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

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

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

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

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.

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

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

Compara valores categóricos o discretos mediante barras cuya longitud refleja cada cantidad.

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

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

Representa cómo cambia una respuesta entre dos entradas continuas mediante líneas de contorno sombreadas.

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

Visualiza dónde se concentran los puntos de datos en un espacio bidimensional mediante la intensidad del color.

Calcula medidas resumen como media, mediana, dispersión y forma de un conjunto de datos.

Combina estadísticas clave con múltiples gráficos de los datos en una vista consolidada.

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

Estima la distribución muestral de un estadístico remuestreando repetidamente un conjunto de datos.

Comprueba si las frecuencias observadas por categoría coinciden con una distribución esperada.

Mide el grado en que dos variables continuas varían conjuntamente.

Ajusta varias distribuciones a los datos e identifica cuál se ajusta mejor.

Evalúa si un conjunto de datos sigue una distribución normal.

Guía la selección de la prueba estadística correcta mediante un árbol de decisión estructurado.

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

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

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

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

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

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

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

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

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

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

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

Descompone la variación total en sus distintas fuentes identificables.

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

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

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

Compara dos grupos independientes usando rangos en lugar de medias.

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

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.

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

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

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

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

Combina seis gráficos y métricas de capacidad para la variación entre y dentro de los subgrupos.

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 para tasas de defectos que siguen una distribución de Poisson.

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

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

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

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

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

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

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

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

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

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.

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

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

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

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

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

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.

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

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.

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

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

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

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

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

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

Monitoriza el número de defectos en muestras de tamaño constante a lo largo del tiempo.

Detecta pequeños desplazamientos sostenidos en la media acumulando las desviaciones respecto al objetivo.

Detecta pequeños desplazamientos sostenidos mediante un promedio ponderado de valores recientes y pasados.

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

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

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

Monitoriza las proporciones de defectuosos corrigiendo la sobredispersión.

Monitoriza los defectos por unidad corrigiendo la sobredispersión.