Todas as estatísticas e gráficos para Gráfico de ensaio

Encontre definições e orientações de interpretação para cada estatística e gráfico fornecido com o gráfico de ensaios.

Gráfico de ensaio

Um gráfico de ensaio representa graficamente seus dados de processo na ordem em que foram coletados. Use um gráfico de ensaio para procurar por padrões ou tendências nos dados que indicam a presença de variações de causa especial.

Interpretação

Os padrões em seus dados indicam que a variação é devida a causas especiais que devem ser investigadas e corrigidas. No entanto, a variação de causa comum é inerente ou uma parte natural do processo. Um processo é estável quando apenas causas comuns, e não causas especiais, afetam a saída de processo. Se existirem apenas causas de variação comuns em seu processo, os dados apresentam um comportamento aleatório.

Neste exemplo, os dados parecem estar aleatoriamente distribuídos sem padrões específicos. Para ter certeza de que os dados estão distribuídos aleatoriamente, você deve examinar os testes para ensaios em torno da mediana e ensaios acima ou abaixo.

Número de ensaios em torno da mediana

O número de ensaios em torno da mediana é o número total de ensaios acima da mediana e o número total de ensaios abaixo da mediana.

Um ensaio em torno da mediana é de um ou mais pontos consecutivos no mesmo lado da linha central. Um ensaio termina quando a linha que liga os pontos cruza a linha central. Um novo ensaio começa com o próximo ponto representado graficamente.

Interpretação

Este exemplo mostra os 6 ensaios a seguir em torno da mediana:
  • Ensaio 1 inclui o ponto 1.
  • Ensaio 2 inclui pontos 2 e 3.
  • Ensaio 3 inclui pontos 4,5,6 e 7.
  • Ensaio 4 inclui pontos 8 e 9.
  • Ensaio 5 inclui o ponto 10.
  • Ensaio 6 inclui o ponto 11.

Número de ensaios esperado em torno da mediana

O número esperado de ensaios em torno da mediana é o número de ensaios que você esperaria ter em seus dados se eles fossem distribuídos aleatoriamente.

Interpretação

Compare o número esperado de ensaios com o número real de ensaios. Mais ensaios do que o esperado pode indicar que os dados são provenientes de duas populações (misturas). Menos ensaios do que o esperado pode indicar um agrupamento dos dados. Use os valores de p para testar a significância estatística.

Este exemplo mostra 6 ensaios em torno da mediana. Número de ensaios esperado em torno da mediana é 6,5.

Ensaio mais extenso em torno da mediana

O número de pontos no ensaio mais longo acima ou abaixo da mediana. Um ponto que cai na linha central pertence ao ensaio abaixo da mediana.

Interpretação

Neste exemplo, o ensaio mais longa consiste nos 4 pontos representados graficamente consecutivos abaixo da linha central (pontos 4 a 7).

Aproximar o valor de p para o agrupamento

O valor de p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Utilize um valor de p para determinar se os dados são distribuídos de forma aleatória. A hipótese nula é que os dados são distribuídos de forma aleatória.

Interpretação

Um valor de p que é menor que o nível de significância especificado indica uma tendência para agrupamento. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe um padrão de não aleatória quando os dados são realmente distribuídas aleatoriamente.

Valor de p ≤ α: As diferenças médias são significativamente diferentes (Rejeitar H0)
Se o valor de p for menor ou igual ao nível de significância, rejeite a hipótese nula. É possível concluir que os dados não são distribuídos aleatoriamente.
Valor de p > α: A diferença entre as médias não são significativamente diferentes (Falha em rejeitar H0)
Se o valor de p for maior do que o nível de significância, você deixa de rejeitar a hipótese nula. Não há evidências suficientes para concluir que os dados têm padrões não aleatórios. No entanto, também não é possível concluir que os dados sejam distribuídos aleatoriamente.
Neste exemplo, o valor de p para agrupamento de 0,385 é maior do que o α de 0,05, então você deixa de rejeitar a hipótese nula. É possível concluir que os dados não indicam agrupamentos.

Aproximar o valor de p para misturas

O valor de p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Utilize um valor de p para determinar se os dados são distribuídos de forma aleatória. A hipótese nula é que os dados são distribuídos de forma aleatória.

Interpretação

Um valor de p que é inferior ao nível de significância especificado indica uma tendência para misturas. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe um padrão de não aleatória quando os dados são realmente distribuídas aleatoriamente.

Valor de p ≤ α: As diferenças médias são significativamente diferentes (Rejeitar H0)
Se o valor de p for menor ou igual ao nível de significância, rejeite a hipótese nula. É possível concluir que os dados não são distribuídos aleatoriamente.
Valor de p > α: A diferença entre as médias não são significativamente diferentes (Falha em rejeitar H0)
Se o valor de p for maior do que o nível de significância, você deixa de rejeitar a hipótese nula. Não há evidências suficientes para concluir que os dados têm padrões não aleatórios. No entanto, também não é possível concluir que os dados sejam distribuídos aleatoriamente.
Neste exemplo, o valor de p para misturas de 0,615 é maior do que o α de 0,05, então você deixa de rejeitar a hipótese nula. É possível concluir que os dados não indicam misturas.

Número de ensaios para acima ou abaixo

O número de ensaios acima ou abaixo é a contagem total de corridas acima e abaixo em seus dados.

Um ensaio acima é um ensaio direcionado para cima de pontos consecutivos que aumentam exclusivamente. Um ensaio para baixo é um ensaio direcionado para baixo de pontos consecutivos que diminuem exclusivamente. Um ensaio termina quando a direção (para cima ou para baixo) muda. Por exemplo, quando o valor precedente é menor, um ensaio acima começa e continua até que o valor processo seja maior do que o ponto seguinte e, então, um ensaio abaixo começa.

Minitab conta uma ensaio plano de observações iguais e consecutivas como parte de um ensaio abaixo.

Interpretação

Este exemplo mostra os 7 ensaios a seguir acima ou abaixo:
  • O Ponto 2 marca o final do Ensaio 1.
  • O Ponto 5 marca o final do Ensaio 2.
  • O Ponto 6 marca o final do Ensaio 3.
  • O Ponto 7 marca o final do Ensaio 4.
  • O Ponto 8 marca o final do Ensaio 5.
  • O Ponto 10 marca o final do Ensaio 6.
  • O Ponto 11 marca o final do Ensaio 7.

Como interpretar um ensaio plano

Um ensaio plano é considerado parte de um ensaio abaixo. Este gráfico mostra um ensaio acima, seguido por um ensaio abaixo (ensaio plano), seguido por um ensaio acima, por um total de 3 ensaios.
3 ensaios acima e abaixo
Este gráfico mostra um único ensaio abaixo que consiste de um decréscimo, seguido por um ensaio plano, seguido por outro decréscimo.
1 ensaio abaixo

Número esperado de ensaios acima e abaixo

O número esperado de ensaios acima ou abaixo é o número de ensaios que você esperaria ter em seus dados se eles forem distribuídos aleatoriamente.

Interpretação

Compare o número esperado de ensaios com o número real de ensaios. Mais ensaios do que o esperado podem indicar oscilação nos dados. Menos ensaios do que o esperado pode indicar uma tendência nos dados. Use os valores de p para testar a significância.

Este gráfico mostra um número real de ensaios acima ou abaixo de 7, e um número esperado de 7.

Ensaio mais extenso acima ou abaixo

O número de pontos no ensaio mais longo acima ou abaixo.

Interpretação

Neste exemplo, o ensaio mais lonto tem 3 pontos (pontos 3, 4 e 5).

Aproximar o valor de p para oscilação

O valor de p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Utilize um valor de p para determinar se os dados são distribuídos de forma aleatória. A hipótese nula é que os dados são distribuídos de forma aleatória.

Interpretação

Um valor de p que é inferior ao nível de significância especificado indica uma tendência para oscilação. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe um padrão de não aleatória quando os dados são realmente distribuídas aleatoriamente.

Valor de p ≤ α: As diferenças médias são significativamente diferentes (Rejeitar H0)
Se o valor de p for menor ou igual ao nível de significância, rejeite a hipótese nula. É possível concluir que os dados não são distribuídos aleatoriamente.
Valor de p > α: A diferença entre as médias não são significativamente diferentes (Falha em rejeitar H0)
Se o valor de p for maior do que o nível de significância, você deixa de rejeitar a hipótese nula. Não há evidências suficientes para concluir que os dados têm padrões não aleatórios. No entanto, também não é possível concluir que os dados sejam distribuídos aleatoriamente.
Neste exemplo, o valor de p para oscilação de 0,50 é maior do que o α de 0,05, então você deixa de rejeitar a hipótese nula. É possível concluir que os dados não indicam oscilação.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política