Kā aprēķināt 3 Sigma

Satura rādītājs:

Anonim

Lai gan daži uzņēmumu īpašnieki var būt piesardzīgi, izmantojot statistiku, šie vienādojumi var palīdzēt jums labāk saprast jūsu uzņēmumu. Piemēram, trīs sigma noteikuma noteikšana var palīdzēt jums veikt konkrētus aprēķinus vai vispārēji identificēt jūsu uzņēmuma novirzes. Tomēr jums ir jāmācās to pareizi izmantot, lai šis vienādojums būtu efektīvs.

Kas ir 3 Sigma?

Trīs sigma ir aprēķins, kas nāk no statistikas. Pētnieki un statistikas speciālisti izmanto šo aprēķinu, lai identificētu datu trūkumus un attiecīgi pielāgotu savus rezultātus. Viņi to dara, jo pat labi kontrolētā vidē var iegūt rezultātus, par kuriem pētījums nav ņemts vērā.

Piemēram, apsveriet recepšu medikamentu. Ja lielākā daļa pacientu jaunajā medicīnā redzēja uzlabojumus noteiktā diapazonā, bet vienam pacientam bija neticami mainījies stāvoklis, iespējams, ka kaut kas cits ietekmēja šo pacientu, nevis narkotiku pētījumā.

3 Sigma in Business

Uzņēmējdarbībā analīzei varat piemērot trīs sigma principu. Piemēram, iespējams, vēlēsities redzēt, cik daudz jūsu veikalā notiek noteiktā piektdienā. Ja izmantojat trīs sigmas, var gadīties, ka melnā piektdiena ir tālu ārpus parastā diapazona. Pēc tam jūs varat izlemt, ka jūs no piektdienas no aprēķiniem atcelsit, kad nosakāt, cik daudz vidējā piektdiena ir jūsu veikalā.

Varat arī izmantot trīs sigmas, lai noteiktu, vai jūsu kvalitātes kontrole ir mērķēta. Ja jūs konstatējat, cik daudz defektu jūsu ražošanas uzņēmumā ir uz miljons vienību, jūs varat izlemt, vai viena partija ir īpaši bojāta vai ja tā atbilst attiecīgajam diapazonam.

Kopumā trīs sigma noteikums par īkšķi nozīmē 66,800 defektus uz miljonu produktu. Daži uzņēmumi tiecas pēc sešām sigmām, kas ir 3,4 defektu daļas uz miljonu.

Noteikumi, kas jums jāzina

Pirms jūs varat precīzi aprēķināt trīs sigmas, jums ir jāsaprot, ko nozīmē daži termini. Pirmkārt, ir "sigma". Matemātikā šis vārds bieži attiecas uz datu kopas vidējo vai vidējo.

Standarta novirze ir vienība, kas mēra, cik lielā mērā datu punkts ir no vidējā. Tad trīs sigmas nosaka, kuri datu punkti atbilst sigmas trīs standarta novirzēm jebkurā virzienā, pozitīvi vai negatīvi.

Jūs varat izmantot "x joslu" vai "r diagrammu", lai parādītu aprēķinu rezultātus. Šie grafiki palīdz jums izlemt, vai dati ir uzticami.

Veiciet aprēķinus

Kad jūs sapratīsiet vingrinājuma mērķi un kādi ir termini, jūs varat iegūt savu kalkulatoru.Pirmkārt, atklājiet savu datu punktu vidējo vērtību. Lai to izdarītu, vienkārši pievienojiet katru numuru komplektā un daliet to ar datu punktu skaitu, kas jums ir.

Piemēram, pieņemsim, ka datu kopa ir 1.1, 2.4, 3.6, 4.2, 5.3, 5.5, 6.7, 7.8, 8.3 un 9.6. Šo numuru pievienošana dod jums 54.5. Tā kā jums ir desmit datu punkti, sadaliet kopsummu par desmit un vidējais ir 5.45.

Tālāk ir jāatrod jūsu datu dispersija. Lai to izdarītu, atņemiet vidējo vērtību no pirmā datu punkta. Pēc tam kvadrāts šo numuru. Pierakstiet kvadrātu, kuru jūs saņemat, un atkārtojiet šo metodi katram datu punktam. Visbeidzot, pievienojiet kvadrātus un sadaliet šo summu ar datu punktu skaitu. Šī dispersija ir vidējais attālums starp punktiem un vidējo.

Izmantojot iepriekšējo piemēru, vispirms veiciet 1.1 - 5.45 = -4.35; kvadrātveida, tas ir 18,9225. Ja to atkārtojat, pievienojiet summas un daliet ar desmit, jūs atradīsiet dispersijas lielumu - 6.5665. Ja vēlaties, varat izmantot tiešsaistes dispersijas kalkulatoru, lai veiktu šo daļu.

Lai atrastu standarta novirzi, aprēķiniet dispersijas kvadrātsakni. Piemēram, kvadrātsakne no 6,55665 ir 2,56 noapaļojot. Lai to atrastu, varat izmantot tiešsaistes kalkulatorus vai pat viedtālrunī esošo.

Visbeidzot, ir pienācis laiks atrast trīs sigmas virs vidējā. Reiziniet trīs ar standarta novirzi, tad pievienojiet vidējo. Tātad, (3x2.56) + 5.45 = 13.13. Tas ir parastā diapazona augstais gals.

Lai atrastu zemo galu, reiziniet standarta novirzi par trīs un tad atņemiet vidējo. (3x2.56) - 5.45 = 2.23. Visi dati, kas ir mazāki par 2,3 vai augstāki par 13.13, ir ārpus parastā diapazona. Šajā piemērā 1.1 ir anomālija.

Ieteicams