データは実際に何を語っていますか？

比例配分した扇形を用いて、全体がどのようにカテゴリに分かれるかを示します。

各数量を反映した棒の長さで、カテゴリ値や離散値を比較します。

問題や原因を頻度順に並べ、大部分を占める重要な少数を浮き彫りにします。

四分位数、中央値、ばらつき、外れ値によって分布を要約します。

色の濃淡を用いて、二次元空間上でデータ点が集中する場所を可視化します。

2つの連続変数の関係を平面上の点としてプロットします。

2つの変数を互いにプロットし、各軸にヒストグラム、箱ひげ図、バイオリンプロットまたはドットプロットを付けて、変数間の関係と各変数の分布を示します。

変数間の線形関係の強さと方向を定量化します。

データ点を3軸にわたって表示し、3変数間の関係を示します。

工程能力分析や管理図の前にデータを正規性に近づけるよう変換します。

正規性を要する解析のために、非正規データを正規性に近づけて変換します。

計量値データの工程安定性を監視するため、サブグループの平均と範囲を追跡します。

サブグループの平均を時系列で監視し、平均のシフトを検出します。

各サブグループの範囲をプロットして群内変動を監視します。

サンプルサイズの大きい計量値データについてサブグループの平均と標準偏差を監視します。

サブグループの標準偏差をプロットして群内変動を監視します。

個々の変動、群間変動、群内変動をまとめて追跡します。

単一値の工程について個々の測定値とその移動範囲を監視します。

ISO 22514-3に準拠して機械の短期能力を規格に対して評価します。

データがおおむね正規分布に従う場合に、工程出力が顧客の規格をどの程度満たすかを判定します。

データが正規分布に従わない場合の工程能力を評価します。

特定のデータ分布を仮定せずに工程能力を評価します。

データが正規分布に従う場合に、複数の工程変数の工程能力を並べて比較します。

相関のある2つ以上の特性を単一の多変量工程として扱い、1つの総合的な工程能力指数を算出します。

個別値またはサブグループとして収集したデータについて、安定性、工程能力、正規性をまとめて評価します。

サブグループ間で変動が異なる場合の工程の安定性と能力を確認します。

サブグループ間に系統的な変動がある工程について工程能力指数を算出します。

1つの部品の繰返し測定を用いて、ゲージ固有の繰返し性と偏りを評価します。

測定機器の動作範囲全体にわたる正確さを評価します。

Gage R&R試験用の無作為化したデータ収集ワークシートを生成します。

同じ部品を測定する作業者とゲージに起因する測定変動を定量化します。

分散成分を用いて交差型Gage R&Rを実行し、ゲージや治具などの第3のランダム因子を任意で追加できます。

すべての測定値を部品ごとに、作業者ごとに1つのパネルでプロットし、本格的なGage R&Rの前に簡易的な視覚確認を行います。

すべての作業者がすべての部品を測定する場合の測定システム変動を、AIAG MSAマニュアルの形式で収集したデータを用いて評価します。

各作業者がすべての部品を測定できない場合の測定システム変動を評価します。

WheelerのEMP法で測定プロセスを評価し、級内相関係数を報告して、ゲージを第1級から第4級のモニターに分類します。

分散既知の条件で、標本平均が既知の母平均と異なるかを検定します。

標準偏差が既知の場合に、要約統計量から母平均が目標値と異なるかを検定します。

母標準偏差が未知の場合に、標本平均を目標値と比較します。

標準偏差が未知の場合に、要約統計量から母平均が目標値と異なるかを検定します。

2つの独立した群の平均に有意な差があるかを検定します。

生データではなく要約統計量を用いて2つの独立した群の平均を比較します。

2つの関連する群の平均に有意な差があるかを検定します。

ペア数と差の平均および標準偏差から、対応のあるt検定を実行します。

2つの関連する手法が同等とみなせるほど近い結果を生むかを確認します。

3つ以上の独立した群の平均値に有意な差があるかを検定します。

各群の応答がそれぞれ別の列に入っている場合に、群平均が異なるかを検定します。

2つ以上の群が同程度のばらつきを持つかどうかを確認します。

各因子の水準ごとに平均応答がどのように変化するかを示します。

ある因子の応答への効果が、別の因子の水準に依存するかどうかを示します。

各変動要因が、工程またはサンプル群の総変動にどの程度寄与しているかを定量化します。

因子の各水準における群平均とその信頼区間を比較します。

各群平均を全体平均と判定限界に照らして比較し、異なる群を示します。

複数のカテゴリ因子、共変量、交互作用に対して応答をモデル化し、タイプIIIの分散分析、最小二乗平均、事後比較を提供します。

2つの変数に直線、2次または3次の曲線を当てはめ、その関係と当てはまりを示します。

予測変数が連続応答変数とどのように関係するかを定量化します。

安定性試験用に、バッチ、時間、応答の列を持つデータ収集ワークシートを生成します。

製品が時間の経過とともに品質規格内にとどまる期間を推定します。

ICH Q1E 基準に従って医薬品の有効期間を推定し、バッチの統合可能性、温度予測、外挿評価に対応します。

3つ以上の水準を持つ順序付きカテゴリ応答に対して予測変数をモデル化します。

3つ以上の結果を持つ順序のないカテゴリ応答に対して予測変数をモデル化します。

予測変数が2値カテゴリ応答とどのように関係するかをモデル化します。

両方に測定誤差を含む2つの変数間の関係を当てはめます。

最大48因子の中から有意な因子を見つけるため、決定的スクリーニング実験を作成して解析します。

要因計画の実験計画を生成し、因子効果と交互作用効果を解析します。

因子が合計一定となる成分比率である実験を計画し解析します。

Taguchiの直交表実験を作成・解析し、ノイズに対してロバストな因子設定を見つけます。

中心複合計画、Box-Behnken計画またはD最適計画を作成・解析し、曲線的な応答をモデル化して最適化します。

正規分布を仮定せずに3つ以上の独立した群を比較します。

すべての値のペアから、Walsh平均、Hodges-Lehmannのシフト推定値、またはTheil-Senの傾きを算出します。

平均ではなく順位を用いて2つの独立した群を比較します。

全体の中央値を上回る値と下回る値の数を数え、2つ以上の群の中央値を比較します。

値の並びが真に無作為な順序になっているかどうかを確認します。

ノンパラメトリックな順位検定を用いて3つ以上の関連する群を比較します。

標本の中央値が指定した目標値と等しいかどうかを検定します。

符号付き順位を用いて、標本の中央値が目標値と等しいかどうかを検定します。

多数の相関した変数を、より少数の無相関な成分に集約します。

多数の変数間の相関を少数の潜在因子で説明し、任意でバリマックス回転を行います。

線形または2次の判別関数で観測値を既知の群に分類し、交差検証による正解率を報告します。

複数の変数にわたる類似性に基づいて、行をデンドログラムにグループ化します。

相関または距離に基づいて、列をデンドログラムにグループ化します。

クラスター内変動が最小になるように、観測値をK個のクラスターに分割します。

2つのカテゴリ変数間の関連を、少数の次元における行と列の点としてマッピングします。

3つ以上のカテゴリ変数間の関係を一度に探索します。

Cronbachのα係数を用いて、複数項目からなる尺度やテストの内的一貫性を測定します。

所定の信頼水準で信頼性目標を実証するための試験サンプルサイズと期間を決定します。

信頼性パラメータを推定するために必要なサンプルサイズと期間を決定します。

信頼性解析のために生の保証フィールド返品データを準備します。

修理可能なシステムの故障率が稼働時間の蓄積とともにどう変化するかをモデル化します。

当てはめた信頼性モデルから将来予想される保証返品を予測します。

各ストレス水準で寿命データを当てはめ、Arrhenius、逆べき乗則または線形モデルで寿命とストレスを関係付けて使用条件へ外挿します。

提案された加速寿命試験の予想精度を、実施前にシミュレーションします。

複数のストレス水準における成功数と試行数のグループデータを当てはめ、ED50など指定した応答割合に対応するストレスを推定します。

モデルを仮定せずに、修理データまたは再発事象データの平均累積関数を推定します。

測定変数を時間に対してプロットし、期間内の傾向や変化を明らかにします。

線形、2次、指数成長、またはSカーブのトレンドを当てはめ、将来の値を予測します。

季節性のある系列を、加法型または乗法型でトレンド、季節、残差の成分に分解します。

後方移動平均で系列を平滑化し、将来の期間を予測します。

明確なトレンドのない系列を、1つの平滑化重みで平滑化して予測します。

トレンドのある系列を、Holtの水準とトレンドの重みで平滑化して予測します。

トレンドと季節性の両方を持つ系列を平滑化して予測します。

系列のラグ付き差分を計算し、たとえば追加の分析の前にトレンドを除去します。

系列のラグ付きコピーを作成し、元の系列と並べてプロットします。

合否の計数値データに対するAQL検査計画を構築します。

連続測定する品質特性に対するAQL検査計画を作成します。

連続測定データに対する合否判定抜取計画を構築します。

検査特性曲線（OC曲線）を用いて抜取計画を並べて比較します。

既存の計量値抜取計画を測定値の標本に適用し、合格または不合格の判定を返します。

AQL、RQL、生産者危険および消費者危険から、不良品数に対する1回抜取計画（n, c）を算出します。

複数の計数値抜取計画（n, c）を、同じOC、AOQ、ATI曲線上で比較します。

1標本t検定について、他の2つを与えてサンプルサイズ、検出可能な差、または検出力を求めます。

目標とする誤差の範囲内で平均または比率を推定するために必要なサンプルサイズを求めます。

正規許容区間が必要な信頼度と被覆率を達成するために必要なサンプルサイズを求めます。

1標本Z検定について、他の2つを与えてサンプルサイズ、検出可能な差、または検出力を求めます。

2標本t検定について、他の2つを与えてサンプルサイズ、検出可能な差、または検出力を求めます。

対応のあるt検定について、他の2つを与えてサンプルサイズ、検出可能な対の差、または検出力を求めます。

一元配置分散分析について、他の2つを与えて水準ごとのサンプルサイズ、検出可能な差、または検出力を求めます。

1比率の検定について、他の2つを与えてサンプルサイズ、検出可能な比率、または検出力を求めます。

2比率の検定について、他の2つを与えて群ごとのサンプルサイズ、検出可能な比率、または検出力を求めます。

検体標本と標準標本の対数用量反応の平行線を比較して相対力価を推定します。

標本が共通のベースライン反応を持つ場合に、用量反応の傾きの比から相対力価を推定します。

均一性検定を用いて、複数の独立したアッセイの力価推定値を一つの加重結果に統合します。

生物学的反応が連続測定ではなく二値の結果である場合に、有効用量と相対力価を推定します。

4パラメータロジスティックのシグモイド曲線を当てはめて相対力価を推定し、ELISAなどの免疫測定に適しています。

USPの5+1シリンダープレート設計を用いて、寒天平板の阻止円から抗生物質の力価を推定します。

2つのカテゴリ変数の二元表を、行、列、全体のパーセントとカイ二乗の関連性検定とともに作成します。

選択した列の各値を数え、パーセントと累積合計を示します。

数値変数の記述統計を表にまとめ、任意で最大2つのカテゴリ変数で分割します。

正規、二項、ポアソン、Weibull、多変量正規を含む26種類の分布のいずれかから乱数データを生成します。