Bewertet die Prozessfähigkeit, wenn die Daten keiner Normalverteilung folgen.

Beurteilt die Prozessfähigkeit, ohne eine bestimmte Datenverteilung vorauszusetzen.

Vergleicht die Fähigkeit mehrerer Prozessvariablen nebeneinander, wenn die Daten normalverteilt sind.

Berechnet einen gemeinsamen Fähigkeitsindex für zwei oder mehr korrelierte Merkmale, die als ein einziger multivariater Prozess behandelt werden.

Beurteilt Stabilität, Fähigkeit und Normalität gemeinsam für Daten, die als Einzelwerte oder in Untergruppen erfasst wurden.

Prüft Prozessstabilität und -fähigkeit, wenn sich die Streuung zwischen den Untergruppen unterscheidet.

Berechnet Fähigkeitsindizes für einen Prozess mit systematischer Streuung zwischen den Untergruppen.

Beurteilt die inhärente Wiederholpräzision und den Bias eines Prüfmittels anhand wiederholter Messungen eines Teils.

Bewertet die Genauigkeit eines Messgeräts über seinen Arbeitsbereich.

Erzeugt ein randomisiertes Erfassungsarbeitsblatt für eine Gage-R&R-Studie.

Quantifiziert die Messstreuung durch Prüfer und Prüfmittel, die dieselben Teile messen.

Führt eine gekreuzte Gage R&R mit einem optionalen dritten Zufallsfaktor, etwa Prüfmittel oder Vorrichtung, mithilfe von Varianzkomponenten durch.

Stellt jede Messung nach Teil dar, mit einem Feld je Prüfer, als schnelle visuelle Kontrolle vor einer vollständigen Gage R&R.

Beurteilt die Streuung des Messsystems, wenn jeder Prüfer jedes Teil misst, wobei die Daten im Format des AIAG MSA-Handbuchs erfasst werden.

Beurteilt die Streuung des Messsystems, wenn nicht jeder Prüfer jedes Teil messen kann.

Bewertet einen Messprozess mit Wheelers EMP-Methode, gibt die Intraklassenkorrelation aus und stuft das Prüfmittel als Monitor der ersten bis vierten Klasse ein.

Prüft, ob sich ein Stichprobenmittelwert bei bekannter Varianz von einem bekannten Mittelwert der Grundgesamtheit unterscheidet.

Prüft anhand von Kennzahlen, ob sich ein Mittelwert der Grundgesamtheit bei bekannter Standardabweichung von einem Sollwert unterscheidet.

Vergleicht einen Stichprobenmittelwert mit einem Sollwert, wenn die Standardabweichung der Grundgesamtheit unbekannt ist.

Prüft anhand von Kennzahlen, ob sich ein Mittelwert der Grundgesamtheit bei unbekannter Standardabweichung von einem Sollwert unterscheidet.

Prüft, ob sich die Mittelwerte zweier unabhängiger Gruppen signifikant unterscheiden.

Vergleicht die Mittelwerte zweier unabhängiger Gruppen anhand von Kennzahlen statt Rohdaten.

Prüft auf einen signifikanten Unterschied zwischen den Mittelwerten zweier verbundener Gruppen.

Führt einen gepaarten t-Test anhand der Anzahl der Paare sowie des Mittelwerts und der Standardabweichung der Differenzen durch.

Prüft, ob zwei verbundene Verfahren ausreichend ähnliche Ergebnisse liefern, um als äquivalent zu gelten.

Prüft, ob sich die Mittelwerte von drei oder mehr unabhängigen Gruppen signifikant unterscheiden.

Prüft, ob sich Gruppenmittelwerte unterscheiden, wenn die Zielwerte jeder Gruppe in einer eigenen Spalte stehen.

Prüft, ob zwei oder mehr Gruppen dieselbe Streuung aufweisen.

Zeigt, wie sich der mittlere Zielwert über die Stufen jedes Faktors einer Untersuchung verändert.

Zeigt, ob die Wirkung eines Faktors auf den Zielwert von der Stufe eines anderen Faktors abhängt.

Quantifiziert, wie stark jede Streuungsquelle zur Gesamtstreuung eines Prozesses oder einer Stichprobenmenge beiträgt.

Vergleicht Gruppenmittelwerte und ihre Konfidenzintervalle über die Stufen eines Faktors.

Vergleicht jeden Gruppenmittelwert mit dem Gesamtmittelwert anhand von Entscheidungsgrenzen und markiert die abweichenden Gruppen.

Modelliert einen Zielwert in Abhängigkeit von mehreren kategorialen Faktoren, Kovariaten und Wechselwirkungen, mit ANOVA vom Typ III, Kleinste-Quadrate-Mittelwerten und Post-hoc-Vergleichen.

Passt eine lineare, quadratische oder kubische Linie durch zwei Variablen an, um den Zusammenhang und seine Anpassungsgüte zu zeigen.

Quantifiziert, wie Prädiktoren mit einer stetigen Zielgröße zusammenhängen.

Erzeugt ein Erfassungsarbeitsblatt mit Spalten für Charge, Zeit und Zielwert für eine Stabilitätsstudie.

Schätzt, wie lange ein Produkt über die Zeit innerhalb seiner Qualitätsspezifikationen bleibt.

Schätzt die pharmazeutische Haltbarkeit nach ICH-Q1E-Standards mit Chargen-Poolbarkeit, Temperaturprojektion und Extrapolationsbewertung.

Modelliert Prädiktoren gegen eine geordnete kategoriale Zielgröße mit drei oder mehr Stufen.

Modelliert Prädiktoren gegen eine ungeordnete kategoriale Zielgröße mit drei oder mehr Ausprägungen.

Modelliert, wie Prädiktoren mit einer kategorialen Zielgröße mit zwei Ausprägungen zusammenhängen.

Passt einen Zusammenhang zwischen zwei Variablen an, die beide messfehlerbehaftet sind.

Erstellt und analysiert einen Definitive-Screening-Versuch, um unter bis zu 48 Faktoren die signifikanten zu finden.

Erzeugt einen faktoriellen Versuchsplan und analysiert Faktor- und Wechselwirkungseffekte.

Plant und analysiert Versuche, bei denen die Faktoren Zutatenanteile sind, die sich zu einer Konstante summieren.

Erstellt und analysiert einen Taguchi-Versuch mit orthogonalem Feld, um Faktoreinstellungen zu finden, die gegenüber Störgrößen robust sind.

Erstellt und analysiert zentral zusammengesetzte, Box-Behnken- oder D-optimale Versuchspläne, um gekrümmte Zielwerte zu modellieren und zu optimieren.

Vergleicht drei oder mehr unabhängige Gruppen, ohne eine Normalverteilung vorauszusetzen.

Berechnet aus allen Wertepaaren Walsh-Mittelwerte, Hodges-Lehmann-Schätzer der Lageverschiebung oder die Theil-Sen-Steigung.

Vergleicht zwei unabhängige Gruppen anhand von Rängen statt anhand von Mittelwerten.

Vergleicht die Mediane von zwei oder mehr Gruppen, indem Werte über und unter dem Gesamtmedian gezählt werden.

Prüft, ob eine Folge von Werten in tatsächlich zufälliger Reihenfolge angeordnet ist.

Vergleicht drei oder mehr verbundene Gruppen über einen nichtparametrischen Rangtest.

Prüft, ob der Median einer Stichprobe einem vorgegebenen Sollwert entspricht.

Prüft anhand von Vorzeichenrängen, ob der Median einer Stichprobe einem Sollwert entspricht.

Reduziert viele korrelierte Variablen auf eine kleinere Menge unkorrelierter Komponenten.

Erklärt die Korrelationen zwischen vielen Variablen durch wenige zugrunde liegende Faktoren, optional mit Varimax-Rotation.

Ordnet Beobachtungen mit linearen oder quadratischen Diskriminanzfunktionen bekannten Gruppen zu und gibt die kreuzvalidierte Trefferquote aus.

Gruppiert Zeilen anhand ihrer Ähnlichkeit über mehrere Variablen in einem Dendrogramm.

Gruppiert Spalten anhand ihrer Korrelation oder Distanz in einem Dendrogramm.

Teilt Beobachtungen in K Cluster auf, die die Streuung innerhalb der Cluster minimieren.

Bildet den Zusammenhang zwischen zwei kategorialen Variablen als Zeilen- und Spaltenpunkte in wenigen Dimensionen ab.

Untersucht die Zusammenhänge zwischen drei oder mehr kategorialen Variablen gleichzeitig.

Misst die interne Konsistenz einer Skala oder eines Tests mit mehreren Items anhand von Cronbachs Alpha.

Bestimmt Stichprobenumfang und Prüfdauer, um ein Zuverlässigkeitsziel bei festgelegtem Konfidenzniveau nachzuweisen.

Bestimmt den Stichprobenumfang und die Prüfdauer, die zur Schätzung von Zuverlässigkeitsparametern erforderlich sind.

Bereitet rohe Garantie-Felddaten für die Zuverlässigkeitsanalyse auf.

Modelliert, wie sich die Ausfallrate eines reparierbaren Systems mit zunehmender Betriebsdauer verändert.

Prognostiziert die zu erwartenden künftigen Garantierückläufe aus einem angepassten Zuverlässigkeitsmodell.

Passt Lebensdauerdaten auf jeder Belastungsstufe an und setzt die Lebensdauer über Arrhenius-, inverse Potenzgesetz- oder lineare Modelle mit der Belastung in Beziehung, um auf Einsatzbedingungen zu extrapolieren.

Simuliert die zu erwartende Präzision einer geplanten beschleunigten Lebensdauerprüfung, bevor sie durchgeführt wird.

Passt gruppierte Erfolgs- und Versuchsanzahlen auf mehreren Belastungsstufen an und schätzt die Belastung für gewählte Ansprechquoten, etwa ED50.

Schätzt die mittlere kumulative Funktion von Reparatur- oder wiederkehrenden Ereignisdaten, ohne ein Modell vorauszusetzen.

Stellt eine gemessene Variable gegen die Zeit dar, um Trends und Veränderungen über einen Zeitraum sichtbar zu machen.

Passt einen linearen, quadratischen, exponentiellen oder S-förmigen Trend an und prognostiziert künftige Werte.

Zerlegt eine saisonale Reihe additiv oder multiplikativ in Trend-, Saison- und Restkomponente.

Glättet eine Reihe mit einem nachlaufenden gleitenden Durchschnitt und prognostiziert künftige Perioden.

Glättet und prognostiziert eine Reihe ohne klaren Trend mit einem einzigen Glättungsgewicht.

Glättet und prognostiziert eine Reihe mit Trend anhand der Niveau- und Trendgewichte nach Holt.

Glättet und prognostiziert eine Reihe mit Trend und Saisonalität.

Berechnet verzögerte Differenzen einer Reihe, zum Beispiel um vor weiteren Analysen einen Trend zu entfernen.

Erzeugt eine verzögerte Kopie einer Reihe und stellt sie neben dem Original dar.

Erstellt AQL-Prüfpläne für attributive Gut/Schlecht-Daten.

Erstellt AQL-Prüfpläne für stetig gemessene Qualitätsmerkmale.

Erstellt einen Annahmestichprobenplan für stetige Messdaten.

Vergleicht Stichprobenpläne anhand ihrer Operationscharakteristik-Kurven nebeneinander.

Wendet einen bestehenden Stichprobenplan für Variablen auf eine Stichprobe von Messwerten an und liefert eine Annahme- oder Rückweisungsentscheidung.

Berechnet aus AQL, RQL sowie Lieferanten- und Abnehmerrisiko einen Einfach-Stichprobenplan (n, c) für die Anzahl fehlerhafter Einheiten.

Vergleicht mehrere attributive Stichprobenpläne (n, c) anhand derselben OC-, AOQ- und ATI-Kurven.

Ermittelt Stichprobenumfang, nachweisbare Differenz oder Trennschärfe aus den jeweils anderen beiden Größen für einen t-Test mit einer Stichprobe.

Ermittelt den Stichprobenumfang, der nötig ist, um einen Mittelwert oder Anteil innerhalb einer angestrebten Fehlertoleranz zu schätzen.

Ermittelt den Stichprobenumfang, den ein normales Toleranzintervall benötigt, um die geforderte Konfidenz und Abdeckung zu erreichen.

Ermittelt Stichprobenumfang, nachweisbare Differenz oder Trennschärfe aus den jeweils anderen beiden Größen für einen z-Test mit einer Stichprobe.

Ermittelt Stichprobenumfang, nachweisbare Differenz oder Trennschärfe aus den jeweils anderen beiden Größen für einen t-Test mit zwei Stichproben.

Ermittelt Stichprobenumfang, nachweisbare gepaarte Differenz oder Trennschärfe aus den jeweils anderen beiden Größen für einen gepaarten t-Test.

Ermittelt Stichprobenumfang je Stufe, nachweisbare Differenz oder Trennschärfe aus den jeweils anderen beiden Größen für eine einfaktorielle ANOVA.

Ermittelt Stichprobenumfang, nachweisbaren Anteil oder Trennschärfe aus den jeweils anderen beiden Größen für einen Test auf einen Anteil.

Ermittelt Stichprobenumfang je Gruppe, nachweisbaren Anteil oder Trennschärfe aus den jeweils anderen beiden Größen für einen Test auf zwei Anteile.

Schätzt die relative Wirksamkeit durch Vergleich der parallelen logarithmischen Dosis-Wirkungs-Geraden einer Prüf- und einer Standardzubereitung.

Schätzt die relative Wirksamkeit aus dem Verhältnis der Dosis-Wirkungs-Steigungen, wenn die Zubereitungen eine gemeinsame Grundreaktion aufweisen.

Kombiniert Wirksamkeitsschätzungen aus mehreren unabhängigen Assays zu einem gewichteten Gesamtergebnis mit Homogenitätsprüfung.

Schätzt die wirksame Dosis und die relative Wirksamkeit, wenn biologische Reaktionen binär statt kontinuierlich sind.

Schätzt die relative Wirksamkeit durch Anpassung einer vier-parametrigen logistischen Sigmoidkurve, geeignet für Immunoassays wie ELISA.

Schätzt die Antibiotika-Wirksamkeit aus den Hemmzonen auf Agarplatten mittels eines USP-5+1-Zylinderplatten-Designs.

Erstellt eine Kreuztabelle zweier kategorialer Variablen mit Zeilen-, Spalten- und Gesamtprozentwerten sowie einem Chi-Quadrat-Test auf Zusammenhang.

Zählt jeden Wert der ausgewählten Spalten, mit Prozentwerten und kumulierten Summen.

Stellt deskriptive Statistiken für numerische Variablen tabellarisch dar, optional aufgeteilt nach bis zu zwei kategorialen Variablen.

Erzeugt Zufallsdaten aus einer von 26 Verteilungen, darunter Normal-, Binomial-, Poisson-, Weibull- und multivariate Normalverteilung.