Interpretieren der wichtigsten Ergebnisse für Einzelwertdiagramm

Führen Sie die folgenden Schritte aus, um ein Einzelwertdiagramm zu interpretieren.

Schritt 1: Auswerten der wesentlichen Merkmale

Untersuchen Sie die Lage und die Streubreite der Verteilung. Werten Sie aus, inwiefern sich der Stichprobenumfang auf das Aussehen des Einzelwertdiagramms auswirkt.

Lage und Streubreite

Ermitteln Sie die dichtesten Cluster von Symbolen. Die dichtesten Cluster stellen die am häufigsten auftretenden Werte dar. Werten Sie die Streubreite der einzelnen Gruppen aus, um festzustellen, wie stark die Daten variieren. Zeigen Sie mit dem Mauszeiger auf einen Punkt, um eine QuickInfo einzublenden, in der die Beobachtung beschrieben wird.

In diesem Einzelwertdiagramm der Durchmesser von Kunststoffrohren nimmt die Streubreite beispielsweise von Woche zu Woche zu.

Untersuchen Sie alle unerwarteten oder unerwünschten Merkmale im Einzelwertdiagramm. In einem Einzelwertdiagramm der Härtemesswerte für eine Lieferung von Kugellagern ist beispielsweise eine außergewöhnlich breite Streubreite der Werte zu beobachten. In einer Untersuchung wurde festgestellt, dass der Anstieg der Streuung durch eine Änderung im Fertigungsprozess der Kugellager verursacht wurde.

Stichprobenumfang (n)

Der Stichprobenumfang kann sich auf das Erscheinungsbild der Grafik auswirken.

Obgleich diese Einzelwertdiagramme anscheinend sehr unterschiedlich sind, wurden jedoch beide auf der Grundlage von zufällig gezogenen Stichproben der Daten aus derselben Grundgesamtheit erstellt.

Ein Einzelwertdiagramm ist am besten geeignet, wenn der Stichprobenumfang kleiner als ungefähr 50 ist. Wenn die Stichprobe zu groß ist, liegen die Datenpunkte im Diagramm möglicherweise zu dicht beieinander, und die Verteilung kann nur schwer beurteilt werden. Erwägen Sie bei einem Stichprobenumfang größer als 50, stattdessen ein Boxplot oder ein Histogramm zu verwenden.

Schritt 2: Suchen nach Anzeichen von nicht normalverteilten oder ungewöhnlichen Daten

Schiefe Daten und multimodale Daten weisen darauf hin, dass die Daten möglicherweise nicht normalverteilt sind. Ausreißer können auf andere Bedingungen in den Daten hinweisen.

Schiefe Daten

Ermitteln Sie, ob Ihre Daten schief sind. Wenn die Daten schief sind, liegen die meisten Datenwerte am oberen oder unteren Rand der Grafik. Schiefe weist darauf hin, dass die Daten möglicherweise nicht normalverteilt sind. Häufig lässt sich die Schiefe am einfachsten mit einem Histogramm oder einem Boxplot erkennen.

Diese Einzelwertdiagramme veranschaulichen schiefe Daten. Das Einzelwertdiagramm mit rechtsschiefen Daten zeigt Wartezeiten. Die meisten Wartezeiten sind relativ kurz, und nur wenige Wartezeiten sind lang. Das Einzelwertdiagramm mit linksschiefen Daten zeigt Ausfallzeiten. Nur wenige Elemente fallen sofort aus, während viel mehr Elemente zu späteren Zeitpunkten ausfallen.

Rechtsschief
Linksschief

Wenn Ihnen bekannt ist, dass die Daten nicht naturgemäß schief sind, untersuchen Sie die möglichen Ursachen. Wenn Sie erheblich schiefe Daten analysieren möchten, lesen Sie den Artikel mit Überlegungen zu Daten für die Analyse, um sicherzustellen, dass Sie nicht normalverteilte Daten verwenden können.

Ausreißer

Ausreißer, d. h. Datenwerte, die weit entfernt von den anderen Datenwerten liegen, können sich stark auf Ihre Ergebnisse auswirken.

In einem Einzelwertdiagramm weisen ungewöhnlich niedrige oder hohe Datenwerte auf mögliche Ausreißer hin.
Hinweis

Zeigen Sie mit dem Mauszeiger auf den Ausreißer, um den Datenpunkt zu identifizieren.

Versuchen Sie, die Ursache von Ausreißern zu ermitteln. Korrigieren Sie sämtliche Dateneingabefehler. Erwägen Sie, Datenwerte zu entfernen, die auf ungewöhnliche, einmalige Ereignisse (Ausnahmebedingungen) zurückzuführen sind. Wiederholen Sie anschließend die Analyse.

Multimodale Daten

Multimodale Daten weisen mehrere Cluster auf, die auch als Modalwerte bezeichnet werden. Multimodale Daten deuten oftmals darauf hin, dass wichtige Variablen noch nicht berücksichtigt wurden.

Diese Einzelwertdiagramme stellen beispielsweise Grafiken der gleichen Daten dar. Das einfache Einzelwertdiagramm weist zwei Cluster auf, die Bedeutung der Cluster ist jedoch unklar. Im Einzelwertdiagramm mit Gruppen wird veranschaulicht, dass die Cluster zwei Gruppen entsprechen.

Einfach
Mit Gruppen

Wenn Sie über zusätzliche Informationen verfügen, die es Ihnen ermöglichen, die Beobachtungen in Gruppen zu gliedern, können Sie anhand dieser Informationen eine Gruppierungsvariable anlegen. Dann können Sie die Grafik mit den Gruppen erstellen, um zu ermitteln, ob die Gruppierungsvariable die Spitzen in den Daten erklärt.

Tipp

Um eine Gruppierungsvariablen zu einer vorhandenen Grafik hinzuzufügen, doppelklicken Sie auf eine Datendarstellung in der Grafik, und klicken Sie anschließend auf die Registerkarte Gruppen.

Schritt 3: Auswerten und Vergleichen von Gruppen

Wenn das Einzelwertdiagramm Gruppen aufweist, beurteilen und vergleichen Sie Lage und Streubreite der Gruppen.

Lagen

Suchen Sie nach Differenzen zwischen den Lagen der Gruppen.

In diesem Einzelwertdiagramm wird beispielsweise die Stärke von Draht veranschaulicht, der von drei verschiedenen Lieferanten gefertigt wird. Die Lagen der Drahtstärken der einzelnen Lieferanten scheinen sich zu unterscheiden.
Um festzustellen, ob eine Differenz zwischen Mittelwerten statistisch signifikant ist, führen Sie einen der folgenden Vorgänge aus:

Streubreiten

Suchen Sie nach Differenzen zwischen den Streubreiten der Gruppen.

In diesem Einzelwertdiagramm werden beispielsweise die Füllgewichte von Frühstücksflockenpackungen von drei verschiedenen Produktionslinien veranschaulicht. Obwohl die Gewichtsverteilungen annähern die gleiche Lage aufweisen, schwanken die Gewichte einiger Gruppen stärker als die anderer Gruppen.
Um festzustellen, ob eine Differenz zwischen Streubreiten (Varianzen) statistisch signifikant ist, führen Sie einen der folgenden Vorgänge aus: