O que os dados estão realmente dizendo sobre o seu processo?

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

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

Compara as variâncias de duas populações independentes para verificar se são iguais.

Ajusta um modelo aos resultados de um experimento de triagem e identifica os fatores que influenciam a resposta.

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 um plano eficiente que tria muitos fatores contínuos e detecta curvatura.

Encontra os ajustes dos fatores que produzem os resultados mais desejáveis para uma ou mais respostas.

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

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

Amplia um diagrama de dispersão para exibir três variáveis contínuas, com o tamanho da bolha como a terceira.

Mapeia como uma resposta varia em função de duas entradas contínuas usando linhas de contorno sombreadas.

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

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

Calcula medidas-resumo como média, mediana, dispersão e forma de um conjunto de dados.

Combina as principais estatísticas com diversos gráficos dos dados em uma única visão consolidada.

Exibe a distribuição de dados numéricos por meio de barras de frequência adjacentes.

Estima a distribuição amostral de uma estatística reamostrando repetidamente um único conjunto de dados.

Verifica se as frequências observadas das categorias correspondem a uma distribuição esperada.

Mede o grau em que duas variáveis contínuas variam em conjunto.

Ajusta diversas distribuições aos dados e identifica qual delas se ajusta melhor.

Avalia se um conjunto de dados segue uma distribuição normal.

Orienta a seleção do teste estatístico correto por meio de uma árvore de decisão estruturada.

Verifica se uma proporção amostral difere significativamente de um valor-alvo.

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

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

Avalia a consistência e a confiabilidade de um processo de inspeção do tipo aprovado/reprovado.

Avalia o quão consistentemente os avaliadores classificam os itens em categorias.

Cria um formulário de coleta de dados aleatorizado para um estudo de concordância por atributos.

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.

Avalia a exatidão e a tendência de um instrumento ao longo de sua faixa de medição.

Avalia a variação de medição quando cada operador mede peças diferentes.

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

Decompõe a variação total em suas distintas fontes identificáveis.

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

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

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

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 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.

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

Mede a capacidade do processo quando cada item é classificado como conforme ou não conforme.

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

Avalia a estabilidade e a capacidade do processo pressupondo dados normalmente distribuídos.

Combina seis gráficos e métricas de capacidade para a variação entre e dentro de subgrupos.

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

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

Mede o quão bem um processo com distribuição não normal atende aos seus limites de especificação.

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

Mede a capacidade do processo para taxas de defeitos que seguem uma distribuição de Poisson.

Gera valores aleatórios a partir de uma distribuição binomial de sucessos em ensaios fixos.

Gera valores aleatórios seguindo uma distribuição normal em forma de sino.

Gera valores aleatórios a partir de uma distribuição exponencial que modela o tempo entre eventos.

Gera valores aleatórios a partir de uma distribuição F definida por dois graus de liberdade.

Gera valores aleatórios a partir de uma distribuição lognormal assimétrica à direita.

Gera contagens aleatórias a partir de uma distribuição de Poisson de eventos em um intervalo fixo.

Gera valores aleatórios a partir de uma distribuição t com caudas mais pesadas.

Gera valores aleatórios a partir de uma distribuição de Weibull usada em análise de confiabilidade.

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

Ajusta uma reta de melhor ajuste aos pontos de dados para captar a tendência geral.

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

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

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

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

Modela muitos preditores em relação a uma ou mais respostas extraindo componentes latentes.

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

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.

Ajusta uma distribuição de vida a dados de falha que incluem observações censuradas.

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

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

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

Define planos de amostragem de inspeção com base em um nível de qualidade aceitável.

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

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

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

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

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

Monitora o número de defeitos em amostras de tamanho constante ao longo do tempo.

Detecta pequenas mudanças sustentadas na média acumulando os desvios em relação ao alvo.

Detecta pequenas mudanças sustentadas usando uma média ponderada de valores recentes e passados.

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

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

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

Monitora proporções de defeituosos corrigindo a superdispersão.

Monitora defeitos por unidade corrigindo a superdispersão.