डेटा आपकी प्रक्रिया के बारे में वास्तव में आपको क्या बता रहा है?

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

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

दो स्वतंत्र जनसंख्याओं के प्रसरण की तुलना करके जाँचता है कि वे समान हैं या नहीं।

स्क्रीनिंग डिज़ाइन के परिणामों पर मॉडल फ़िट करता है और रिस्पॉन्स को प्रभावित करने वाले फ़ैक्टर्स की पहचान 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।

एक कुशल योजना बनाता है जो कई सतत फ़ैक्टर्स की स्क्रीनिंग करती है और वक्रता का पता लगाती है।

वे फ़ैक्टर सेटिंग्स खोजता है जो एक या अधिक रिस्पॉन्स के लिए सर्वाधिक वांछित परिणाम देती हैं।

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

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

स्कैटरप्लॉट को विस्तार देकर तीन सतत चर दर्शाता है, जहाँ बबल का आकार तीसरा चर होता है।

छायांकित कंटूर रेखाओं की सहायता से दर्शाता है कि दो सतत इनपुट के साथ रिस्पॉन्स कैसे बदलता है।

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

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

किसी डेटासेट के लिए माध्य, माध्यिका, फैलाव और आकृति जैसे सारांश माप परिकलित करता है।

मुख्य सांख्यिकी और डेटा के कई प्लॉट को एक समेकित दृश्य में संयोजित करता है।

संख्यात्मक डेटा के वितरण को आसन्न आवृत्ति बारों के रूप में प्रदर्शित करता है।

एक ही डेटासेट का बार-बार पुनर्नमूनाकरण करके किसी सांख्यिकी के प्रतिचयन वितरण का अनुमान लगाता है।

जाँचता है कि प्रेक्षित श्रेणी आवृत्तियाँ अपेक्षित वितरण से मेल खाती हैं या नहीं।

मापता है कि दो सतत चर किस मात्रा में एक साथ परिवर्तित होते हैं।

डेटा पर कई वितरण फ़िट करता है और पहचानता है कि कौन-सा सबसे अच्छा फ़िट होता है।

मूल्यांकन करता है कि कोई डेटासेट सामान्य वितरण का अनुसरण करता है या नहीं।

एक संरचित निर्णय वृक्ष के माध्यम से सही सांख्यिकीय परीक्षण के चयन में मार्गदर्शन करता है।

जाँचता है कि कोई नमूना अनुपात किसी लक्ष्य मान से सार्थक रूप से भिन्न है या नहीं।

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

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

किसी पास/फ़ेल निरीक्षण प्रक्रिया की संगति और विश्वसनीयता का मूल्यांकन करता है।

आकलन करता है कि निरीक्षक वस्तुओं को श्रेणियों में कितनी संगति से वर्गीकृत करते हैं।

एट्रिब्यूट एग्रीमेंट अध्ययन के लिए एक यादृच्छिक डेटा-संग्रहण फ़ॉर्म तैयार 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।

किसी गेज की उसकी मापन परास भर में सटीकता और बायस का मूल्यांकन करता है।

जब प्रत्येक ऑपरेटर अलग-अलग पुर्ज़े मापता है, तब मापन विचरण का आकलन करता है।

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

कुल विचरण को उसके अलग-अलग पहचान योग्य स्रोतों में विभाजित करता है।

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

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

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

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

जब प्रत्येक वस्तु अनुरूप या अननुरूप के रूप में वर्गीकृत होती है, तब प्रक्रिया क्षमता मापता है।

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

डेटा को सामान्य रूप से वितरित मानते हुए प्रक्रिया की स्थिरता और क्षमता का आकलन करता है।

बिटवीन-उपसमूह और विदिन-उपसमूह विचरण के लिए छह क्षमता चार्ट और मापों को संयोजित करता है।

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

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

मापता है कि कोई असामान्य रूप से वितरित प्रक्रिया अपनी विनिर्देश सीमाओं को कितनी अच्छी तरह पूरा करती है।

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

पॉइसन वितरण का अनुसरण करने वाली त्रुटि दरों के लिए प्रक्रिया क्षमता मापता है।

निश्चित प्रयासों में सफलताओं के बाइनोमियल वितरण से यादृच्छिक मान उत्पन्न करता है।

सामान्य घंटी-आकार वितरण का अनुसरण करने वाले यादृच्छिक मान उत्पन्न करता है।

घटनाओं के बीच के समय को मॉडल करने वाले एक्सपोनेंशियल वितरण से यादृच्छिक मान उत्पन्न करता है।

दो स्वातंत्र्य कोटियों द्वारा परिभाषित F-वितरण से यादृच्छिक मान उत्पन्न करता है।

दाएँ-विषम लॉगनॉर्मल वितरण से यादृच्छिक मान उत्पन्न करता है।

एक निश्चित अंतराल में घटनाओं के पॉइसन वितरण से यादृच्छिक गणनाएँ उत्पन्न करता है।

भारी-पुच्छ वाले t-वितरण से यादृच्छिक मान उत्पन्न करता है।

विश्वसनीयता विश्लेषण में प्रयुक्त वाइबुल वितरण से यादृच्छिक मान उत्पन्न करता है।

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

समग्र प्रवृत्ति को पकड़ने के लिए डेटा बिंदुओं के बीच सर्वोत्तम-फ़िट रेखा फ़िट करता है।

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

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

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

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

लेटेंट कंपोनेंट्स निकालकर कई प्रिडिक्टरों को एक या अधिक रिस्पॉन्स के विरुद्ध मॉडल करता है।

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

सेंसर किए गए प्रेक्षणों सहित विफलता डेटा पर जीवनकाल वितरण फ़िट करता है।

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

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

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

स्वीकार्य गुणवत्ता स्तर के आधार पर निरीक्षण नमूनाकरण योजनाएँ परिभाषित करता है।

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

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

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

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

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

समय के साथ स्थिर आकार के नमूनों में त्रुटियों की संख्या की निगरानी करता है।

लक्ष्य से विचलनों को संचित करके माध्य में छोटे सतत बदलावों का पता लगाता है।

हाल के और पुराने मानों के भारित औसत का उपयोग करके छोटे सतत बदलावों का पता लगाता है।

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

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

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

ओवरडिस्पर्शन को संशोधित करते हुए त्रुटिपूर्ण अनुपातों की निगरानी करता है।

ओवरडिस्पर्शन को संशोधित करते हुए प्रति इकाई त्रुटियों की निगरानी करता है।