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
emocionante 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 estadística 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,
arrogante 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 espectáculos 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 espectáculos 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 Dafne, 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.
