¿Qué le están diciendo realmente los datos sobre su proceso?

Comprueba si la media de una muestra difiere de una media poblacional conocida con varianza conocida.

Compara la media de una muestra con un valor objetivo cuando se desconoce la desviación estándar poblacional.

Comprueba si las medias de dos grupos independientes difieren significativamente.

Compara las medias de dos grupos independientes usando estadísticas resumen en lugar de datos sin procesar.

Comprueba si existe una diferencia significativa entre las medias de dos grupos relacionados.

Comprueba si una proporción muestral difiere significativamente de un valor objetivo.

Compara las proporciones de una característica entre dos poblaciones independientes.

Compara la varianza de una muestra con un valor especificado mediante una prueba chi-cuadrado.

Verifica si dos o más grupos comparten la misma cantidad de variabilidad.

Comprueba si las medias de tres o más grupos independientes difieren significativamente.

Compara las varianzas de dos poblaciones independientes para verificar si son iguales.

Muestra cómo la respuesta promedio varía entre los niveles de cada factor en un estudio.

Ajusta una línea de mejor ajuste a través de los puntos de datos para capturar la tendencia general.

Cuantifica cómo los predictores se relacionan con una variable de respuesta continua.

Estima cuánto tiempo un producto permanece dentro de sus especificaciones de calidad.

Estima la vida útil farmacéutica según las normas ICH Q1E con agrupabilidad de lotes, proyección de temperatura y evaluación de extrapolación.

Ajusta una relación entre dos variables que contienen ambas error de medición.

Modela muchos predictores frente a una o más respuestas extrayendo componentes latentes.

Modela cómo los predictores se relacionan con una respuesta categórica de dos resultados.

Modela los predictores frente a una respuesta categórica ordenada con tres o más niveles.

Modela los predictores frente a una respuesta categórica no ordenada con tres o más resultados.

Estima la potencia relativa comparando las líneas paralelas de dosis-respuesta logarítmicas de una preparación de prueba y una estándar.

Estima la potencia relativa a partir de la razón de las pendientes de dosis-respuesta cuando las preparaciones comparten una respuesta basal común.

Estima la dosis efectiva y la potencia relativa cuando las respuestas biológicas son resultados binarios en lugar de mediciones continuas.

Estima la potencia relativa ajustando una curva sigmoidea logística de cuatro parámetros, adecuada para inmunoensayos como ELISA.

Estima la potencia de antibióticos a partir de las zonas de inhibición en placa de agar mediante un diseño cilindro-placa 5+1 de la USP.

Combina las estimaciones de potencia de varios ensayos independientes en un único resultado ponderado con prueba de homogeneidad.

Construye un plan eficiente que criba muchos factores continuos y detecta curvatura.

Ajusta un modelo a los resultados de un diseño de cribado e identifica los factores que impulsan la respuesta.

Genera un plan de experimento factorial y analiza los efectos de los factores y sus interacciones.

Diseña y analiza experimentos en los que los factores son proporciones de ingredientes que suman una constante.

Encuentra los ajustes de los factores que producen los resultados más deseables en una o varias respuestas.

Determina el tamaño de muestra y la duración de la prueba para demostrar un objetivo de fiabilidad con una confianza definida.

Determina el tamaño de muestra y la duración necesarios para estimar los parámetros de fiabilidad.

Ajusta una distribución de vida a datos de fallos que incluyen observaciones censuradas.

Prepara los datos brutos de devoluciones de garantía en campo para el análisis de fiabilidad.

Pronostica las devoluciones de garantía futuras esperadas a partir de un modelo de fiabilidad ajustado.

Modela cómo cambia la tasa de fallos de un sistema reparable a medida que acumula tiempo de funcionamiento.

Reduce muchas variables correlacionadas a un conjunto más pequeño de componentes no correlacionados.

Comprueba si la mediana de una muestra es igual a un valor objetivo especificado.

Comprueba si la mediana de una muestra es igual a un objetivo mediante rangos con signo.

Compara dos grupos independientes usando rangos en lugar de medias.

Compara tres o más grupos independientes sin asumir una distribución normal.

Compara las medianas de dos o más grupos contando los valores por encima y por debajo de la mediana global.

Compara tres o más grupos relacionados mediante una prueba no paramétrica basada en rangos.

Verifica si una secuencia de valores está dispuesta en un orden verdaderamente aleatorio.

Representa la relación entre dos variables continuas como puntos en un plano.

Muestra los puntos de datos en tres ejes para evidenciar las relaciones entre tres variables.

Amplía un diagrama de dispersión para mostrar tres variables continuas, con el tamaño de la burbuja como tercera.

Cuantifica la fuerza y la dirección de las relaciones lineales entre variables.

Muestra la distribución de datos numéricos mediante barras de frecuencia adyacentes.

Muestra una distribución numérica como barras de frecuencia, a menudo superpuestas con una curva ajustada.

Evalúa si los datos siguen una distribución normal mediante un gráfico de probabilidad.

Resume una distribución mediante sus cuartiles, mediana, dispersión y valores atípicos.

Revela las fuentes y la magnitud de la variación de varios factores a la vez.

Evalúa la repetibilidad inherente y el sesgo de un calibre mediante mediciones repetidas de una sola pieza.

Genera una hoja aleatorizada de recopilación de datos para un estudio Gage R&R.

Evalúa la exactitud y el sesgo de un calibre a lo largo de su rango de medición.

Cuantifica la variación de medición debida a los operarios y a los calibres que miden las mismas piezas.

Evalúa la variación de medición cuando cada operario mide piezas diferentes.

Descompone la variación total en sus distintas fuentes identificables.

Evalúa la consistencia y fiabilidad de un proceso de inspección de pasa/no pasa.

Construye un formulario aleatorizado de recopilación de datos para un estudio de concordancia por atributos.

Evalúa con qué consistencia los evaluadores clasifican los elementos en categorías.

Transforma los datos hacia la normalidad antes del análisis de capacidad o del gráfico de control.

Convierte datos no normales hacia la normalidad para los análisis que la requieren.

Rastrea las medias y los rangos de los subgrupos para monitorizar la estabilidad del proceso con datos por variables.

Monitoriza las medias y las desviaciones estándar de los subgrupos para datos por variables con muestras grandes.

Rastrea conjuntamente la variación individual, entre subgrupos y dentro de subgrupos.

Monitoriza el promedio de los subgrupos a lo largo del tiempo para detectar desplazamientos de la media.

Monitoriza la variación dentro del subgrupo representando el rango de cada subgrupo.

Monitoriza la variación dentro del subgrupo representando las desviaciones estándar de cada subgrupo.

Monitoriza las mediciones individuales y su rango móvil en procesos de valor único.

Mide en qué medida un proceso genera salidas dentro de los límites de especificación.

Evalúa la capacidad a corto plazo de una máquina frente a sus especificaciones según la norma ISO 22514-3.

Evalúa la capacidad del proceso cuando los datos no siguen una distribución normal.

Mide en qué medida un proceso con datos no normales cumple sus límites de especificación.

Evalúa la capacidad del proceso sin asumir ninguna distribución de datos específica.

Mide la capacidad del proceso cuando cada elemento se clasifica como conforme o no conforme.

Mide la capacidad del proceso para tasas de defectos que siguen una distribución de Poisson.

Evalúa la estabilidad y capacidad del proceso asumiendo datos distribuidos normalmente.

Verifica la estabilidad y capacidad del proceso cuando la variación difiere entre subgrupos.

Construye planes de inspección AQL para datos de atributos de pasa/no pasa.

Define planes de muestreo de inspección basados en un nivel de calidad aceptable.

Construye un plan de muestreo de aceptación para datos de medición continua.

Compara planes de muestreo en paralelo mediante sus curvas características de operación.

Crea planes de inspección AQL para características de calidad medidas de forma continua.

Genera valores aleatorios que siguen una distribución normal en forma de campana.

Genera valores aleatorios de una distribución lognormal sesgada a la derecha.

Genera valores aleatorios de una distribución exponencial que modela el tiempo entre eventos.

Genera valores aleatorios de una distribución de Weibull utilizada en el análisis de fiabilidad.

Genera valores aleatorios de una distribución t con colas más pesadas.

Genera valores aleatorios de una distribución F definida por dos grados de libertad.

Genera valores aleatorios de una distribución binomial de éxitos en un número fijo de ensayos.

Genera conteos aleatorios de una distribución de Poisson de eventos en un intervalo fijo.