Konfidensintervallen för Six Sigma Använd

Diverse Jannes Odenberg Februari 5, 2017 0 0
FONT SIZE:
fontsize_dec
fontsize_inc

 Eftersom proverna är tillgängliga, prover och konfidensintervall primära verktygsdata för att förstå ett företag eller bearbetning Six Sigma prestanda situationer. Men monster kan aldrig ge ett exakt mått på vad som händer i den underliggande populationen. De är till sin natur luddigt! Hur säker kan du vara att ditt prov exakt speglar nog vad som verkligen händer i den underliggande populationen?

 Nyckeln till beslutsfattandet mål ligger i konfidensintervall. De använder den centrala gränsvärdessatsen att kvantifiera hur mycket förtroende du kan placera i dina mått eller statistiska slutsatser från prover.

 Mätningen förtroende vi talar om att göra funktionerna i ditt system inte ställning till förvärv av mätningar. Istället mätning förtroende förutsätter att du är perfekt, perfekt system för att förvärva dina mått. Detta scenario bör fungera som en påminnelse om hur viktigt validering av potentialen i din mätsystem.

 Anta till exempel att din fabrik har producerat 5000 nätkassar. Vill du veta medeldiameter denna patientgrupp, så att du slumpmässigt välja 30 stift av befolkningen, som mäter var och en av sina diametrar, och beräkna den genomsnittliga att vara 0,120 tum.

 Plötsligt rusar din chef i ditt kontor och frågar: "Vad är den genomsnittliga diametern på vår senaste penna Vår kund ringde och sa att det kommer att göra hela partiet kommer att förkasta genomsnitt högre än 0,125 tum!" Din chef oroligt väntar ditt svar. Vad säger du? Hur säker är du i din beräknade medel?

 Den centrala gränsvärdessatsen säger att om du upprepa din 30-provmätning, sedan får du en något annorlunda genomsnitt. Din kund kommer också att vara i kontroll över sitt eget monster. Men hur olika varje beräkning av genomsnittet? Konfidensintervall ger dig ett sätt att kvantifiera hur mycket variation visas i upprepade mätningar och statistiska beräkningar.

 Att veta hur man gör konfidensintervall, du kommer att kunna berätta för din chef, "med 99,7 procent säkerhet, kommer våra genomsnittliga bendiametern vara inom ramen för kraven från våra kunder."

 Du ser varje dag i genomsnitt. Tyvärr, väldigt få av dem står i förbindelse med en konfidensintervall.

 Hur man gör beslut med stora prover

 Om urvalsstorleken är mer än 30 datapunkter, kan du lita på att beräkna den verkliga befolkningen innebär att


 var

  •  Z är sigma motsvarar vill ha den önskade nivån av förtroende.
  •  σ är den beräknade standardavvikelsen för provet.
  •  n är antalet datapunkter i provet.


 den faktiska populationsmedelvärde. Dessutom 95 procent av de beräknade s är inom


 den faktiska populationsmedelvärde. Och 99,7 procent av de beräknade s är inom


 den faktiska populationsmedelvärde. Denna formel fungerar varje gång du har mer än 30 mätningar i ditt prov.

 Beslut tas med små prover

 När endast ett fåtal datapunkter i ditt prov, kan du inte att få en korrekt uppskattning av populationens standardavvikelse σ. Med dessa små monster, ersätter statistiker kommunicera med variabel σ s att du är bara en vag uppskattning av populationens standardavvikelse prov.

 Så om ditt prov har allt från 2 till 30 datapunkter, måste du använda någon annan faktor i stället för Z. Statistiker kallar denna nya faktor för små prover t. T är mer konservativ eftersom din mindre provstorleken minskar noggrannheten hos din beräknade värdet för standardavvikelsen. För varje önskad konfidensnivå t justeras, beroende på hur många datapunkter i ditt prov.

 T med formeln för konfidensintervallet runt den sanna populationsmedelvärde,


 där värdet av t beror på den önskade nivån av förtroende och antalet datapunkter i ditt prov.

(0)
(0)