Mit dem Verhältnis zwischen beobachteter Streuung und erwarteter Streuung wird die Streuung in den Daten mit der Streuung verglichen, die auf der Grundlage einer Binomialverteilung erwartet werden kann. Das Verhältnis wird als Prozentsatz ausgedrückt.
- Wenn das Verhältnis größer als die obere Konfidenzgrenze ist, weisen die Daten eine signifikante Überdispersion auf.
- Wenn das Verhältnis kleiner als die untere Konfidenzgrenze ist, weisen die Daten eine signifikante Unterdispersion auf.
Eine Überdispersion kann dazu führen, dass auf einer herkömmlichen p-Karte eine erhöhte Anzahl von Punkten außerhalb der Eingriffsgrenzen liegen. Eine Unterdispersion kann dazu führen, dass auf einer herkömmlichen p-Karte zu wenige Punkte außerhalb der Eingriffsgrenzen liegen. Bei einer p'-Karte nach Laney werden diese Umstände korrigiert.
Beispiel für Überdispersion
Das Verhältnis zwischen beobachteter Streuung und erwarteter Streuung beträgt 175,7 %. Dieser Wert weist auf eine Überdispersion hin, da er größer als die obere Konfidenzgrenze von 136,6 % ist. Eine Überdispersion kann dazu führen, dass Punkte auf einer herkömmlichen p-Karte scheinbar außer Kontrolle sind, obwohl dies nicht der Fall ist. Verwenden Sie eine p'-Karte nach Laney, um die Überdispersion zu korrigieren.
Beispiel für Unterdispersion
Das Verhältnis zwischen beobachteter Streuung und erwarteter Streuung beträgt 46 %. Dieser Wert weist auf eine Unterdispersion hin, da er kleiner als die untere Konfidenzgrenze von 60 % ist. Unterdispersion kann dazu führen, dass die Eingriffsgrenzen auf einer herkömmlichen p-Karte zu breit sind. Bei zu weiten Eingriffsgrenzen ist es möglich, dass Sie Streuung durch Ausnahmebedingungen übersehen und für Streuung durch gewöhnliche Ursachen halten. Verwenden Sie eine p'-Karte nach Laney, um die Unterdispersion zu korrigieren.
