데이터가 귀사 공정에 대해 실제로 무엇을 말하고 있나요?

분산이 알려진 경우 표본 평균이 알려진 모평균과 다른지를 검정합니다.

모표준편차를 모를 때 표본 평균을 목표값과 비교합니다.

두 독립 집단의 평균이 유의하게 다른지를 검정합니다.

원자료 대신 요약 통계량을 사용해 두 독립 집단의 평균을 비교합니다.

두 관련 집단의 평균 사이에 유의한 차이가 있는지를 검정합니다.

표본 비율이 목표값과 유의하게 다른지를 검정합니다.

두 독립 모집단 간 특성의 비율을 비교합니다.

카이제곱 검정을 사용해 표본 분산을 지정된 값과 비교합니다.

둘 이상의 집단이 동일한 변동 정도를 공유하는지를 확인합니다.

서로 독립인 셋 이상 집단의 평균이 유의하게 다른지를 검정합니다.

두 독립 모집단의 분산이 같은지를 비교하여 확인합니다.

각 인자의 수준에 따라 평균 반응이 어떻게 변하는지를 보여줍니다.

전체 추세를 포착하기 위해 데이터 점을 통과하는 최적 직선을 적합시킵니다.

예측 변수가 연속 반응 변수와 어떻게 관련되는지를 정량화합니다.

제품이 시간이 지나도 품질 규격 내에 머무는 기간을 추정합니다.

ICH Q1E 기준에 따라 의약품 유효기간을 추정하며 배치 통합 가능성, 온도 예측, 외삽 평가를 지원합니다.

둘 다 측정 오차를 포함하는 두 변수 사이의 관계를 적합시킵니다.

잠재 성분을 추출하여 다수의 예측 변수를 하나 이상의 반응에 대해 모형화합니다.

예측 변수가 두 결과를 갖는 범주형 반응과 어떻게 관련되는지를 모형화합니다.

예측 변수를 셋 이상의 수준을 갖는 순서형 범주 반응에 대해 모형화합니다.

예측 변수를 셋 이상의 결과를 갖는 순서 없는 범주형 반응에 대해 모형화합니다.

시험 표준품과 표준 표준품의 평행한 로그 용량-반응 직선을 비교하여 상대 역가를 추정합니다.

제제가 공통 기저 반응을 공유할 때 용량-반응 기울기의 비율로 상대 역가를 추정합니다.

생물학적 반응이 연속 측정이 아니라 이분형 결과일 때 유효 용량과 상대 역가를 추정합니다.

4-파라미터 로지스틱 S자 곡선을 적합하여 상대 역가를 추정하며 ELISA와 같은 면역검정에 적합합니다.

USP 5+1 실린더-플레이트 설계를 사용하여 한천 평판의 억제대로부터 항생제 역가를 추정합니다.

동질성 검정을 통해 여러 독립 검정의 역가 추정값을 하나의 가중 결과로 결합합니다.

다수의 연속 인자를 선별하고 곡률을 탐지하는 효율적인 계획을 구성합니다.

선별 설계 결과에 모형을 적합시켜 반응에 영향을 주는 인자를 찾아냅니다.

요인 실험 계획을 생성하고 인자 효과와 교호작용 효과를 분석합니다.

인자가 합이 일정한 성분 비율인 실험을 설계하고 분석합니다.

하나 이상의 반응에서 가장 바람직한 결과를 내는 인자 설정값을 찾습니다.

정해진 신뢰수준에서 신뢰성 목표를 입증하기 위한 시험 표본 크기와 기간을 결정합니다.

신뢰성 모수를 추정하는 데 필요한 표본 크기와 기간을 결정합니다.

중도절단된 관측값을 포함한 고장 데이터에 수명 분포를 적합시킵니다.

원시 보증 현장 반품 데이터를 신뢰성 분석에 맞게 준비합니다.

적합된 신뢰성 모형으로부터 향후 예상되는 보증 반품을 예측합니다.

수리 가능 시스템의 고장률이 가동 시간 누적에 따라 어떻게 변하는지를 모형화합니다.

다수의 상관된 변수를 소수의 비상관 성분으로 축소합니다.

표본 중앙값이 지정된 목표값과 같은지를 검정합니다.

부호 순위를 사용해 표본 중앙값이 목표값과 같은지를 검정합니다.

평균 대신 순위를 사용해 두 독립 집단을 비교합니다.

정규분포를 가정하지 않고 셋 이상의 독립 집단을 비교합니다.

전체 중앙값을 기준으로 위아래 값의 개수를 세어 둘 이상 집단의 중앙값을 비교합니다.

셋 이상의 관련 집단을 비모수 순위 검정으로 비교합니다.

값의 배열이 진정으로 무작위 순서인지를 확인합니다.

두 연속 변수의 관계를 평면 위의 점으로 표시합니다.

세 변수 간 관계를 보이기 위해 데이터 점을 세 축에 걸쳐 표시합니다.

산점도를 확장하여 버블 크기를 세 번째 변수로 하는 세 연속 변수를 표시합니다.

변수 간 선형 관계의 강도와 방향을 정량화합니다.

수치 데이터의 분포를 인접한 도수 막대로 표시합니다.

수치 분포를 도수 막대로 표시하며 흔히 적합 곡선을 함께 겹쳐 보여줍니다.

확률도를 사용해 데이터가 정규분포를 따르는지 평가합니다.

사분위수, 중앙값, 산포, 이상치를 통해 분포를 요약합니다.

여러 인자에 걸친 변동의 원인과 크기를 한눈에 드러냅니다.

하나의 부품을 반복 측정하여 게이지 고유의 반복성과 편의를 평가합니다.

Gage R&R 연구를 위한 무작위화된 데이터 수집 워크시트를 생성합니다.

측정 범위 전반에 걸쳐 게이지의 정확성과 편의를 평가합니다.

동일한 부품을 측정하는 작업자와 게이지로부터의 측정 변동을 정량화합니다.

각 작업자가 서로 다른 부품을 측정할 때의 측정 변동을 평가합니다.

전체 변동을 식별 가능한 개별 원인으로 분해합니다.

합격/불합격 검사 공정의 일관성과 신뢰성을 평가합니다.

계수형 일치성 연구를 위한 무작위화된 데이터 수집 양식을 구성합니다.

평가자가 항목을 범주로 얼마나 일관되게 분류하는지를 평가합니다.

공정능력 분석이나 관리도 작성 전에 데이터를 정규성에 가깝게 변환합니다.

정규성을 요구하는 분석을 위해 비정규 데이터를 정규성에 가깝게 변환합니다.

계량형 데이터의 공정 안정성을 모니터링하기 위해 부분군 평균과 범위를 추적합니다.

표본이 큰 계량형 데이터에 대해 부분군 평균과 표준편차를 모니터링합니다.

개별, 군간, 군내 변동을 함께 추적합니다.

평균 이동을 탐지하기 위해 부분군 평균을 시간에 따라 모니터링합니다.

각 부분군의 범위를 표시하여 군내 변동을 모니터링합니다.

부분군 표준편차를 표시하여 군내 변동을 모니터링합니다.

단일 값 공정에 대해 개별 측정값과 그 이동 범위를 모니터링합니다.

공정이 규격 한계 내에서 산출물을 얼마나 잘 생산하는지를 측정합니다.

ISO 22514-3에 따라 기계의 단기 능력을 규격과 비교하여 평가합니다.

데이터가 정규분포를 따르지 않을 때의 공정능력을 평가합니다.

비정규 분포 공정이 규격 한계를 얼마나 잘 충족하는지를 측정합니다.

특정 데이터 분포를 가정하지 않고 공정능력을 평가합니다.

각 항목을 적합/부적합으로 분류할 때의 공정능력을 측정합니다.

포아송 분포를 따르는 결점률에 대한 공정능력을 측정합니다.

데이터가 정규분포를 따른다고 가정하고 공정 안정성과 능력을 평가합니다.

부분군 간 변동이 다를 때 공정 안정성과 능력을 확인합니다.

합격/불합격 계수형 데이터에 대한 AQL 검사 계획을 구성합니다.

합격품질수준(AQL)을 기준으로 검사 샘플링 계획을 정의합니다.

연속 측정 데이터에 대한 합격 샘플링 계획을 구성합니다.

운영 특성 곡선(OC 곡선)을 사용해 샘플링 계획을 나란히 비교합니다.

연속적으로 측정되는 품질 특성에 대한 AQL 검사 계획을 생성합니다.

종 모양의 정규분포를 따르는 난수 값을 생성합니다.

오른쪽으로 치우친 로그정규분포로부터 난수 값을 생성합니다.

사건 간 시간을 모형화하는 지수분포로부터 난수 값을 생성합니다.

신뢰성 분석에 사용되는 와이블 분포로부터 난수 값을 생성합니다.

꼬리가 더 두꺼운 t 분포로부터 난수 값을 생성합니다.

두 자유도로 정의되는 F 분포로부터 난수 값을 생성합니다.

고정된 시행에서의 성공 수에 대한 이항분포로부터 난수 값을 생성합니다.

고정 구간 내 사건에 대한 포아송 분포로부터 무작위 계수를 생성합니다.