동등성 그림
동등성 그림에는 동등성 한계, 동등성에 대한 신뢰 구간, 동등성을 주장할 수 있는지 여부에 대한 결정이 표시됩니다.
해석
동등성 검정 결과의 그래픽 요약을 보고 동등성을 주장할 수 있는지 여부를 확인하려면 동등성 그림을 사용합니다.
신뢰 구간을 동등성 한계와 비교합니다. 신뢰 구간이 동등성 한계 내에 완전히 포함되면 모평균이 목표값과 동일하다고 주장할 수 있습니다. 신뢰 구간의 일부가 동등성 한계를 벗어나면 동등성을 주장할 수 없습니다.
이 결과에서는 95% 신뢰 구간이 동등성 상한을 초과합니다. 따라서 모평균이 목표값과 동일하다고 주장할 수 없습니다.
히스토그램
히스토그램은 표본 값을 여러 구간으로 나누고 각 구간 내 데이터 값의 빈도를 막대로 나타냅니다.
해석
데이터의 모양과 산포를 평가하려면 히스토그램을 사용합니다. 히스토그램은 표본 크기가 20보다 클 때 가장 적합합니다.
- 치우친 데이터
-
데이터가 치우쳐 있는 것으로 보이는지 여부를 확인합니다.데이터가 치우쳐 있으면 대부분의 데이터가 그래프의 높은 쪽이나 낮은 쪽을 향합니다. 히스토그램이나 상자 그림에서 왜도를 식별하기가 가장 쉬운 경우가 많습니다.
오른쪽으로 치우침
왼쪽으로 치우침
예를 들어, 오른쪽으로 치우친 히스토그램은 급여 데이터를 보여줍니다. 많은 직원의 급여가 비교적 적으며 많은 급여를 받는 직원의 수는 점점 더 줄어듭니다. 왼쪽으로 치우친 히스토그램은 고장률 데이터를 보여줍니다. 초기에 고장나는 품목의 수는 적으며 나중에는 점점 더 많은 품목에 고장이 발생합니다.
심하게 치우친 데이터는 표본이 작은 경우(20보다 작은 값) 검정 결과의 유효성에 영향을 미칠 수 있습니다. 데이터가 심하게 치우쳐 있고 표본이 작은 경우 표본 크기를 늘리는 것을 고려해 보십시오.
- 특이치
-
대부분의 다른 데이터에서 멀리 떨어져 있는 데이터 점인 특이치는 결과에 크게 영향을 미칠 수 있습니다. 상자 그림에서 특이치를 식별하기가 가장 쉽습니다.
히스토그램에서 양쪽 끝의 막대가 가능한 특이치를 나타냅니다.
특이치의 원인을 식별해야 합니다. 모든 데이터 입력 또는 측정 오류를 수정하십시오. 특수 원인과 관련된 데이터를 제거하고 분석을 다시 실행해 보십시오. 특수 원인에 대한 자세한 내용을 확인하려면 관리도를 사용하여 우연 원인 변동과 특수 원인 변동 탐지로 이동하십시오.
개별 값 그림
개별 값 그림은 수평 열의 표본에 대한 개별 값을 표시합니다. 각 원은 하나의 관측치를 나타냅니다. 개별 값 그림은 관측치 수가 비교적 적고 각 관측치의 효과를 평가해야 하는 경우 유용합니다.
해석
- 치우친 데이터
-
데이터가 치우쳐 있는 것으로 보이는지 여부를 확인합니다.데이터가 치우쳐 있으면 대부분의 데이터가 그래프의 높은 쪽이나 낮은 쪽을 향합니다. 히스토그램이나 상자 그림에서 왜도를 식별하기가 가장 쉬운 경우가 많습니다.
오른쪽으로 치우침
왼쪽으로 치우침
예를 들어, 오른쪽으로 치우친 개별 값 그림은 급여 데이터를 보여줍니다. 많은 직원의 급여가 비교적 적으며 많은 급여를 받는 직원의 수는 점점 더 줄어듭니다. 왼쪽으로 치우친 개별 값 그림은 고장률 데이터를 보여줍니다. 초기에 고장나는 품목의 수는 적으며 나중에는 점점 더 많은 품목에 고장이 발생합니다.
심하게 치우친 데이터는 표본이 작은 경우(20보다 작은 값) 검정 결과의 유효성에 영향을 미칠 수 있습니다. 데이터가 심하게 치우쳐 있고 표본이 작은 경우 표본 크기를 늘리는 것을 고려해 보십시오.
- 특이치
-
대부분의 다른 데이터에서 멀리 떨어져 있는 데이터 점인 특이치는 결과에 크게 영향을 미칠 수 있습니다. 상자 그림에서 특이치를 식별하기가 가장 쉽습니다.
개별 값 그림에서는 비정상적으로 낮거나 높은 데이터 값이 가능한 특이치를 나타냅니다.
특이치의 원인을 식별해야 합니다. 모든 데이터 입력 또는 측정 오류를 수정하십시오. 특수 원인과 관련된 데이터를 제거하고 분석을 다시 실행해 보십시오. 특수 원인에 대한 자세한 내용을 확인하려면 관리도를 사용하여 우연 원인 변동과 특수 원인 변동 탐지로 이동하십시오.
상자 그림
상자 그림은 표본 분포에 대한 그래픽 요약을 제공합니다. 상자 그림은 데이터의 모양, 중심 위치 및 변동성을 보여줍니다.
해석
데이터의 산포를 평가하고 잠재적 특이치를 식별하려면 상자 그림을 사용합니다. 상자 그림은 표본 크기가 20보다 클 때 가장 적합합니다.
- 치우친 데이터
-
데이터가 치우쳐 있는 것으로 보이는지 여부를 확인합니다.데이터가 치우쳐 있으면 대부분의 데이터가 그래프의 높은 쪽이나 낮은 쪽을 향합니다. 히스토그램이나 상자 그림에서 왜도를 식별하기가 가장 쉬운 경우가 많습니다.
오른쪽으로 치우침
왼쪽으로 치우침
예를 들어, 오른쪽으로 치우친 상자 그림은 급여 데이터를 보여줍니다. 많은 직원의 급여가 비교적 적으며 많은 급여를 받는 직원의 수는 점점 더 줄어듭니다. 왼쪽으로 치우친 상자 그림은 고장률 데이터를 보여줍니다. 초기에 고장나는 품목의 수는 적으며 나중에는 점점 더 많은 품목에 고장이 발생합니다.
심하게 치우친 데이터는 표본이 작은 경우(20보다 작은 값) 검정 결과의 유효성에 영향을 미칠 수 있습니다. 데이터가 심하게 치우쳐 있고 표본이 작은 경우 표본 크기를 늘리는 것을 고려해 보십시오.
- 특이치
-
대부분의 다른 데이터에서 멀리 떨어져 있는 데이터 점인 특이치는 결과에 크게 영향을 미칠 수 있습니다. 상자 그림에서 특이치를 식별하기가 가장 쉽습니다.
상자 그림에서 특이치는 별표(*)로 표시됩니다.
특이치의 원인을 식별해야 합니다. 모든 데이터 입력 또는 측정 오류를 수정하십시오. 특수 원인과 관련된 데이터를 제거하고 분석을 다시 실행해 보십시오. 특수 원인에 대한 자세한 내용을 확인하려면 관리도를 사용하여 우연 원인 변동과 특수 원인 변동 탐지로 이동하십시오.
