런 차트에 대한 모든 통계량 및 그래프

런 차트와 함께 제공되는 모든 통계량 및 그래프에 대한 정의 및 해석 방법을 확인해 보십시오.

런 차트

런 차트는 공정 데이터를 수집된 순서대로 표시합니다. 데이터에서 특수 원인 변동의 존재를 나타내는 패턴이나 추세를 찾아보려면 런 차트를 사용하십시오.

해석

데이터의 패턴은 변동이 조사 및 수정이 필요한 특수 원인으로 인한 것임을 나타냅니다. 그러나 우연 원인 변동은 공정에 내재되었거나 공정의 자연스러운 일부인 변동입니다. 특수 원인이 아닌 우연 원인만 공정의 결과에 영향을 미칠 경우 공정이 안정적입니다. 공정에 변동의 우연 원인만 있다면 데이터에서 랜덤 움직임을 볼 수 있습니다.

이 예에서는 데이터가 특정한 패턴 없이 랜덤하게 분포되어 있는 것처럼 보입니다. 데이터가 랜덤하게 분포되어 있는지 확인하려면 중위수 주위의 런 수에 대한 검정과 상승 런 및 하강 런 수에 대한 검정을 수행해야 합니다.

중위수 주위의 런 수

중위수 주위의 런 수는 중위수 위의 전체 런 수와 중위수 아래의 전체 런 수입니다.

중위수 주위의 런은 중심선의 동일한 쪽에 있는 하나 이상의 연속된 점을 말합니다. 런은 점을 연결하는 선이 중심선과 교차할 때 끝납니다. 다음에 표시된 점부터 새로운 런이 시작됩니다.

해석

이 예에서는 중위수 주위에 다음과 같이 6개의 런이 있습니다.
  • 런 1에는 점 1이 포함됩니다.
  • 런 2에는 점 2와 3이 포함됩니다.
  • 런 3에는 점 4, 5, 6, 7이 포함됩니다.
  • 런 4에는 점 8과 9가 포함됩니다.
  • 런 5에는 점 10이 포함됩니다.
  • 런 6에는 점 11이 포함됩니다.

중위수 주위의 기대 런 수

중위수 주위의 기대 런 수는 데이터가 랜덤하게 분포되어 있는 경우 데이터에 포함되어 있을 것으로 기대되는 런 수입니다.

해석

기대 런 수를 실제 런 수와 비교하십시오. 기대보다 많은 런 수는 데이터가 두 모집단에서 추출되었다는 것을 나타낼 수도 있습니다(혼합). 기대보다 적은 런 수는 데이터의 군집화를 나타낼 수도 있습니다. 통계적 유의성을 검정하려면 p-값을 사용하십시오.

이 예에서는 중위수 주위에 6개의 런이 있습니다. 중위수 주위의 기대 런 수는 6.5입니다.

중위수 주위의 최장 런

중위수 위 또는 아래 최장 런의 점의 개수입니다. 중심선 위의 점은 중위수 아래의 런에 속합니다.

해석

이 예에서 최장 런은 중심선 아래 연속적으로 표시된 4개의 점(점 4에서 7)으로 구성됩니다.

군집화에 대한 근사 p-값

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

데이터가 랜덤하게 분포되어 있는지 여부를 확인하려면 p-값을 사용합니다. 귀무 가설은 데이터가 랜덤하게 분포되어 있다는 것입니다.

해석

지정된 유의 수준보다 작은 p-값은 군집화 경향을 나타냅니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 데이터가 실제로 랜덤하게 분포되어 있지만 비랜덤 패턴이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

P-값 ≤ α: 평균 차이가 유의하게 서로 다릅니다(H0 기각).
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각합니다. 데이터가 랜덤하게 분포되어 있지 않다는 결론을 내릴 수 있습니다.
P-값 > α: 평균의 차이가 유의하게 서로 다르지 않습니다(H0 기각 실패).
p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 데이터에 비랜덤 패턴이 있다는 결론을 내릴 수 있는 충분한 증거가 없습니다. 그러나 데이터가 랜덤하게 분포되어 있다는 결론도 내릴 수 없습니다.
이 예에서는 군집화에 대한 p-값이 0.385로, α(0.05)보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 데이터가 군집을 나타내지 않는다는 결론을 내릴 수 있습니다.

혼합에 대한 근사 p-값

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

데이터가 랜덤하게 분포되어 있는지 여부를 확인하려면 p-값을 사용합니다. 귀무 가설은 데이터가 랜덤하게 분포되어 있다는 것입니다.

해석

지정된 유의 수준보다 작은 p-값은 혼합의 경향을 나타냅니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 데이터가 실제로 랜덤하게 분포되어 있지만 비랜덤 패턴이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

P-값 ≤ α: 평균 차이가 유의하게 서로 다릅니다(H0 기각).
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각합니다. 데이터가 랜덤하게 분포되어 있지 않다는 결론을 내릴 수 있습니다.
P-값 > α: 평균의 차이가 유의하게 서로 다르지 않습니다(H0 기각 실패).
p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 데이터에 비랜덤 패턴이 있다는 결론을 내릴 수 있는 충분한 증거가 없습니다. 그러나 데이터가 랜덤하게 분포되어 있다는 결론도 내릴 수 없습니다.
이 예에서는 혼합에 대한 p-값이 0.615로, α(0.05)보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 데이터가 혼합을 나타내지 않는다는 결론을 내릴 수 있습니다.

상승 런 또는 하강 런 수

상승 런 또는 하강 런 수는 데이터 내 상승 및 하강 런의 전체 카운트입니다.

상승 런은 계속 증가하기만 하는 연속된 점의 런입니다. 하강 런은 계속 감소하기만 하는 연속된 점의 런입니다. 런은 방향(상승 또는 하강)이 변경되면 끝납니다. 예를 들어, 앞의 값이 더 작을 경우 상승 런이 시작되어 앞의 값이 다음 점보다 클 때까지 계속되다가 앞의 값이 다음 점보다 크면 하강 런이 시작됩니다.

Minitab에서는 연속적으로 같은 관측치의 평평한 런을 하강 런의 일부로 간주합니다.

해석

이 예에는 7개의 상승 또는 하강 런이 있습니다.
  • 점 2는 런 1의 끝을 나타냅니다.
  • 점 5는 런 2의 끝을 나타냅니다.
  • 점 6은 런 3의 끝을 나타냅니다.
  • 점 7은 런 4의 끝을 나타냅니다.
  • 점 8은 런 5의 끝을 나타냅니다.
  • 점 10은 런 6의 끝을 나타냅니다.
  • 점 11은 런 7의 끝을 나타냅니다.

평평한 런을 해석하는 방법

평평한 런은 하강 런의 일부로 간주됩니다. 이 차트는 총 3개의 런을 상승 런, 하강 런(평평한 런), 상승 런 순으로 보여줍니다.
3개의 상승 런 및 하강 런
이 차트는 감소, 평평한 런, 다른 감소 순으로 구성된 하나의 하강 런을 보여줍니다.
1개의 하강 런

상승 또는 하강 기대 런 수

상승 또는 하강 기대 런 수는 데이터가 랜덤하게 분포되어 있는 경우 데이터에 포함되어 있을 것으로 기대되는 런 수입니다.

해석

기대 런 수를 실제 런 수와 비교하십시오. 기대보다 많은 런 수는 데이터에 진동이 있음을 나타낼 수도 있습니다. 기대보다 적은 런 수는 데이터에 추세가 있음을 나타낼 수도 있습니다. 유의성을 검정하려면 p-값을 사용하십시오.

이 차트는 실제 상승 또는 하강 런 수가 7이고 기대 런 수가 7이라는 것을 보여줍니다.

최장 상승 런 또는 하강 런

최장 상승 런 또는 하강 런에 있는 점의 개수입니다.

해석

이 예에서는 최장 런이 3개의 점(점 3, 4, 5)입니다.

진동에 대한 근사 p-값

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

데이터가 랜덤하게 분포되어 있는지 여부를 확인하려면 p-값을 사용합니다. 귀무 가설은 데이터가 랜덤하게 분포되어 있다는 것입니다.

해석

지정된 유의 수준보다 작은 p-값은 진동의 경향을 나타냅니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 데이터가 실제로 랜덤하게 분포되어 있지만 비랜덤 패턴이 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

P-값 ≤ α: 평균 차이가 유의하게 서로 다릅니다(H0 기각).
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각합니다. 데이터가 랜덤하게 분포되어 있지 않다는 결론을 내릴 수 있습니다.
P-값 > α: 평균의 차이가 유의하게 서로 다르지 않습니다(H0 기각 실패).
p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 데이터에 비랜덤 패턴이 있다는 결론을 내릴 수 있는 충분한 증거가 없습니다. 그러나 데이터가 랜덤하게 분포되어 있다는 결론도 내릴 수 없습니다.
이 예에서는 진동에 대한 p-값이 0.500으로, α(0.05)보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 데이터가 진동을 나타내지 않는다는 결론을 내릴 수 있습니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오