Como usar o teorema do limite central para seis sigma
Video: Teorema do Limite Central
Conteúdo
O que acontece quando você toma repetida amostras da mesma população? Esta ideia é importante quando você usa o teorema do limite central para Six Sigma. Imagine que jogar uma moeda dez vezes e contagem do número de cabeças que você começa. As leis da probabilidade dizer que você tem uma chance de conseguir cabeças em um único lance 50-50. Se você jogar a moeda dez vezes, você esperaria obter cinco cabeças.
Video: Teorema do Limite Central (Exemplos)
Vá em frente e puxe uma moeda do seu bolso e tentar esta experiência, se quiser. Você pode não obter os esperados cinco cabeças depois de lançar a moeda dez vezes. Você pode obter apenas três cabeças. Ou talvez você obter seis. Depois de cada repetição da experiência (amostra), o número de cabeças dos dez flips foi contado. A experiência foi repetida a 10, em seguida, 100, e, finalmente, 1.000 vezes.
Esta experiência de coin flip é análogo a qualquer situação onde você toma uma amostra de dados de uma população - como a tomada de uma amostra de medições a partir de um processo e cálculo da média. Dois fatos importantes surgem a partir de que você pode generalizar a qualquer situação de amostragem:
Video: Teorema do Limite Central: Minions
Repetições do evento medição produzir resultados diferentes resultados. Ou seja, o resultado é variável de amostra para amostra. No experimento-cara ou coroa, nem toda repetição da série de dez-flip produziu os esperados cinco cabeças. O mesmo é verdade se você tomar repetidamente uma média de cinco pontos da espessura do papel que sai de uma fábrica de papel.
Esta medição resultante, ou distribuição de amostras, é distribuído normalmente. A variação também é centrado no resultado esperado. E os mais repetições que você faz, cada vez mais perto a variação de amostragem fica a uma distribuição perfeitamente normal.
Estatísticos referem-se medições de uma característica ou um processo repetido amostras. Assim, a variação que ocorre em eventos de amostragem repetidas eles chamam a sua distribuição de amostras.
As próprias medições de amostras não são as únicas coisas que variam quando você está lidando com amostras repetidas. Os estatísticos têm refinado e aperfeiçoou as definições técnicas do que é chamado de o limite centralorem. Embora cada definição é igualmente misteriosa, eles dizem a mesma coisa básica: Quando você calcular as estatísticas sobre uma amostra, repetindo esses cálculos em outra amostra da mesma população sempre lhe dará um resultado ligeiramente diferente.
Além disso, a coleção de resultados calculados repetidas sempre terá em si uma distribuição. Esta variação de amostragem segue uma curva normal de sino centrado sobre o verdadeiro variação da população subjacente. Além disso, a largura da distribuição de amostragem depende de quantas medidas que você tomar em cada amostra. Quanto maior for o seu tamanho da amostra, menor a variação de amostragem.
Embora estatísticos têm muitas vezes dificuldade em explicar o teorema limite central, a sua potência e utilidade são, contudo notável. Os resultados do teorema do limite central permitem prever os limites do futuro e para quantificar os riscos do passado.