Como utilizar os intervalos de confiança para seis sigma

Porque as amostras são acessíveis, amostras e intervalos de confiança são a ferramenta de dados primários para a compreensão de um negócio ou processamento Seis situações de desempenho Sigma. Mas amostras nunca pode dar-lhe uma medida exata do que está acontecendo na população subjacente. Eles são inerentemente confusa! Como se você pode ser que sua amostra com precisão suficiente reflete o que está realmente acontecendo na população subjacente?

A chave para a tomada de decisão objetiva encontra-se em intervalos de confiança. Eles usam o teorema do limite central para quantificar quanta confiança você pode colocar em qualquer das suas medidas ou conclusões estatísticas de amostras.

A confiança de medição falamos aqui não aborda a capacidade de seu sistema para a aquisição de medições. Em vez de, confiança de medição assume que você tem um sistema perfeito, ideal para a aquisição de suas medidas. Este cenário deve servir como um lembrete de quão importante validar a capacidade de seu sistema de medição é.

Video: Intervalo de Confiança 1

Por exemplo, digamos que sua fábrica tem apenas produziu 5.000 canetas esferográficas. Você quer saber o diâmetro médio desta população, para que selecionar aleatoriamente 30 canetas de população, medir cada um dos seus diâmetros, e calcular a média a ser 0,120 polegadas.

De repente, seu chefe corre para o seu escritório e pergunta: “Qual é o diâmetro médio de nossas últimas canetas? Nosso cliente acabou de ligar e disse que irá rejeitar todo o lote se a média é superior a 0,125 polegadas!”Seu chefe espera ansiosamente a sua resposta. O que você disse? Como você está confiante em sua média calculada?

Video: Intervalo de Confiança para Média com Sigma Conhecido

O teorema do limite central diz que se você repetir a sua medição de 30 de amostra, você vai ter uma média ligeiramente diferente. Seu cliente vai, também, ao verificar a sua própria amostra. Mas quão diferente será cada cálculo da média ser? intervalos de confiança de dar-lhe uma maneira de quantificar quanta variação aparecerá em medições repetidas e cálculos estatísticos.

Sabendo como criar intervalos de confiança, você vai ser capaz de dizer ao seu patrão, “Com 99,7 por cento de certeza, a nossa diâmetro médio caneta vai estar dentro de exigência de nossos clientes.”

Você vê médias a cada dia. Infelizmente, muito poucos deles são comunicadas com um intervalo de confiança.

Como tomar decisões com grandes amostras

Quando o tamanho da amostra tem mais de 30 pontos de dados, você pode calcular a confiança em torno da verdadeira média da população (μ) como

Onde

• Z é o valor sigma correspondente ao nível desejado de confiança que você quer ter.

• 
  
  
  

  σ é o desvio padrão calculado a partir de sua amostra.

• n é o número de pontos de dados em sua amostra.

  Video: Exemplo de Intervalo de Confiança

  
  

da média da população real. Além disso, 95 por cento de calculadas [neq16006] s são dentro

da média da população real. E 99,7 por cento dos calculados [neq16008] s estão dentro

da média da população real. Esta fórmula funciona qualquer momento você tem mais de 30 medições em sua amostra.

Tomar decisões com amostras pequenas

Quando você tem apenas alguns pontos de dados em sua amostra, você não é capaz de obter uma estimativa precisa do σ desvio padrão da população. Com estas pequenas amostras, estatísticos substituir variável com σ s para comunicar que você só tem uma estimativa imprecisa do desvio padrão da população de sua amostra.

Então, quando sua amostra tem em qualquer lugar de 2 a 30 pontos de dados, você tem que usar um fator diferente no lugar de Z. Os estatísticos chamam este novo fator para amostras de pequeno porte t. t é mais conservadora porque o seu menor tamanho da amostra diminui a precisão de seu valor calculado para o desvio padrão. Para cada nível de confiança desejado, t é ajustado dependendo de quantos pontos de dados estão em sua amostra.

utilização t, a fórmula para o intervalo de confiança em torno da verdadeira média da população torna-se

onde o valor para t depende do seu nível de confiança desejado eo número de pontos de dados em sua amostra.