आपका डेटा वास्तव में आपको क्या बता रहा है?

आनुपातिक वृत्ताकार खंडों का उपयोग करके दर्शाता है कि कोई संपूर्ण श्रेणियों में किस प्रकार विभाजित होता है।

श्रेणीगत या असतत मानों की तुलना ऐसे बारों से करता है जिनकी लंबाई प्रत्येक मात्रा को दर्शाती है।

समस्याओं या कारणों को आवृत्ति के अनुसार क्रमबद्ध कर उन कुछ अहम कारणों को उजागर करता है जो अधिकांश समस्याएँ उत्पन्न करते हैं।

किसी वितरण को उसके चतुर्थक, माध्यिका, फैलाव और बाह्यमानों के माध्यम से संक्षेप में दर्शाता है।

रंग की तीव्रता का उपयोग करके दर्शाता है कि द्वि-आयामी स्थान में डेटा बिंदु कहाँ केंद्रित हैं।

दो सतत चरों के बीच के संबंध को समतल पर बिंदुओं के रूप में प्लॉट करता है।

दो चरों को एक-दूसरे के सापेक्ष प्लॉट करता है और प्रत्येक अक्ष पर हिस्टोग्राम, बॉक्सप्लॉट, वायलिन या डॉट प्लॉट दिखाता है, जिससे उनका संबंध और प्रत्येक चर का वितरण दिखता है।

चरों के बीच रैखिक संबंधों की प्रबलता और दिशा को मापता है।

तीन चरों के बीच संबंध दर्शाने के लिए डेटा बिंदुओं को तीन अक्षों पर प्रदर्शित करता है।

क्षमता विश्लेषण या कंट्रोल चार्टिंग से पहले डेटा को सामान्यता की ओर रूपांतरित करता है।

सामान्यता की आवश्यकता वाले विश्लेषणों के लिए नॉन-नॉर्मल डेटा को सामान्यता की ओर रूपांतरित करता है।

वैरिएबल डेटा के लिए प्रक्रिया स्थिरता की निगरानी हेतु उपसमूह माध्यों और रेंजों को ट्रैक करता है।

माध्य में बदलावों का पता लगाने के लिए समय के साथ उपसमूहों के औसत की निगरानी करता है।

प्रत्येक उपसमूह की रेंज प्लॉट करके विदिन-उपसमूह विचरण की निगरानी करता है।

बड़े-नमूने वाले वैरिएबल डेटा के लिए उपसमूह माध्यों और मानक विचलनों की निगरानी करता है।

उपसमूहों के मानक विचलन प्लॉट करके विदिन-उपसमूह विचरण की निगरानी करता है।

व्यक्तिगत, बिटवीन-उपसमूह और विदिन-उपसमूह विचरण की एक साथ निगरानी करता है।

एकल-मान प्रक्रियाओं के लिए व्यक्तिगत मापों और उनकी मूविंग रेंज की निगरानी करता है।

ISO 22514-3 के अनुसार किसी मशीन की अल्पकालिक क्षमता का उसके विनिर्देशों के विरुद्ध मूल्यांकन करता है।

जब डेटा पर्याप्त रूप से सामान्य हो, तब निर्धारित करता है कि प्रक्रिया आउटपुट ग्राहक विनिर्देशों को कितनी अच्छी तरह पूरा करता है।

जब डेटा सामान्य वितरण का अनुसरण नहीं करता, तब प्रक्रिया क्षमता का मूल्यांकन करता है।

किसी विशिष्ट डेटा वितरण की कल्पना किए बिना प्रक्रिया क्षमता का आकलन करता है।

जब डेटा सामान्य हो, तब कई प्रक्रिया चरों की क्षमता की आमने-सामने तुलना करता है।

दो या अधिक सहसंबंधित विशेषताओं को एक ही बहुचर प्रक्रिया मानकर उनके लिए एक संयुक्त क्षमता सूचकांक की गणना करता है।

व्यक्तिगत मानों या उपसमूहों के रूप में एकत्रित डेटा के लिए स्थिरता, क्षमता और सामान्यता का एक साथ आकलन करता है।

जब विचरण उपसमूहों के बीच भिन्न होता है, तब प्रक्रिया की स्थिरता और क्षमता की जाँच करता है।

उपसमूहों के बीच व्यवस्थित विचरण वाली प्रक्रिया के लिए क्षमता सूचकांकों की गणना करता है।

एक ही पुर्ज़े के बार-बार मापन का उपयोग करके गेज की अंतर्निहित रिपीटेबिलिटी और बायस का आकलन करता है।

किसी मापन उपकरण की उसकी संचालन परास भर में सटीकता का मूल्यांकन करता है।

Gage R&R अध्ययन के लिए एक यादृच्छिक डेटा-संग्रहण वर्कशीट तैयार करता है।

समान पुर्ज़ों को मापने वाले ऑपरेटरों और गेजों से उत्पन्न मापन विचरण को मापता है।

वैरिएंस कंपोनेंट्स का उपयोग करते हुए, गेज या फ़िक्स्चर जैसे वैकल्पिक तीसरे रैंडम फ़ैक्टर के साथ क्रॉस्ड Gage R&R चलाता है।

पूर्ण Gage R&R से पहले त्वरित दृश्य जाँच के रूप में हर माप को पुर्ज़े के अनुसार, प्रति ऑपरेटर एक पैनल में प्लॉट करता है।

जब हर ऑपरेटर हर पुर्ज़े को मापता है, तब AIAG MSA मैनुअल के फ़ॉर्मेट में एकत्रित डेटा से मापन-प्रणाली विचरण का आकलन करता है।

जब प्रत्येक ऑपरेटर हर पुर्ज़े को नहीं माप सकता, तब मापन-प्रणाली विचरण का आकलन करता है।

Wheeler की EMP विधि से मापन प्रक्रिया का मूल्यांकन करता है, इंट्राक्लास सहसंबंध रिपोर्ट करता है और गेज को प्रथम से चतुर्थ श्रेणी के मॉनिटर के रूप में वर्गीकृत करता है।

ज्ञात प्रसरण के साथ जाँचता है कि नमूना माध्य किसी ज्ञात जनसंख्या माध्य से भिन्न है या नहीं।

ज्ञात मानक विचलन के साथ, सारांश सांख्यिकी से जाँचता है कि जनसंख्या माध्य किसी लक्ष्य से भिन्न है या नहीं।

जब जनसंख्या का मानक विचलन अज्ञात हो, तब नमूना माध्य की तुलना किसी लक्ष्य मान से करता है।

अज्ञात मानक विचलन के साथ, सारांश सांख्यिकी से जाँचता है कि जनसंख्या माध्य किसी लक्ष्य से भिन्न है या नहीं।

जाँचता है कि दो स्वतंत्र समूहों के माध्य सार्थक रूप से भिन्न हैं या नहीं।

कच्चे डेटा के बजाय सारांश सांख्यिकी का उपयोग करके दो स्वतंत्र समूहों के माध्यों की तुलना करता है।

दो संबंधित समूहों के माध्यों के बीच सार्थक अंतर की जाँच करता है।

जोड़ों की संख्या तथा अंतरों के माध्य और मानक विचलन से पेयर्ड t टेस्ट चलाता है।

जाँचता है कि दो संबंधित विधियाँ इतने निकट परिणाम देती हैं कि उन्हें समतुल्य माना जा सके।

जाँचता है कि तीन या अधिक स्वतंत्र समूहों के माध्य आपस में सार्थक रूप से भिन्न हैं या नहीं।

जब प्रत्येक समूह के रिस्पॉन्स अपने अलग कॉलम में हों, तब जाँचता है कि समूह माध्य भिन्न हैं या नहीं।

जाँचता है कि दो या अधिक समूहों में विचरण की मात्रा समान है या नहीं।

यह दर्शाता है कि अध्ययन में प्रत्येक फ़ैक्टर के स्तरों के साथ औसत रिस्पॉन्स कैसे बदलता है।

दर्शाता है कि किसी एक फ़ैक्टर का रिस्पॉन्स पर प्रभाव किसी अन्य फ़ैक्टर के स्तर पर निर्भर करता है या नहीं।

मापता है कि विचरण का प्रत्येक स्रोत किसी प्रक्रिया या नमूना समुच्चय के कुल विचरण में कितना योगदान देता है।

किसी फ़ैक्टर के स्तरों में समूह माध्यों और उनके विश्वास अंतरालों की तुलना करता है।

प्रत्येक समूह माध्य की तुलना निर्णय सीमाओं के सापेक्ष समग्र माध्य से करता है और भिन्न समूहों को चिह्नित करता है।

कई श्रेणीगत फ़ैक्टर्स, कोवेरिएट्स और इंटरैक्शन के सापेक्ष रिस्पॉन्स को मॉडल करता है, साथ में Type III ANOVA, लीस्ट-स्क्वायर्स माध्य और पोस्ट-हॉक तुलनाएँ देता है।

संबंध और उसका फ़िट दिखाने के लिए दो चरों पर सीधी, द्विघाती या त्रिघाती रेखा फ़िट करता है।

मापता है कि प्रिडिक्टर किसी सतत रिस्पॉन्स चर से किस प्रकार संबंधित हैं।

स्टेबिलिटी अध्ययन के लिए बैच, समय और रिस्पॉन्स कॉलम वाली डेटा-संग्रहण वर्कशीट बनाता है।

अनुमान लगाता है कि कोई उत्पाद समय के साथ अपने गुणवत्ता विनिर्देशों के भीतर कितने समय तक बना रहता है।

ICH Q1E मानकों के अनुसार फार्मास्युटिकल शेल्फ लाइफ का अनुमान लगाता है, जिसमें बैच पूलेबिलिटी, तापमान प्रक्षेपण और एक्सट्रापोलेशन मूल्यांकन शामिल हैं।

प्रिडिक्टरों को तीन या अधिक स्तरों वाले क्रमित श्रेणीगत रिस्पॉन्स के विरुद्ध मॉडल करता है।

प्रिडिक्टरों को तीन या अधिक परिणामों वाले अव्यवस्थित श्रेणीगत रिस्पॉन्स के विरुद्ध मॉडल करता है।

मॉडल करता है कि प्रिडिक्टर दो-परिणाम वाले श्रेणीगत रिस्पॉन्स से किस प्रकार संबंधित हैं।

दो ऐसे चरों के बीच संबंध फ़िट करता है जिन दोनों में मापन त्रुटि होती है।

अधिकतम 48 फ़ैक्टर्स में से सार्थक फ़ैक्टर्स खोजने के लिए डेफ़िनिटिव स्क्रीनिंग प्रयोग बनाता और उसका विश्लेषण करता है।

फ़ैक्टोरियल प्रयोग योजना तैयार करता है और फ़ैक्टर व इंटरैक्शन प्रभावों का विश्लेषण करता है।

ऐसे प्रयोगों का डिज़ाइन और विश्लेषण करता है जहाँ फ़ैक्टर अवयवों के अनुपात होते हैं जिनका योग स्थिर रहता है।

नॉइज़ के प्रति रोबस्ट फ़ैक्टर सेटिंग्स खोजने के लिए Taguchi ऑर्थोगोनल-ऐरे प्रयोग बनाता और उसका विश्लेषण करता है।

वक्रीय रिस्पॉन्स को मॉडल और ऑप्टिमाइज़ करने के लिए सेंट्रल कंपोज़िट, Box-Behnken या D-ऑप्टिमल डिज़ाइन बनाता और उनका विश्लेषण करता है।

सामान्य वितरण की कल्पना किए बिना तीन या अधिक स्वतंत्र समूहों की तुलना करता है।

मानों के सभी जोड़ों से Walsh औसत, Hodges-Lehmann शिफ़्ट अनुमान या Theil-Sen ढलान की गणना करता है।

माध्यों के बजाय रैंक का उपयोग करके दो स्वतंत्र समूहों की तुलना करता है।

समग्र माध्यिका से ऊपर और नीचे के मानों को गिनकर दो या अधिक समूहों की माध्यिकाओं की तुलना करता है।

जाँचता है कि मानों का अनुक्रम वास्तव में यादृच्छिक क्रम में व्यवस्थित है या नहीं।

नॉन-पैरामीट्रिक रैंक-आधारित परीक्षण का उपयोग करके तीन या अधिक संबंधित समूहों की तुलना करता है।

जाँचता है कि नमूना माध्यिका किसी निर्दिष्ट लक्ष्य मान के बराबर है या नहीं।

साइंड रैंक का उपयोग करके जाँचता है कि नमूना माध्यिका किसी लक्ष्य के बराबर है या नहीं।

कई सहसंबंधित चरों को असहसंबंधित कंपोनेंट्स के एक छोटे समुच्चय में घटाता है।

कई चरों के बीच के सहसंबंधों को कुछ अंतर्निहित फ़ैक्टर्स से समझाता है, वैकल्पिक वैरिमैक्स रोटेशन के साथ।

रैखिक या द्विघाती डिस्क्रिमिनेंट फ़ंक्शन से प्रेक्षणों को ज्ञात समूहों में वर्गीकृत करता है और क्रॉस-वैलिडेटेड सटीकता रिपोर्ट करता है।

कई चरों में समानता के आधार पर पंक्तियों को एक डेंड्रोग्राम में समूहित करता है।

सहसंबंध या दूरी के आधार पर कॉलमों को एक डेंड्रोग्राम में समूहित करता है।

प्रेक्षणों को ऐसे K क्लस्टरों में बाँटता है जो क्लस्टर के भीतर के विचरण को न्यूनतम करते हैं।

दो श्रेणीगत चरों के बीच संबंध को कुछ आयामों में पंक्ति और कॉलम बिंदुओं के रूप में दर्शाता है।

तीन या अधिक श्रेणीगत चरों के बीच संबंधों की एक साथ पड़ताल करता है।

Cronbach के अल्फ़ा से किसी बहु-आइटम स्केल या परीक्षण की आंतरिक संगति मापता है।

निर्धारित विश्वास स्तर पर किसी विश्वसनीयता लक्ष्य को सिद्ध करने हेतु परीक्षण नमूना आकार और अवधि निर्धारित करता है।

विश्वसनीयता पैरामीटरों का अनुमान लगाने के लिए आवश्यक नमूना आकार और अवधि निर्धारित करता है।

विश्वसनीयता विश्लेषण के लिए कच्चे वारंटी फ़ील्ड-रिटर्न डेटा को तैयार करता है।

मॉडल करता है कि किसी मरम्मत योग्य प्रणाली की विफलता दर परिचालन समय बढ़ने के साथ कैसे बदलती है।

फ़िट किए गए विश्वसनीयता मॉडल से भविष्य के अपेक्षित वारंटी रिटर्न का पूर्वानुमान लगाता है।

प्रत्येक स्ट्रेस स्तर पर लाइफ़ डेटा फ़िट करता है और उपयोग की स्थितियों तक एक्सट्रापोलेट करने के लिए Arrhenius, इनवर्स पावर लॉ या रैखिक मॉडल से जीवनकाल को स्ट्रेस से जोड़ता है।

किसी प्रस्तावित एक्सेलरेटेड लाइफ़ टेस्ट को चलाने से पहले उसकी अपेक्षित परिशुद्धता का सिमुलेशन करता है।

कई स्ट्रेस स्तरों पर समूहित सफलता और प्रयास गणनाओं को फ़िट करता है और ED50 जैसे चुने गए रिस्पॉन्स प्रतिशतों के लिए स्ट्रेस का अनुमान लगाता है।

किसी मॉडल की कल्पना किए बिना मरम्मत या पुनरावर्ती-घटना डेटा के माध्य संचयी फ़ंक्शन का अनुमान लगाता है।

किसी अवधि में प्रवृत्तियाँ और परिवर्तन दर्शाने के लिए मापे गए चर को समय के सापेक्ष प्लॉट करता है।

रैखिक, द्विघाती, एक्सपोनेंशियल ग्रोथ या S-वक्र प्रवृत्ति फ़िट करता है और भविष्य के मानों का पूर्वानुमान लगाता है।

किसी मौसमी सीरीज़ को योगात्मक या गुणात्मक रूप में ट्रेंड, मौसमी और अवशिष्ट घटकों में विभाजित करता है।

ट्रेलिंग मूविंग एवरेज से सीरीज़ को स्मूद करता है और भविष्य की अवधियों का पूर्वानुमान लगाता है।

एक स्मूदिंग भार का उपयोग करके बिना स्पष्ट प्रवृत्ति वाली सीरीज़ को स्मूद करता है और उसका पूर्वानुमान लगाता है।

Holt के लेवल और ट्रेंड भारों से प्रवृत्ति वाली सीरीज़ को स्मूद करता है और उसका पूर्वानुमान लगाता है।

प्रवृत्ति और मौसमीपन दोनों वाली सीरीज़ को स्मूद करता है और उसका पूर्वानुमान लगाता है।

किसी सीरीज़ के लैग्ड अंतरों की गणना करता है, उदाहरण के लिए आगे के विश्लेषण से पहले प्रवृत्ति हटाने के लिए।

किसी सीरीज़ की लैग्ड प्रति बनाता है और उसे मूल सीरीज़ के साथ प्लॉट करता है।

पास/फ़ेल एट्रिब्यूट डेटा के लिए AQL निरीक्षण योजनाएँ बनाता है।

सतत रूप से मापी गई गुणवत्ता विशेषताओं के लिए AQL निरीक्षण योजनाएँ बनाता है।

सतत मापन डेटा के लिए एक एक्सेप्टेंस सैंपलिंग योजना बनाता है।

ऑपरेटिंग कैरेक्टरिस्टिक वक्रों का उपयोग करके नमूनाकरण योजनाओं की आमने-सामने तुलना करता है।

मापों के एक नमूने पर किसी मौजूदा वैरिएबल्स सैंपलिंग योजना को लागू करता है और स्वीकार या अस्वीकार का निर्णय देता है।

AQL, RQL तथा उत्पादक और उपभोक्ता जोखिमों से दोषपूर्ण गणनाओं के लिए एकल सैंपलिंग योजना (n, c) की गणना करता है।

कई एट्रिब्यूट सैंपलिंग योजनाओं (n, c) की एक ही OC, AOQ और ATI वक्रों पर तुलना करता है।

1-सैंपल t टेस्ट के लिए, अन्य दो दिए होने पर, सैंपल साइज़, पता लगाने योग्य अंतर या पावर ज्ञात करता है।

किसी माध्य या अनुपात का लक्षित त्रुटि मार्जिन के भीतर अनुमान लगाने के लिए आवश्यक सैंपल साइज़ ज्ञात करता है।

आवश्यक विश्वास और कवरेज तक पहुँचने के लिए किसी नॉर्मल टॉलरेंस अंतराल को चाहिए सैंपल साइज़ ज्ञात करता है।

1-सैंपल Z टेस्ट के लिए, अन्य दो दिए होने पर, सैंपल साइज़, पता लगाने योग्य अंतर या पावर ज्ञात करता है।

2-सैंपल t टेस्ट के लिए, अन्य दो दिए होने पर, सैंपल साइज़, पता लगाने योग्य अंतर या पावर ज्ञात करता है।

पेयर्ड t टेस्ट के लिए, अन्य दो दिए होने पर, सैंपल साइज़, पता लगाने योग्य युग्मित अंतर या पावर ज्ञात करता है।

वन-वे ANOVA के लिए, अन्य दो दिए होने पर, प्रति स्तर सैंपल साइज़, पता लगाने योग्य अंतर या पावर ज्ञात करता है।

1-प्रोपोर्शन टेस्ट के लिए, अन्य दो दिए होने पर, सैंपल साइज़, पता लगाने योग्य अनुपात या पावर ज्ञात करता है।

2-प्रोपोर्शन टेस्ट के लिए, अन्य दो दिए होने पर, प्रति समूह सैंपल साइज़, पता लगाने योग्य अनुपात या पावर ज्ञात करता है।

परीक्षण और मानक तैयारी की समानांतर लॉग डोज़-रिस्पॉन्स रेखाओं की तुलना करके सापेक्ष सामर्थ्य का अनुमान लगाता है।

जब तैयारियाँ एक समान बेसलाइन प्रतिक्रिया साझा करती हैं, तो डोज़-रिस्पॉन्स ढलानों के अनुपात से सापेक्ष सामर्थ्य का अनुमान लगाता है।

समरूपता परीक्षण के साथ कई स्वतंत्र एसे के सामर्थ्य अनुमानों को एक भारित परिणाम में संयोजित करता है।

जब जैविक प्रतिक्रियाएँ सतत मापन के बजाय द्विआधारी परिणाम होती हैं, तब प्रभावी खुराक और सापेक्ष सामर्थ्य का अनुमान लगाता है।

चार-पैरामीटर लॉजिस्टिक सिग्मॉइड वक्र फिट करके सापेक्ष सामर्थ्य का अनुमान लगाता है, जो ELISA जैसे इम्युनोएसे के लिए उपयुक्त है।

USP 5+1 सिलिंडर-प्लेट डिज़ाइन का उपयोग करते हुए अगर-प्लेट अवरोध क्षेत्रों से एंटीबायोटिक सामर्थ्य का अनुमान लगाता है।

दो श्रेणीगत चरों की द्वि-मार्गी तालिका बनाता है, जिसमें पंक्ति, कॉलम और कुल प्रतिशत तथा संबद्धता का ची-स्क्वायर परीक्षण शामिल होता है।

चुने गए कॉलमों के प्रत्येक मान की गिनती प्रतिशत और संचयी योग के साथ करता है।

संख्यात्मक चरों के लिए वर्णनात्मक सांख्यिकी की तालिका बनाता है, वैकल्पिक रूप से अधिकतम दो श्रेणीगत चरों के अनुसार विभाजित करके।

नॉर्मल, बाइनोमियल, पॉइसन, Weibull और मल्टीवेरिएट नॉर्मल सहित 26 वितरणों में से किसी से भी यादृच्छिक डेटा उत्पन्न करता है।