Que vous disent vraiment vos données ?

Montre la répartition d'un tout en catégories à l'aide de secteurs circulaires proportionnels.

Compare des valeurs catégorielles ou discrètes au moyen de barres dont la longueur reflète chaque quantité.

Classe les problèmes ou les causes par fréquence pour mettre en évidence les quelques-uns à l'origine de la plupart des cas.

Résume une distribution à travers ses quartiles, sa médiane, sa dispersion et ses valeurs aberrantes.

Visualise par l'intensité de la couleur les zones de concentration des points dans un espace bidimensionnel.

Représente la relation entre deux variables continues sous forme de points sur un plan.

Représente deux variables l'une en fonction de l'autre avec un histogramme, une boîte à moustaches, un violon ou un diagramme en points sur chaque axe, montrant leur relation et la distribution de chaque variable.

Quantifie la force et le sens des relations linéaires entre les variables.

Affiche les points de données sur trois axes pour montrer les relations entre trois variables.

Transforme les données vers la normalité avant une analyse de capabilité ou une carte de contrôle.

Convertit des données non normales vers la normalité pour les analyses qui l'exigent.

Suit les moyennes et étendues des sous-groupes pour surveiller la stabilité du processus avec des données par mesures.

Surveille la moyenne des sous-groupes au fil du temps pour détecter les décalages de moyenne.

Surveille la variation intra sous-groupe en traçant l'étendue de chaque sous-groupe.

Surveille les moyennes et écarts-types des sous-groupes pour des données par mesures à grand échantillon.

Surveille la variation intra sous-groupe en traçant les écarts-types des sous-groupes.

Suit conjointement la variation individuelle, inter sous-groupes et intra sous-groupes.

Surveille les mesures individuelles et leur étendue mobile pour les processus à valeur unique.

Évalue la capabilité à court terme d'une machine par rapport à ses spécifications selon l'ISO 22514-3.

Détermine dans quelle mesure la sortie du processus respecte les spécifications client lorsque les données sont raisonnablement normales.

Évalue la capabilité du processus lorsque les données ne suivent pas une distribution normale.

Évalue la capabilité du processus sans supposer de distribution particulière des données.

Compare côte à côte la capabilité de plusieurs variables de processus lorsque les données sont normales.

Calcule un indice de capabilité conjoint pour deux caractéristiques corrélées ou plus, en les traitant comme un seul processus multivarié.

Évalue conjointement la stabilité, la capabilité et la normalité de données recueillies en valeurs individuelles ou en sous-groupes.

Vérifie la stabilité et la capabilité du processus lorsque la variation diffère entre les sous-groupes.

Calcule les indices de capabilité d'un processus présentant une variation systématique entre les sous-groupes.

Évalue la répétabilité intrinsèque et le biais d'un instrument à partir de mesures répétées d'une même pièce.

Évalue l'exactitude d'un instrument de mesure sur l'ensemble de sa plage de fonctionnement.

Génère une feuille de collecte de données randomisée pour une étude Gage R&R.

Quantifie la variation de mesure due aux opérateurs et aux instruments mesurant les mêmes pièces.

Réalise un Gage R&R croisé avec un troisième facteur aléatoire facultatif, tel que l'instrument ou le montage, à l'aide des composantes de la variance.

Représente chaque mesure par pièce, avec un panneau par opérateur, comme contrôle visuel rapide avant un Gage R&R complet.

Évalue la variation du système de mesure lorsque chaque opérateur mesure chaque pièce, avec des données saisies au format du manuel AIAG MSA.

Évalue la variation du système de mesure lorsque chaque opérateur ne peut pas mesurer toutes les pièces.

Évalue un processus de mesure avec la méthode EMP de Wheeler, en indiquant la corrélation intraclasse et en classant l'instrument comme moniteur de première à quatrième classe.

Teste si la moyenne d'un échantillon diffère d'une moyenne de population connue à variance connue.

Teste à partir de statistiques résumées si une moyenne de population diffère d'une cible, l'écart-type étant connu.

Compare la moyenne d'un échantillon à une valeur cible lorsque l'écart-type de la population est inconnu.

Teste à partir de statistiques résumées si une moyenne de population diffère d'une cible, l'écart-type étant inconnu.

Teste si les moyennes de deux groupes indépendants diffèrent significativement.

Compare les moyennes de deux groupes indépendants à partir de statistiques résumées plutôt que de données brutes.

Teste l'existence d'une différence significative entre les moyennes de deux groupes liés.

Effectue un test t apparié à partir du nombre de paires ainsi que de la moyenne et de l'écart-type des différences.

Vérifie si deux méthodes liées produisent des résultats suffisamment proches pour être équivalents.

Teste si les moyennes de trois groupes indépendants ou plus diffèrent significativement.

Teste si les moyennes des groupes diffèrent lorsque les réponses de chaque groupe figurent dans leur propre colonne.

Vérifie si deux groupes ou plus présentent la même variabilité.

Montre comment la réponse moyenne évolue selon les niveaux de chaque facteur de l'étude.

Montre si l'effet d'un facteur sur la réponse dépend du niveau d'un autre facteur.

Quantifie la contribution de chaque source de variation à la variation totale d'un processus ou d'un ensemble d'échantillons.

Compare les moyennes des groupes et leurs intervalles de confiance selon les niveaux d'un facteur.

Compare chaque moyenne de groupe à la moyenne globale par rapport à des limites de décision et signale les groupes qui diffèrent.

Modélise une réponse en fonction de plusieurs facteurs catégoriels, covariables et interactions, avec ANOVA de type III, moyennes des moindres carrés et comparaisons post-hoc.

Ajuste une droite, une courbe quadratique ou cubique entre deux variables pour montrer leur relation et la qualité de l'ajustement.

Quantifie la relation entre des prédicteurs et une variable de réponse continue.

Génère une feuille de collecte de données avec des colonnes de lot, de temps et de réponse pour une étude de stabilité.

Estime la durée pendant laquelle un produit reste conforme à ses spécifications de qualité dans le temps.

Estime la durée de conservation pharmaceutique selon les normes ICH Q1E avec regroupement des lots, projection de température et évaluation de l'extrapolation.

Modélise des prédicteurs face à une réponse catégorielle ordonnée à trois niveaux ou plus.

Modélise des prédicteurs face à une réponse catégorielle non ordonnée à trois issues ou plus.

Modélise la relation entre des prédicteurs et une réponse catégorielle à deux issues.

Ajuste une relation entre deux variables comportant toutes deux une erreur de mesure.

Crée et analyse un plan de criblage définitif pour identifier les facteurs significatifs parmi jusqu'à 48.

Génère un plan d'expériences factoriel et analyse les effets des facteurs et de leurs interactions.

Conçoit et analyse des expériences où les facteurs sont des proportions d'ingrédients dont la somme est constante.

Crée et analyse une expérience de Taguchi à table orthogonale pour trouver des réglages de facteurs robustes au bruit.

Crée et analyse des plans composites centrés, de Box-Behnken ou D-optimaux pour modéliser et optimiser des réponses courbes.

Compare trois groupes indépendants ou plus sans supposer une distribution normale.

Calcule les moyennes de Walsh, les estimations de décalage de Hodges-Lehmann ou la pente de Theil-Sen à partir de toutes les paires de valeurs.

Compare deux groupes indépendants à partir des rangs plutôt que des moyennes.

Compare les médianes de deux groupes ou plus en comptant les valeurs au-dessus et en dessous de la médiane globale.

Vérifie si une suite de valeurs est disposée dans un ordre réellement aléatoire.

Compare trois groupes liés ou plus à l'aide d'un test non paramétrique sur les rangs.

Teste si la médiane d'un échantillon est égale à une valeur cible spécifiée.

Teste si la médiane d'un échantillon est égale à une cible à l'aide des rangs signés.

Réduit de nombreuses variables corrélées en un ensemble plus restreint de composantes non corrélées.

Explique les corrélations entre de nombreuses variables par quelques facteurs sous-jacents, avec rotation varimax facultative.

Classe les observations dans des groupes connus à l'aide de fonctions discriminantes linéaires ou quadratiques et indique la précision en validation croisée.

Regroupe les lignes dans un dendrogramme selon leur similarité sur plusieurs variables.

Regroupe les colonnes dans un dendrogramme selon leur corrélation ou leur distance.

Répartit les observations en K classes qui minimisent la variation intra-classe.

Représente l'association entre deux variables catégorielles sous forme de points lignes et colonnes dans un petit nombre de dimensions.

Explore simultanément les relations entre trois variables catégorielles ou plus.

Mesure la cohérence interne d'une échelle ou d'un test à plusieurs items à l'aide de l'alpha de Cronbach.

Détermine la taille d'échantillon et la durée d'essai pour démontrer un objectif de fiabilité à un niveau de confiance donné.

Détermine la taille d'échantillon et la durée nécessaires pour estimer les paramètres de fiabilité.

Prépare les données brutes de retours de garantie sur le terrain en vue de l'analyse de fiabilité.

Modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule du temps de fonctionnement.

Prévoit les retours de garantie futurs attendus à partir d'un modèle de fiabilité ajusté.

Ajuste les données de durée de vie à chaque niveau de contrainte et relie la durée de vie à la contrainte par des modèles d'Arrhenius, de loi de puissance inverse ou linéaires afin d'extrapoler aux conditions d'utilisation.

Simule la précision attendue d'un essai de vie accéléré proposé avant sa réalisation.

Ajuste des comptages groupés de succès et d'essais à plusieurs niveaux de contrainte et estime la contrainte correspondant à des pourcentages de réponse choisis, comme l'ED50.

Estime la fonction cumulative moyenne de données de réparations ou d'événements récurrents sans supposer de modèle.

Trace une variable mesurée en fonction du temps pour révéler les tendances et les changements sur une période.

Ajuste une tendance linéaire, quadratique, de croissance exponentielle ou en courbe en S et prévoit les valeurs futures.

Sépare une série saisonnière en composantes de tendance, saisonnière et résiduelle, selon un modèle additif ou multiplicatif.

Lisse une série à l'aide d'une moyenne mobile arrière et prévoit les périodes futures.

Lisse et prévoit une série sans tendance nette à l'aide d'un seul coefficient de lissage.

Lisse et prévoit une série présentant une tendance à l'aide des coefficients de niveau et de tendance de Holt.

Lisse et prévoit une série présentant à la fois une tendance et une saisonnalité.

Calcule les différences décalées d'une série, par exemple pour supprimer une tendance avant une analyse plus poussée.

Crée et représente une copie décalée d'une série à côté de l'originale.

Construit des plans d'inspection NQA pour des données par attributs conforme/non conforme.

Crée des plans d'inspection NQA pour des caractéristiques de qualité mesurées en continu.

Construit un plan d'échantillonnage d'acceptation pour des données de mesure continues.

Compare des plans d'échantillonnage côte à côte à l'aide de leurs courbes d'efficacité.

Applique un plan d'échantillonnage par mesures existant à un échantillon de mesures et renvoie une décision d'acceptation ou de rejet.

Calcule un plan d'échantillonnage simple (n, c) pour le nombre de défectueux à partir de l'AQL, du RQL et des risques fournisseur et client.

Compare plusieurs plans d'échantillonnage par attributs (n, c) sur les mêmes courbes OC, AOQ et ATI.

Calcule l'effectif d'échantillon, la différence détectable ou la puissance, à partir des deux autres, pour un test t à 1 échantillon.

Détermine l'effectif d'échantillon nécessaire pour estimer une moyenne ou une proportion avec une marge d'erreur cible.

Détermine l'effectif d'échantillon nécessaire à un intervalle de tolérance normal pour atteindre la confiance et la couverture requises.

Calcule l'effectif d'échantillon, la différence détectable ou la puissance, à partir des deux autres, pour un test z à 1 échantillon.

Calcule l'effectif d'échantillon, la différence détectable ou la puissance, à partir des deux autres, pour un test t à 2 échantillons.

Calcule l'effectif d'échantillon, la différence appariée détectable ou la puissance, à partir des deux autres, pour un test t apparié.

Calcule l'effectif d'échantillon par niveau, la différence détectable ou la puissance, à partir des deux autres, pour une ANOVA à un facteur.

Calcule l'effectif d'échantillon, la proportion détectable ou la puissance, à partir des deux autres, pour un test de 1 proportion.

Calcule l'effectif d'échantillon par groupe, la proportion détectable ou la puissance, à partir des deux autres, pour un test de 2 proportions.

Estime la puissance relative en comparant les droites parallèles dose-réponse logarithmiques d'une préparation testée et d'une préparation étalon.

Estime la puissance relative à partir du rapport des pentes dose-réponse lorsque les préparations partagent une réponse de base commune.

Combine les estimations de puissance de plusieurs essais indépendants en un seul résultat pondéré avec test d'homogénéité.

Estime la dose efficace et la puissance relative lorsque les réponses biologiques sont binaires plutôt que continues.

Estime la puissance relative en ajustant une courbe sigmoïde logistique à quatre paramètres, adaptée aux immunodosages tels que l'ELISA.

Estime la puissance des antibiotiques à partir des zones d'inhibition sur gélose au moyen d'un plan cylindre-plaque 5+1 de l'USP.

Construit un tableau à deux entrées de deux variables catégorielles avec pourcentages en ligne, en colonne et du total, ainsi qu'un test d'association du khi-deux.

Compte chaque valeur des colonnes sélectionnées, avec pourcentages et totaux cumulés.

Présente sous forme de tableau des statistiques descriptives pour des variables numériques, éventuellement réparties selon jusqu'à deux variables catégorielles.

Génère des données aléatoires à partir de l'une des 26 distributions disponibles, dont les lois normale, binomiale, de Poisson, de Weibull et normale multivariée.