Hola
todos.
Hoy
mi
tema
es,
Héroes
o
Ceros:
A
Producto
Distribución
Análisis
Usando
JMP.
Primero,
a
pequeño
poco
fondo.
Un
organización
con
un
establecido
proceso
puede
decidir
a
implementar
proceso
control
y
proceso
disciplina
en
su
organización.
Para
ejemplo,
si
tú
tener
a
producto
Moviente
de
el
desarrollo
escenario
a
el
masa
producción
escenario,
en
este
conjunción,
uno
de
el
problemas
eso
poder
suceder
en
eso
nosotros
puede
tener
proceso
variación
asunto.
El
variación
poder
ser
también
grande
o
el
variación
no
encontrarse
el
expectativa.
El
variación
aquí
poder
ser
el
variación
de
significar,
el
variación
de
estándar
desviación,
etc.
Nosotros
voluntad
desear
a
encontrar
afuera
qué
el
raíz
causa
es
para
semejante
variación
problema
y
intentar
a
arreglar
eso.
Pero
antes
eso,
nosotros
voluntad
necesidad
a
cifra
afuera
qué
tipo
de
variación
nosotros
son
frente a
porque
el
tipo
de
variación
voluntad
dictar
qué
tipo de acción
y
investigación
estrategia
nosotros
debería
llevar.
El
demostración
aquí
hoy
voluntad
investigar
estos
a través de
un
explicativo
análisis.
Nosotros
usar
estándar
desviación
como
Estadísticas
de
interés
aquí.
El
asunto
es
nosotros
tener
a
proceso
eso
tiene
a
alto
en general
Desviación Estándar,
pero
nosotros
poder
también
observar
alguno
de
el
lotes
eso
tiene
más bajo
estándar
desviación.
Nosotros
llamar
estos
lotes,
héroe
lotes.
Nosotros
voluntad
desear
a
encontrar
afuera
qué
causado
semejante
alto
en general
estándar
desviación,
pero
antes
eso,
nosotros
necesidad
a
cifra
afuera
qué
proceso
variación
nosotros
son
frente a,
qué
tipo de proceso
variación
poder
dar
a nosotros
qué
nosotros
observado.
En
general,
allá
voluntad
ser
dos
tipos
de
situación
aquí.
Uno
es
eso
nosotros
tener
a
completamente
aleatorio
proceso
y
el
variación
es
sistémico,
como
nosotros
poder
ver
aquí.
A pesar de
el
proceso
es
aleatorio,
pero
depende
cómo
nosotros
lote
él
y
cómo
nosotros
muestra
él.
Alguno
de
el
lotes
puede
tener
más bajo
muestra
estándar
desviación
que
el
otros.
Otro
situación
es
eso
nuestro
proceso
es
no
aleatorio.
Como
nosotros
poder
ver
aquí,
este
proceso
va
arriba
y
abajo.
Él
tiene
alguno
significar
cambio.
Es
no
a
aleatorio
proceso,
pero
depende
en
cómo
nosotros
lote
él.
Alguno
de
el
lotes
eso
residir
en
el
estable
período
voluntad
tener
relativamente
más bajo
muestra
estándar
desviación
comparado
a
alguno
de
el
lotes
eso
residir
en
el
inestable
período
eso
podría
tener
más grande
estándar
desviación.
Nosotros
poder
también
definir
a
límite
semejante
como
aquí,
punto
A,
estándar
desviación.
Nosotros
comparar
este
límite
a
el
lote
estándar
desviación.
Él
voluntad
decir
a nosotros
cómo
muchos
de
el
lotes
satisfacer
el
criterios.
Con
estos
dos
escenarios
en
mente,
nosotros
poder
formular
a
estadístico
hipótesis
prueba
a
prueba
qué
proceso
variación
nosotros
son
relación comercial
con.
Nosotros
poder
asumir
nuestro
proceso
es
aleatorio,
entonces
cómo
probable
nosotros
voluntad
observar
qué
nosotros
¿observado?
A
más
detallado
declaración
es
como
este,
asumiendo
lotes
con
bajo
estándar
desviación
son
justo
pendiente
a
muestreo
falta
y
el
histórico
datos
es
representante
de
el
población,
entonces
el
simulado
lotes
generado
de
el
mismo
distribución
debería
tener
a
paso
tasa
eso
es
estadísticamente
indistinguible
que
el
actual
paso
tasa
de
el
histórico
datos.
En
el
mano derecha
lado,
tú
poder
ver
este
rueda.
Este
es
el
procedimiento
nosotros
fue
a través de
a
hacer
este
pruebas
suceder.
Primero,
nosotros
voluntad
necesidad
a
definir
a
límite.
A través de
este
límite,
nosotros
poder
calcular
el
paso
tasa.
Nosotros
comparar
el
lotes
en
el
histórico
datos
a través de
este
límite
a
conseguir
el
porcentaje
de
el
histórico
lotes
eso
son
bien
lotes.
Porque
nosotros
también
asumir
eso
nuestro
proceso
es
aleatorio,
nosotros
poder
adaptar
el
histórico
datos
a
varios
distribución
y
luego elige
el
mejor
equipado
uno.
Usando
este
equipado
distribución,
nosotros
poder
generar
a
colocar
de
K
muestras.
K
aquí
es
el
mismo
como
el
número
de
muestras
en
cada
lotes
en
el
histórico
datos.
Nosotros
repetir
este
procedimiento
N
veces.
N aquí
es
el
mismo
como
el
número
de
lotes
en
el
histórico
datos.
Para
cada
simulado
lotes,
nosotros
poder
entonces
calcular
su
muestra
estándar
desviación.
Comparar
este
muestra
estándar
desviación
a
el
límite
nosotros
definido
antes,
él
voluntad
dar
a nosotros
a
colocar
de
binomio
datos.
Con
este
binomio
datos
y
el
paso
tasa
nosotros
ya
tener,
nosotros
poder
llevar a cabo
a
una muestra
proporción
prueba
a
prueba
nuestro
hipótesis.
Usando
JMP,
nosotros
son
capaz
a
integrar
este
completo
procedimiento
en
un
solicitud.
Aquí,
I
voluntad
hacer
a
rápido
demostración
a
espectáculo
tú
cómo
este
solicitud
obras.
Este
solicitud
poder
importar
cualquier
de
el
datos
archivo
con
a
valor
columna
y
también
índice
columna
eso
indica
el
lote
índice.
Con
a
hacer clic
de
botón,
él
voluntad
automáticamente
adaptar
nuestro
datos
a
varios
distribución
y
elegir
el
mejor
uno.
Bien
ahora,
el
mejor
equipado
uno
es
a
normal
distribución.
Nosotros
poder
entonces
colocar
arriba
el
número
de
simulado
datos
conjuntos
nosotros
desear
y
también
el
tamaño
de
el
colocar
y
también
el
límite.
Cuando
nosotros
hacer clic,
él
voluntad
llevar a cabo
el
hipótesis
pruebas
I
mencionado
antes.
Él
también
muestra
el
porcentaje
de
histórico
lotes
eso
son
bien
y
también
el
porcentaje
de
el
simulado
lotes
eso
son
bien.
En
el
último,
él
voluntad
espectáculo
tú
a
visualización
de
a
histograma
cual
indica
el
proporción
del
simulado
lotes
eso
son
bien.
Ahora,
nosotros
ir
atrás
a
el
pruebas,
el
hipótesis
pruebas.
El
datos
nosotros
tener
aquí
muestra
nosotros
rechazar
el
nulo
hipótesis.
Nosotros
controlar
el
P
valor,
nosotros
rechazar
el
nulo
hipótesis
con
95%
confianza.
El
95%
confianza
es
el
por defecto
configuración
aquí.
Este
conclusión
sugiere
el
proceso
es
no
aleatorio
y
el
bien
lotes
hacer
existir
en
el
estable
período
de
el
proceso.
Este
conclusión
poder
dirigir
a
varios
acción
elementos.
Para
ejemplo,
nosotros
poder
investigar
el
proceso
variable,
el
proceso
parámetro
entre
el
estable
período
y
el
inestable
período
y
ver
qué
cambió.
De
curso,
nosotros
poder
también
conseguir
a
diferente
pruebas
resultado
dónde
nosotros
no puedo
rechazar
el
hipótesis nula.
Estos
sugerir
nuestro
proceso
podría
ser
aleatorio.
Nosotros
podría
tener
sistémico
variación
y
estos
voluntad
dirigir
a
completamente
diferente
investigación
y
acción
método.
Para
ejemplo,
el
peor de los casos
guión,
en
orden
a
reducir
el
sistémico
variación,
nosotros
podría
necesidad
a
completamente
cambiar
el
fabricación
ambiente.
Con
este,
I
concluir
mi
de hoy
presentación.
I
también
desear
a
agradecer
John
Daffin,
OMS
es
a
colega
de
mío.
Él
trajo
arriba
este
interesante
pregunta
a
mi
atención
durante
a
proyecto
reunión.
I
también
desear
a
agradecer
tú
hoy
para
audiencia
mi
presentación.
Soy
muy
agradecido
de
él.
