Spécifier la méthode d'estimation de l'écart type pour Analyse de capabilité normale

Stat > Outils de la qualité > Analyse de capabilité > Normale > Estimation
Méthodes d'estimation pour effectif de sous-groupe > 1
Sélectionnez une méthode d'estimation de l'écart type à l'intérieur des sous-groupes lorsque vous disposez de plusieurs observations dans chaque sous-groupe.
  • R barre : R barre représente la moyenne des étendues de sous-groupes. Cette méthode fournit une estimation courante de l'écart type et fonctionne parfaitement avec des effectifs de sous-groupes compris entre 2 et 8.
  • S barre : S barre représente la moyenne des écarts types de sous-groupes. Cette méthode fournit une estimation plus précise de l'écart type que la méthode R barre, notamment avec des effectifs de sous-groupes > 8.
  • Ecart type regroupé : L'écart type regroupé représente la moyenne pondérée des variances de sous-groupes, ce qui procure aux sous-groupes supérieurs une influence accrue sur l'estimation globale. Cette méthode fournit l'estimation la plus précise de l'écart type lorsque le procédé est maîtrisé.
Méthodes d'estimation pour effectif de sous-groupe = 1
Sélectionnez une méthode d'estimation de l'écart type à l'intérieur des sous-groupes lorsque vous disposez de différentes observations.Lorsque l'effectif de sous-groupe est de 1, il est impossible de calculer les écarts types ou étendues des échantillons à l'intérieur des sous-groupes. Minitab estime l'écart type en utilisant à la place les étendues mobiles.
  • Moyenne de l'étendue mobile : La moyenne de l'étendue mobile représente la valeur moyenne de l'étendue mobile de plusieurs points consécutifs. Cette méthode s'utilise couramment avec un effectif de sous-groupe de 1.
  • Médiane de l'étendue mobile : La médiane de l'étendue mobile représente la valeur médiane de l'étendue mobile de plusieurs points consécutifs. Cette méthode est idéale lorsque les données présentent des étendues extrêmes qui pourraient influencer l'étendue mobile.
  • Racine carrée de MSSD : La racine carrée de MSSD représente la racine carrée de la moyenne du carré des différences entre des points consécutifs. Utilisez cette méthode lorsque vous ne pouvez pas raisonnablement supposer qu'au moins 2 points consécutifs ont été collectés dans des conditions similaires.
Utiliser l'étendue mobile de longueur
Saisissez le nombre d'observations utilisé pour calculer l'étendue mobile. La longueur doit être ≤ 100. La longueur par défaut est 2, car les valeurs consécutives ont de fortes chances d'être semblables.
Constantes de correction de biais
Vous pouvez choisir d'utiliser des constantes de correction de biais dans les calculs de l'écart type à l'intérieur des sous-groupes et de l'écart type global. Les constantes de correction de biais réduisent le biais pouvant survenir lorsqu'un paramètre est estimé à partir d'un petit nombre d'observations. A mesure que le nombre d'observations augmente, les constantes de correction de biais ont moins d'effet sur les résultats calculés.
  • Utiliser des constantes de correction de biais : Utilisez les constantes de correction de biais lors de l'estimation de l'écart type à l'intérieur des sous-groupes. Cette option s'applique aux méthodes S barre, écart type regroupé et racine carrée de MSSD.
  • Utiliser des constantes de correction de biais pour calculer l'écart type global : utilisez les constantes de correction de biais lors de l'estimation de l'écart type global.
Remarque

Le choix d'utiliser les constantes de correction de biais dépend souvent de la stratégie de l'entreprise ou des normes industrielles.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique