개별 값 그림에 대한 주요 결과 해석

기호의 가장 조밀한 군집을 표시합니다. 가장 조밀한 군집은 가장 일반적인 값을 나타냅니다. 데이터의 변동성을 확인하려면 그룹의 산포를 평가하십시오. 점 위에 포인터를 놓으면 관측치를 설명하는 도구 팁이 표시됩니다.

예를 들어, 플라스틱 파이프 지름의 이 개별 값 그림에서는 산포가 매주 증가합니다.

개별 값 그림의 갑작스럽거나 바람직하지 않은 특성을 조사합니다. 예를 들어, 볼 베어링에 대한 경도 측정값의 개별 값 그림은 값의 정상 산포보다 더 넓은 산포를 보여줍니다. 조사 결과 볼 베어링 제조 공정의 변화에 따라 변동성이 증가했습니다.

표본 크기가 그래프 모양에 영향을 미칠 수 있습니다.

예를 들어, 이러한 개별 값 그림은 서로 아주 다르게 보이지만, 둘 다 동일한 모집단에서 랜덤하게 선택된 데이터 표본을 사용하여 생성되었습니다.

개별 값 그림은 표본 크기가 약 50보다 작을 때 가장 잘 작동합니다. 표본이 너무 크면 그림의 데이터 점이 서로 너무 조밀하게 압축되어 분포를 평가하기 어려울 수 있습니다. 표본 크기가 50보다 크면 상자 그림 또는 히스토그램을 대신 사용하는 것을 고려해 보십시오.

데이터가 치우쳐 있는지 여부를 확인합니다. 데이터가 치우쳐 있으면 대부분의 데이터가 그래프의 높은 쪽이나 낮은 쪽에 위치합니다. 왜도는 데이터가 정규 분포를 따르지 않을 수도 있음을 나타냅니다. 일반적으로 히스토그램이나 상자 그림에서 왜도를 탐지하기가 가장 쉽습니다.

이 개별 값 그림은 치우친 데이터를 보여줍니다. 오른쪽으로 치우친 데이터의 개별 값 그림은 대기 시간을 보여줍니다. 대부분의 대기 시간이 비교적 짧고 몇 개의 대기 시간만 깁니다. 왼쪽으로 치우친 데이터의 개별 값 그림은 수명 데이터를 보여줍니다. 몇 개의 품목이 즉시 고장나고 더 많은 품목이 나중에 고장납니다.

오른쪽으로 치우침

왼쪽으로 치우침

데이터가 자연스럽게 치우쳐 있지 않다는 것을 알고 있으면 가능한 원인을 조사하십시오. 심하게 치우친 데이터를 분석하려면 분석에 대한 데이터 고려 사항을 읽어보고 정규 분포를 따르지 않는 데이터를 사용할 수 있는지 확인하십시오.

다른 데이터 값에서 멀리 떨어져 있는 데이터 값인 특이치는 결과에 크게 영향을 미칠 수 있습니다.

개별 값 그림에는 비정상적으로 낮거나 높은 데이터 값이 가능한 특이치가 표시됩니다.

특이치의 원인을 식별해 보십시오. 모든 데이터 입력 오류를 수정하십시오. 비정상적인 일회성 사건과 연관된 데이터 값을 삭제해 보십시오(특수 원인). 그런 다음 분석을 반복하십시오.

다봉 데이터에는 군집(최빈값이라고도 함)이 여러 개 있습니다. 다봉 데이터는 보통 중요한 변수가 아직 확인되지 않았다는 것을 의미합니다.

예를 들어, 이 개별 값 그림은 같은 데이터의 그래프입니다. 단순 개별 값 그림에는 두 개의 군집이 있지만, 군집이 무엇을 의미하는지는 확실하지 않습니다. 그룹이 표시된 개별 값 그림은 군집이 두 그룹에 해당한다는 것을 보여줍니다.

단순

그룹 표시

관측치를 그룹으로 분류할 수 있는 추가 정보가 있는 경우 이 정보를 사용하여 그룹 변수를 만들 수 있습니다. 그런 다음, 그룹으로 그래프를 생성하여 그룹 변수가 데이터의 봉우리를 설명하는지 여부를 확인할 수 있습니다.

그룹의 중심 간 차이를 확인합니다.

예를 들어, 이 개별 값 그림은 세 군데 공급업체에서 생산된 전선의 두께를 보여줍니다. 각 공급업체에서 생산된 전선 두께의 중심이 서로 다른 것으로 보입니다.

그룹의 산포 간 차이를 확인합니다.

예를 들어, 이 개별 값 그림은 세 개의 생산 라인에서 생산된 시리얼 상자의 충전 무게를 보여줍니다. 무게 분포의 중심은 거의 같지만 일부 그룹의 무게가 다른 그룹보다 변동성이 더 큽니다.