O que os seus dados estão realmente dizendo?

Mostra como um todo se divide em categorias usando fatias circulares proporcionais.

Compara valores categóricos ou discretos usando barras cujo comprimento reflete cada quantidade.

Classifica problemas ou causas por frequência para destacar os poucos vitais que geram a maioria das ocorrências.

Resume uma distribuição por meio de seus quartis, mediana, dispersão e valores atípicos.

Visualiza onde os pontos de dados se concentram em um espaço bidimensional usando intensidade de cor.

Plota a relação entre duas variáveis contínuas como pontos em um plano.

Plota duas variáveis uma contra a outra com um histograma, diagrama de caixa, gráfico de violino ou gráfico de pontos em cada eixo, mostrando sua relação e a distribuição de cada variável.

Quantifica a força e a direção das relações lineares entre variáveis.

Exibe pontos de dados em três eixos para mostrar relações entre três variáveis.

Transforma os dados em direção à normalidade antes da análise de capacidade ou da carta de controle.

Converte dados não normais em direção à normalidade para análises que a exigem.

Acompanha as médias e amplitudes dos subgrupos para monitorar a estabilidade do processo com dados por variáveis.

Monitora a média dos subgrupos ao longo do tempo para detectar mudanças na média.

Monitora a variação dentro do subgrupo plotando a amplitude de cada subgrupo.

Monitora as médias e os desvios padrão dos subgrupos para dados por variáveis com amostras maiores.

Monitora a variação dentro do subgrupo plotando os desvios padrão dos subgrupos.

Acompanha em conjunto a variação individual, entre subgrupos e dentro de subgrupos.

Monitora medições individuais e sua amplitude móvel para processos de valor único.

Avalia a capacidade de curto prazo de uma máquina em relação às suas especificações conforme a ISO 22514-3.

Determina o quão bem a saída do processo atende às especificações do cliente quando os dados são razoavelmente normais.

Avalia a capacidade do processo quando os dados não seguem uma distribuição normal.

Avalia a capacidade do processo sem pressupor qualquer distribuição específica dos dados.

Compara lado a lado a capacidade de várias variáveis do processo quando os dados são normais.

Calcula um único índice de capacidade conjunto para duas ou mais características correlacionadas, tratando-as como um único processo multivariado.

Avalia em conjunto a estabilidade, a capacidade e a normalidade de dados coletados como valores individuais ou em subgrupos.

Verifica a estabilidade e a capacidade do processo quando a variação difere entre subgrupos.

Calcula índices de capacidade para um processo com variação sistemática entre subgrupos.

Avalia a repetibilidade intrínseca e a tendência de um instrumento usando medições repetidas de uma única peça.

Avalia a exatidão de um dispositivo de medição ao longo de sua faixa de operação.

Gera uma planilha de coleta de dados aleatorizada para um estudo Gage R&R.

Quantifica a variação de medição proveniente de operadores e instrumentos que medem as mesmas peças.

Executa um Gage R&R cruzado com um terceiro fator aleatório opcional, como o instrumento ou o dispositivo de fixação, usando componentes de variância.

Plota cada medição por peça, com um painel por operador, como verificação visual rápida antes de um Gage R&R completo.

Avalia a variação do sistema de medição quando cada operador mede todas as peças, com os dados registrados no formato do manual AIAG MSA.

Avalia a variação do sistema de medição quando cada operador não pode medir todas as peças.

Avalia um processo de medição com o método EMP de Wheeler, informando a correlação intraclasse e classificando o instrumento como monitor de primeira a quarta classe.

Verifica se a média de uma amostra difere de uma média populacional conhecida com variância conhecida.

Verifica se uma média populacional difere de um valor-alvo, com desvio padrão conhecido, a partir de estatísticas-resumo.

Compara a média de uma amostra a um valor-alvo quando o desvio padrão populacional é desconhecido.

Verifica se uma média populacional difere de um valor-alvo, com desvio padrão desconhecido, a partir de estatísticas-resumo.

Verifica se as médias de dois grupos independentes diferem significativamente.

Compara as médias de dois grupos independentes usando estatísticas-resumo em vez de dados brutos.

Testa se há diferença significativa entre as médias de dois grupos relacionados.

Executa um teste t pareado a partir do número de pares e da média e do desvio padrão das diferenças.

Verifica se dois métodos relacionados produzem resultados suficientemente próximos para serem equivalentes.

Verifica se as médias de três ou mais grupos independentes diferem significativamente.

Verifica se as médias dos grupos diferem quando as respostas de cada grupo estão em sua própria coluna.

Verifica se dois ou mais grupos compartilham a mesma variabilidade.

Mostra como a resposta média varia entre os níveis de cada fator de um estudo.

Mostra se o efeito de um fator sobre a resposta depende do nível de outro.

Quantifica quanto cada fonte de variação contribui para a variação total de um processo ou conjunto de amostras.

Compara as médias dos grupos e seus intervalos de confiança entre os níveis de um fator.

Compara a média de cada grupo com a média geral em relação a limites de decisão e sinaliza os grupos que diferem.

Modela uma resposta em função de vários fatores categóricos, covariáveis e interações, com ANOVA Tipo III, médias de mínimos quadrados e comparações post-hoc.

Ajusta uma reta, uma curva quadrática ou cúbica entre duas variáveis para mostrar a relação e seu ajuste.

Quantifica como os preditores se relacionam com uma variável resposta contínua.

Gera uma planilha de coleta de dados com colunas de lote, tempo e resposta para um estudo de estabilidade.

Estima por quanto tempo um produto permanece dentro de suas especificações de qualidade ao longo do tempo.

Estima a vida útil farmacêutica conforme as normas ICH Q1E com agrupabilidade de lotes, projeção de temperatura e avaliação de extrapolação.

Modela preditores em relação a uma resposta categórica ordenada com três ou mais níveis.

Modela preditores em relação a uma resposta categórica não ordenada com três ou mais resultados.

Modela como os preditores se relacionam com uma resposta categórica de dois resultados.

Ajusta uma relação entre duas variáveis que contêm erro de medição em ambas.

Cria e analisa um experimento de triagem definitiva para encontrar os fatores significativos entre até 48.

Gera um plano de experimento fatorial e analisa os efeitos dos fatores e das interações.

Planeja e analisa experimentos em que os fatores são proporções de ingredientes que somam um valor constante.

Cria e analisa um experimento de Taguchi com arranjos ortogonais para encontrar ajustes dos fatores que sejam robustos ao ruído.

Cria e analisa planejamentos compostos centrais, Box-Behnken ou D-ótimos para modelar e otimizar respostas curvas.

Compara três ou mais grupos independentes sem pressupor uma distribuição normal.

Calcula médias de Walsh, estimativas de deslocamento de Hodges-Lehmann ou a inclinação de Theil-Sen a partir de todos os pares de valores.

Compara dois grupos independentes usando postos em vez de médias.

Compara as medianas de dois ou mais grupos contando os valores acima e abaixo da mediana geral.

Verifica se uma sequência de valores está disposta em uma ordem verdadeiramente aleatória.

Compara três ou mais grupos relacionados usando um teste não paramétrico baseado em postos.

Verifica se a mediana de uma amostra é igual a um valor-alvo especificado.

Verifica se a mediana de uma amostra é igual a um alvo usando postos com sinal.

Reduz muitas variáveis correlacionadas a um conjunto menor de componentes não correlacionados.

Explica as correlações entre muitas variáveis por meio de poucos fatores subjacentes, com rotação varimax opcional.

Classifica observações em grupos conhecidos com funções discriminantes lineares ou quadráticas e informa a acurácia com validação cruzada.

Agrupa as linhas em um dendrograma de acordo com sua similaridade em várias variáveis.

Agrupa as colunas em um dendrograma de acordo com sua correlação ou distância.

Divide as observações em K agrupamentos que minimizam a variação dentro de cada agrupamento.

Mapeia a associação entre duas variáveis categóricas como pontos de linha e de coluna em poucas dimensões.

Explora ao mesmo tempo as relações entre três ou mais variáveis categóricas.

Mede a consistência interna de uma escala ou teste com vários itens usando o alfa de Cronbach.

Determina o tamanho da amostra e a duração do teste para comprovar uma meta de confiabilidade com confiança definida.

Determina o tamanho da amostra e a duração necessários para estimar parâmetros de confiabilidade.

Prepara dados brutos de retornos de garantia em campo para análise de confiabilidade.

Modela como a taxa de falhas de um sistema reparável varia conforme ele acumula tempo de operação.

Prevê os retornos de garantia futuros esperados a partir de um modelo de confiabilidade ajustado.

Ajusta os dados de vida em cada nível de estresse e relaciona a vida ao estresse com modelos de Arrhenius, de lei de potência inversa ou lineares para extrapolar para as condições de uso.

Simula a precisão esperada de um teste de vida acelerado proposto antes de sua execução.

Ajusta contagens agrupadas de sucessos e ensaios em vários níveis de estresse e estima o estresse correspondente a percentuais de resposta escolhidos, como a ED50.

Estima a função média acumulada de dados de reparos ou eventos recorrentes sem pressupor um modelo.

Plota uma variável medida em função do tempo para revelar tendências e mudanças ao longo de um período.

Ajusta uma tendência linear, quadrática, de crescimento exponencial ou de curva S e prevê valores futuros.

Divide uma série sazonal em componentes de tendência, sazonal e residual, de forma aditiva ou multiplicativa.

Suaviza uma série com uma média móvel retroativa e prevê períodos futuros.

Suaviza e prevê uma série sem tendência clara usando um único peso de suavização.

Suaviza e prevê uma série com tendência usando os pesos de nível e de tendência de Holt.

Suaviza e prevê uma série que apresenta tanto tendência quanto sazonalidade.

Calcula diferenças defasadas de uma série, por exemplo para remover uma tendência antes de análises posteriores.

Cria e plota uma cópia defasada de uma série ao lado da original.

Cria planos de inspeção por NQA para dados de atributos do tipo aprovado/reprovado.

Cria planos de inspeção por NQA para características de qualidade medidas continuamente.

Cria um plano de amostragem de aceitação para dados de medição contínuos.

Compara planos de amostragem lado a lado usando suas curvas características de operação.

Aplica um plano de amostragem por variáveis existente a uma amostra de medições e retorna uma decisão de aceitação ou rejeição.

Calcula um plano de amostragem simples (n, c) para contagens de defeituosos a partir do AQL, do RQL e dos riscos do produtor e do consumidor.

Compara vários planos de amostragem por atributos (n, c) nas mesmas curvas OC, AOQ e ATI.

Calcula o tamanho da amostra, a diferença detectável ou o poder, dados os outros dois, para um teste t de 1 amostra.

Encontra o tamanho de amostra necessário para estimar uma média ou proporção dentro de uma margem de erro-alvo.

Encontra o tamanho de amostra de que um intervalo de tolerância normal precisa para atingir a confiança e a cobertura exigidas.

Calcula o tamanho da amostra, a diferença detectável ou o poder, dados os outros dois, para um teste Z de 1 amostra.

Calcula o tamanho da amostra, a diferença detectável ou o poder, dados os outros dois, para um teste t de 2 amostras.

Calcula o tamanho da amostra, a diferença pareada detectável ou o poder, dados os outros dois, para um teste t pareado.

Calcula o tamanho da amostra por nível, a diferença detectável ou o poder, dados os outros dois, para uma ANOVA de um fator.

Calcula o tamanho da amostra, a proporção detectável ou o poder, dados os outros dois, para um teste de 1 proporção.

Calcula o tamanho da amostra por grupo, a proporção detectável ou o poder, dados os outros dois, para um teste de 2 proporções.

Estima a potência relativa comparando as linhas paralelas de dose-resposta logarítmicas de uma preparação de teste e uma padrão.

Estima a potência relativa a partir da razão das inclinações de dose-resposta quando as preparações compartilham uma resposta basal comum.

Combina as estimativas de potência de vários ensaios independentes em um único resultado ponderado com teste de homogeneidade.

Estima a dose efetiva e a potência relativa quando as respostas biológicas são resultados binários em vez de medições contínuas.

Estima a potência relativa ajustando uma curva sigmoide logística de quatro parâmetros, adequada a imunoensaios como ELISA.

Estima a potência de antibióticos a partir das zonas de inibição em placa de ágar usando um desenho cilindro-placa 5+1 da USP.

Cria uma tabela de dupla entrada de duas variáveis categóricas com percentuais por linha, por coluna e do total, e um teste qui-quadrado de associação.

Conta cada valor das colunas selecionadas, com percentuais e totais acumulados.

Tabula estatísticas descritivas de variáveis numéricas, opcionalmente divididas por até duas variáveis categóricas.

Gera dados aleatórios a partir de qualquer uma de 26 distribuições, incluindo Normal, Binomial, Poisson, Weibull e Normal multivariada.