데이터가 실제로 말하고 있는 것은 무엇인가요?

전체가 범주별로 어떻게 나뉘는지를 비례하는 원형 조각으로 보여줍니다.

범주형 또는 이산 값을 길이가 수량을 나타내는 막대로 비교합니다.

문제나 원인을 빈도순으로 정렬하여 대부분을 유발하는 핵심 소수를 부각합니다.

사분위수, 중앙값, 산포, 이상치를 통해 분포를 요약합니다.

색 농도를 사용해 2차원 공간에서 데이터가 집중되는 위치를 시각화합니다.

두 연속 변수의 관계를 평면 위의 점으로 표시합니다.

두 변수를 서로에 대해 표시하고 각 축에 히스토그램, 상자 그림, 바이올린 그림 또는 점도표를 붙여 두 변수의 관계와 각 변수의 분포를 보여줍니다.

변수 간 선형 관계의 강도와 방향을 정량화합니다.

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

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.

평균 이동을 탐지하기 위해 부분군 평균을 시간에 따라 모니터링합니다.

각 부분군의 범위를 표시하여 군내 변동을 모니터링합니다.

표본이 큰 계량형 데이터에 대해 부분군 평균과 표준편차를 모니터링합니다.

부분군 표준편차를 표시하여 군내 변동을 모니터링합니다.

개별, 군간, 군내 변동을 함께 추적합니다.

단일 값 공정에 대해 개별 측정값과 그 이동 범위를 모니터링합니다.

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

데이터가 정규분포에 충분히 가까울 때 공정 산출물이 고객 규격을 얼마나 잘 충족하는지 판단합니다.

데이터가 정규분포를 따르지 않을 때의 공정능력을 평가합니다.

특정 데이터 분포를 가정하지 않고 공정능력을 평가합니다.

데이터가 정규분포를 따를 때 여러 공정 변수의 공정능력을 나란히 비교합니다.

상관된 둘 이상의 특성을 하나의 다변량 공정으로 보고 하나의 결합 공정능력 지수를 계산합니다.

개별값 또는 부분군으로 수집한 데이터에 대해 안정성, 공정능력, 정규성을 함께 평가합니다.

부분군 간 변동이 다를 때 공정 안정성과 능력을 확인합니다.

부분군 간에 체계적인 변동이 있는 공정의 공정능력 지수를 계산합니다.

하나의 부품을 반복 측정하여 게이지 고유의 반복성과 편의를 평가합니다.

측정 장비의 작동 범위 전반에 걸친 정확성을 평가합니다.

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

동일한 부품을 측정하는 작업자와 게이지로부터의 측정 변동을 정량화합니다.

게이지나 치구 같은 선택적 세 번째 랜덤 인자를 포함한 교차 Gage R&R을 분산 성분을 사용해 실행합니다.

전체 Gage R&R 전에 빠르게 시각적으로 확인할 수 있도록 모든 측정값을 부품별로, 작업자마다 하나의 패널로 표시합니다.

모든 작업자가 모든 부품을 측정할 때 AIAG MSA 매뉴얼 형식으로 수집한 데이터로 측정시스템 변동을 평가합니다.

각 작업자가 모든 부품을 측정할 수 없을 때 측정시스템 변동을 평가합니다.

Wheeler의 EMP 방법으로 측정 공정을 평가하여 급내 상관계수를 보고하고 게이지를 1등급부터 4등급까지의 모니터로 분류합니다.

분산이 알려진 경우 표본 평균이 알려진 모평균과 다른지를 검정합니다.

표준편차가 알려진 경우 요약 통계량으로부터 모평균이 목표값과 다른지를 검정합니다.

모표준편차를 모를 때 표본 평균을 목표값과 비교합니다.

표준편차를 모르는 경우 요약 통계량으로부터 모평균이 목표값과 다른지를 검정합니다.

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.

쌍의 수와 차이의 평균 및 표준편차로부터 대응 t 검정을 실행합니다.

두 관련 방법이 동등하다고 볼 만큼 충분히 가까운 결과를 내는지 확인합니다.

서로 독립인 셋 이상 집단의 평균이 유의하게 다른지를 검정합니다.

각 집단의 반응이 별도의 열에 있을 때 집단 평균이 다른지를 검정합니다.

둘 이상의 집단이 동일한 변동 정도를 공유하는지를 확인합니다.

각 인자의 수준에 따라 평균 반응이 어떻게 변하는지를 보여줍니다.

한 인자가 반응에 미치는 효과가 다른 인자의 수준에 따라 달라지는지를 보여줍니다.

각 변동 원인이 공정 또는 표본 집합의 전체 변동에 얼마나 기여하는지를 정량화합니다.

인자 수준에 걸쳐 집단 평균과 그 신뢰 구간을 비교합니다.

각 집단 평균을 결정 한계에 대해 전체 평균과 비교하고 다른 집단을 표시합니다.

여러 범주형 인자, 공변량, 교호작용에 대해 반응을 모형화하며 Type III ANOVA, 최소제곱 평균, 사후 비교를 제공합니다.

두 변수에 직선, 2차 또는 3차 곡선을 적합시켜 관계와 적합도를 보여줍니다.

예측 변수가 연속 반응 변수와 어떻게 관련되는지를 정량화합니다.

안정성 연구를 위해 배치, 시간, 반응 열이 있는 데이터 수집 워크시트를 생성합니다.

제품이 시간이 지나도 품질 규격 내에 머무는 기간을 추정합니다.

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

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

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

예측 변수가 두 결과를 갖는 범주형 반응과 어떻게 관련되는지를 모형화합니다.

둘 다 측정 오차를 포함하는 두 변수 사이의 관계를 적합시킵니다.

최대 48개 인자 중에서 유의한 인자를 찾기 위한 확정 선별 실험을 생성하고 분석합니다.

요인 실험 계획을 생성하고 인자 효과와 교호작용 효과를 분석합니다.

인자가 합이 일정한 성분 비율인 실험을 설계하고 분석합니다.

잡음에 강건한 인자 설정을 찾기 위해 Taguchi 직교 배열 실험을 생성하고 분석합니다.

곡선형 반응을 모형화하고 최적화하기 위해 중심 합성, Box-Behnken 또는 D-최적 설계를 생성하고 분석합니다.

정규분포를 가정하지 않고 셋 이상의 독립 집단을 비교합니다.

모든 값의 쌍으로부터 Walsh 평균, Hodges-Lehmann 이동 추정값 또는 Theil-Sen 기울기를 계산합니다.

평균 대신 순위를 사용해 두 독립 집단을 비교합니다.

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

값의 배열이 진정으로 무작위 순서인지를 확인합니다.

비모수 순위 검정을 사용해 셋 이상의 관련 집단을 비교합니다.

표본 중앙값이 지정된 목표값과 같은지를 검정합니다.

부호 순위를 사용해 표본 중앙값이 목표값과 같은지를 검정합니다.

다수의 상관된 변수를 소수의 비상관 성분으로 축소합니다.

여러 변수 간 상관을 소수의 잠재 요인으로 설명하며, 선택적으로 베리맥스 회전을 적용합니다.

선형 또는 2차 판별 함수로 관측값을 알려진 집단에 분류하고 교차 검증 정확도를 보고합니다.

여러 변수에 걸친 유사성에 따라 행을 덴드로그램으로 묶습니다.

상관 또는 거리에 따라 열을 덴드로그램으로 묶습니다.

군집 내 변동을 최소화하는 K개의 군집으로 관측값을 나눕니다.

두 범주형 변수 간 연관성을 소수 차원의 행 점과 열 점으로 나타냅니다.

셋 이상의 범주형 변수 간 관계를 한 번에 탐색합니다.

Cronbach의 알파로 다문항 척도나 검사의 내적 일관성을 측정합니다.

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

신뢰성 모수를 추정하는 데 필요한 표본 크기와 기간을 결정합니다.

원시 보증 현장 반품 데이터를 신뢰성 분석에 맞게 준비합니다.

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

적합된 신뢰성 모형으로부터 향후 예상되는 보증 반품을 예측합니다.

각 스트레스 수준에서 수명 데이터를 적합시키고 Arrhenius, 역거듭제곱 법칙 또는 선형 모형으로 수명과 스트레스를 관련지어 사용 조건으로 외삽합니다.

제안된 가속 수명 시험을 실행하기 전에 예상 정밀도를 시뮬레이션합니다.

여러 스트레스 수준에서 그룹화된 성공 수와 시행 수를 적합시키고 ED50과 같은 선택한 반응 백분율에 해당하는 스트레스를 추정합니다.

모형을 가정하지 않고 수리 또는 반복 사건 데이터의 평균 누적 함수를 추정합니다.

측정 변수를 시간에 대해 표시하여 기간 동안의 추세와 변화를 드러냅니다.

선형, 2차, 지수 성장 또는 S-곡선 추세를 적합시키고 미래 값을 예측합니다.

계절성 시계열을 가법 또는 승법 방식으로 추세, 계절, 잔차 성분으로 분리합니다.

후행 이동 평균으로 시계열을 평활하고 미래 기간을 예측합니다.

하나의 평활 가중치를 사용해 뚜렷한 추세가 없는 시계열을 평활하고 예측합니다.

Holt의 수준 및 추세 가중치로 추세가 있는 시계열을 평활하고 예측합니다.

추세와 계절성을 모두 갖는 시계열을 평활하고 예측합니다.

예를 들어 추가 분석 전에 추세를 제거하기 위해 시계열의 시차 차분을 계산합니다.

시계열의 시차 복사본을 만들어 원래 시계열 옆에 표시합니다.

합격/불합격 계수형 데이터에 대한 AQL 검사 계획을 구성합니다.

연속적으로 측정되는 품질 특성에 대한 AQL 검사 계획을 생성합니다.

연속 측정 데이터에 대한 합격 샘플링 계획을 구성합니다.

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

기존 계량형 샘플링 계획을 측정값 표본에 적용하여 합격 또는 불합격 판정을 반환합니다.

AQL, RQL, 생산자 위험 및 소비자 위험으로부터 불량 수에 대한 1회 샘플링 계획(n, c)을 계산합니다.

여러 계수형 샘플링 계획(n, c)을 동일한 OC, AOQ, ATI 곡선에서 비교합니다.

1-표본 t 검정에 대해 나머지 두 값이 주어졌을 때 표본 크기, 탐지 가능한 차이 또는 검정력을 구합니다.

목표 오차 한계 내에서 평균이나 비율을 추정하는 데 필요한 표본 크기를 구합니다.

정규 공차 구간이 요구되는 신뢰수준과 포함 비율에 도달하는 데 필요한 표본 크기를 구합니다.

1-표본 Z 검정에 대해 나머지 두 값이 주어졌을 때 표본 크기, 탐지 가능한 차이 또는 검정력을 구합니다.

2-표본 t 검정에 대해 나머지 두 값이 주어졌을 때 표본 크기, 탐지 가능한 차이 또는 검정력을 구합니다.

대응 t 검정에 대해 나머지 두 값이 주어졌을 때 표본 크기, 탐지 가능한 대응 차이 또는 검정력을 구합니다.

일원배치 분산분석에 대해 나머지 두 값이 주어졌을 때 수준당 표본 크기, 탐지 가능한 차이 또는 검정력을 구합니다.

1-비율 검정에 대해 나머지 두 값이 주어졌을 때 표본 크기, 탐지 가능한 비율 또는 검정력을 구합니다.

2-비율 검정에 대해 나머지 두 값이 주어졌을 때 집단당 표본 크기, 탐지 가능한 비율 또는 검정력을 구합니다.

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.

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

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.

두 범주형 변수의 이원표를 행, 열, 전체 백분율 및 카이제곱 연관성 검정과 함께 작성합니다.

선택한 열의 각 값을 백분율 및 누적 합계와 함께 셉니다.

수치 변수의 기술 통계량을 표로 작성하며, 선택적으로 최대 두 개의 범주형 변수로 나누어 표시합니다.

정규, 이항, 포아송, Weibull, 다변량 정규를 포함한 26개 분포 중 하나로부터 난수 데이터를 생성합니다.