¿Qué le están diciendo realmente sus datos?

Muestra cómo un total se divide en categorías mediante porciones circulares proporcionales.

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

Clasifica problemas o causas por frecuencia para resaltar los pocos vitales que originan la mayoría de los problemas.

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

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

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

Representa dos variables una frente a otra con un histograma, diagrama de caja, gráfico de violín o gráfico de puntos en cada eje, mostrando su relación y la distribución de cada variable.

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

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

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

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

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

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

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

Determina en qué medida la salida del proceso cumple las especificaciones del cliente cuando los datos son razonablemente normales.

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

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

Compara en paralelo la capacidad de varias variables del proceso cuando los datos son normales.

Calcula un único índice de capacidad conjunto para dos o más características correlacionadas, tratándolas como un solo proceso multivariante.

Evalúa conjuntamente la estabilidad, la capacidad y la normalidad de datos recopilados como valores individuales o en subgrupos.

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

Calcula índices de capacidad para un proceso con variación sistemática entre subgrupos.

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

Evalúa la exactitud de un dispositivo de medición a lo largo de su rango de operación.

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.

Realiza un Gage R&R cruzado con un tercer factor aleatorio opcional, como el calibre o el dispositivo de sujeción, mediante componentes de varianza.

Representa cada medición por pieza, con un panel por operario, como comprobación visual rápida antes de un Gage R&R completo.

Evalúa la variación del sistema de medición cuando cada operario mide todas las piezas, con los datos registrados en el formato del manual AIAG MSA.

Evalúa la variación del sistema de medición cuando cada operario no puede medir todas las piezas.

Evalúa un proceso de medición con el método EMP de Wheeler, informando la correlación intraclase y clasificando el calibre como monitor de primera a cuarta clase.

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

Comprueba si una media poblacional difiere de un valor objetivo, con desviación estándar conocida, a partir de estadísticas resumen.

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

Comprueba si una media poblacional difiere de un valor objetivo, con desviación estándar desconocida, a partir de estadísticas resumen.

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.

Realiza una prueba t pareada a partir del número de pares y de la media y la desviación estándar de las diferencias.

Verifica si dos métodos relacionados producen resultados lo suficientemente cercanos para ser equivalentes.

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

Comprueba si las medias de los grupos difieren cuando las respuestas de cada grupo están en su propia columna.

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

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

Muestra si el efecto de un factor sobre la respuesta depende del nivel de otro.

Cuantifica cuánto contribuye cada fuente de variación a la variación total de un proceso o conjunto de muestras.

Compara las medias de los grupos y sus intervalos de confianza entre los niveles de un factor.

Compara la media de cada grupo con la media general frente a límites de decisión y señala los grupos que difieren.

Modela una respuesta frente a varios factores categóricos, covariables e interacciones, con ANOVA de Tipo III, medias de mínimos cuadrados y comparaciones post-hoc.

Ajusta una línea recta, cuadrática o cúbica entre dos variables para mostrar la relación y su ajuste.

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

Genera una hoja de recopilación de datos con columnas de lote, tiempo y respuesta para un estudio de estabilidad.

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.

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.

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

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

Crea y analiza un experimento de cribado definitivo para encontrar los factores significativos entre hasta 48.

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.

Crea y analiza un experimento de Taguchi con arreglos ortogonales para encontrar ajustes de los factores que sean robustos frente al ruido.

Crea y analiza diseños centrales compuestos, Box-Behnken o D-óptimos para modelar y optimizar respuestas curvas.

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

Calcula promedios de Walsh, estimaciones de desplazamiento de Hodges-Lehmann o la pendiente de Theil-Sen a partir de todos los pares de valores.

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.

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

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

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.

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

Explica las correlaciones entre muchas variables mediante unos pocos factores subyacentes, con rotación varimax opcional.

Clasifica las observaciones en grupos conocidos con funciones discriminantes lineales o cuadráticas e informa la exactitud con validación cruzada.

Agrupa las filas en un dendrograma según su similitud en varias variables.

Agrupa las columnas en un dendrograma según su correlación o distancia.

Divide las observaciones en K conglomerados que minimizan la variación dentro de cada conglomerado.

Representa la asociación entre dos variables categóricas como puntos de fila y de columna en pocas dimensiones.

Explora a la vez las relaciones entre tres o más variables categóricas.

Mide la consistencia interna de una escala o prueba de varios elementos mediante el alfa de Cronbach.

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.

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

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

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

Ajusta los datos de vida en cada nivel de esfuerzo y relaciona la vida con el esfuerzo mediante modelos de Arrhenius, de ley de potencia inversa o lineales para extrapolar a las condiciones de uso.

Simula la precisión esperada de una prueba de vida acelerada propuesta antes de realizarla.

Ajusta conteos agrupados de éxitos y ensayos en varios niveles de esfuerzo y estima el esfuerzo correspondiente a porcentajes de respuesta elegidos, como la ED50.

Estima la función media acumulada de datos de reparaciones o eventos recurrentes sin suponer un modelo.

Representa una variable medida frente al tiempo para revelar tendencias y cambios a lo largo de un período.

Ajusta una tendencia lineal, cuadrática, de crecimiento exponencial o de curva S y pronostica valores futuros.

Divide una serie estacional en componentes de tendencia, estacional y residual, de forma aditiva o multiplicativa.

Suaviza una serie con un promedio móvil retrasado y pronostica períodos futuros.

Suaviza y pronostica una serie sin tendencia clara mediante un único peso de suavizado.

Suaviza y pronostica una serie con tendencia mediante los pesos de nivel y tendencia de Holt.

Suaviza y pronostica una serie que presenta tanto tendencia como estacionalidad.

Calcula diferencias con retardo de una serie, por ejemplo para eliminar una tendencia antes de un análisis posterior.

Crea y representa una copia retardada de una serie junto a la original.

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

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

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

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

Aplica un plan de muestreo por variables existente a una muestra de mediciones y devuelve una decisión de aceptación o rechazo.

Calcula un plan de muestreo simple (n, c) para conteos de defectuosos a partir del AQL, el RQL y los riesgos del productor y del consumidor.

Compara varios planes de muestreo por atributos (n, c) en las mismas curvas OC, AOQ y ATI.

Calcula el tamaño de muestra, la diferencia detectable o la potencia, dados los otros dos, para una prueba t de 1 muestra.

Determina el tamaño de muestra necesario para estimar una media o una proporción dentro de un margen de error objetivo.

Determina el tamaño de muestra que necesita un intervalo de tolerancia normal para alcanzar la confianza y la cobertura requeridas.

Calcula el tamaño de muestra, la diferencia detectable o la potencia, dados los otros dos, para una prueba Z de 1 muestra.

Calcula el tamaño de muestra, la diferencia detectable o la potencia, dados los otros dos, para una prueba t de 2 muestras.

Calcula el tamaño de muestra, la diferencia pareada detectable o la potencia, dados los otros dos, para una prueba t pareada.

Calcula el tamaño de muestra por nivel, la diferencia detectable o la potencia, dados los otros dos, para un ANOVA de un factor.

Calcula el tamaño de muestra, la proporción detectable o la potencia, dados los otros dos, para una prueba de 1 proporción.

Calcula el tamaño de muestra por grupo, la proporción detectable o la potencia, dados los otros dos, para una prueba de 2 proporciones.

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.

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

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.

Construye una tabla de doble entrada de dos variables categóricas con porcentajes por fila, por columna y del total, y una prueba chi-cuadrado de asociación.

Cuenta cada valor de las columnas seleccionadas, con porcentajes y totales acumulados.

Tabula estadísticas descriptivas de variables numéricas, opcionalmente divididas por hasta dos variables categóricas.

Genera datos aleatorios de cualquiera de 26 distribuciones, entre ellas Normal, Binomial, Poisson, Weibull y Normal multivariante.