Kako izračunati 3 Sigma

Kazalo:

Anonim

Čeprav so nekateri lastniki podjetij lahko previdni pri uporabi statistike, lahko te enačbe pomagajo bolje razumeti vaše podjetje. Na primer, razumevanje tri-sigma pravila palca vam lahko pomaga narediti specifične izračune ali na splošno identificirati outliers v vašem podjetju. Vendar se morate naučiti pravilno uporabljati to enačbo, da bo učinkovita.

Kaj je 3 Sigma?

Tri sigma je izračun, ki izhaja iz statistike. Raziskovalci in statistiki uporabljajo ta izračun za ugotavljanje odstopanj v podatkih in ustrezno prilagodijo svoje ugotovitve. To počnejo zato, ker lahko tudi dobro nadzorovana okolja dajo rezultate, za katere študija ne upošteva.

Na primer, razmislite o preskušanju zdravil na recept. Če je večina bolnikov na novem zdravilu videla izboljšave v določenem razponu, vendar je en bolnik imel neverjetno spremembo v svojem stanju, je verjetno, da je na to bolnico vplivalo še nekaj drugega, ne pa zdravila v študiji.

3 Sigma in Business

V poslu lahko za analizo uporabite načelo tri sigme. Na primer, morda boste želeli videti, koliko vaša trgovina naredi v danem petek. Če uporabljate tri sigme, lahko ugotovite, da je Črni petek daleč izven normalnega območja. Nato se lahko odločite, da ta petek odstranite iz svojih izračunov, ko ugotovite, koliko povprečne mreže v petek imate v vaši trgovini.

Uporabite lahko tudi tri sigme, da ugotovite, ali je vaš nadzor kakovosti na cilju. Če ugotovite, koliko napak ima vaše proizvodno podjetje na milijon enot, se lahko odločite, ali je ena serija posebej pomanjkljiva ali če sodi v ustrezno območje.

Na splošno tri-sigma pravilo palca pomeni 66.800 napak na milijon izdelkov. Nekatera podjetja si prizadevajo za šest sigm, kar je 3,4 pomanjkljive dele na milijon.

Pogoji, ki jih morate poznati

Preden lahko natančno izračunate tri sigme, morate razumeti, kaj nekateri izrazi pomenijo. Prvi je "sigma." Pri matematiki se ta beseda pogosto nanaša na povprečje ali sredino niza podatkov.

Standardno odstopanje je enota, ki meri, koliko podatkovne točke se oddaljuje od srednje vrednosti. Tri sigma nato določi, katere podatkovne točke sodijo v tri standardne deviacije sigme v obeh smereh, pozitivni ali negativni.

Za prikaz rezultatov izračunov lahko uporabite »x bar« ali »r chart«. Ti grafi vam pomagajo pri odločitvi, ali so podatki, ki jih imate, zanesljivi.

Izračunajte

Ko razumete namen vaje in kakšni so pogoji, lahko dobite računalnik.Najprej odkrijte srednjo vrednost vaših podatkovnih točk. Če želite to narediti, preprosto dodajte vsako število v nizu in ga delite s številom podatkovnih točk, ki jih imate.

Na primer, predpostavimo, da je podatkovni niz 1,1, 2,4, 3,6, 4,2, 5,3, 5,5, 6,7, 7,8, 8,3 in 9,6. Če dodate te številke, dobite 54,5. Ker imate deset podatkovnih točk, jih razdelite na deset in povprečje je 5,45.

Nato morate najti varianco za svoje podatke. Če želite to narediti, odštejte srednjo vrednost od prve podatkovne točke. Potem kvadratno številko. Zapišite kvadrat, ki ga dobite, nato ponovite to metodo za vsako podatkovno točko. Na koncu dodajte kvadratke in delite to vsoto s številom podatkovnih točk. Ta varianca je povprečna razdalja med točkami in srednjo vrednostjo.

Z uporabo prejšnjega primera bi najprej naredili 1.1 - 5.45 = -4.35; kvadrat, to je 18.9225. Če to ponovite, dodate vsote in delite z deset, ugotovite, da je varianca 6.5665. Če želite, lahko za ta del uporabite spletni kalkulator variance.

Da bi našli standardni odklon, izračunajte kvadratni koren variance. Za primer je kvadratni koren 6,5665 pri zaokrožitvi 2,56. Lahko uporabite spletne kalkulatorje ali celo tistega na pametnem telefonu, da to poiščete.

Končno je čas, da najdemo tri sigme nad srednjo vrednostjo. Pomnožite tri s standardnim odstopanjem, nato dodajte srednjo vrednost. Torej, (3x2.56) + 5.45 = 13.13. To je najvišji konec normalnega območja.

Če želite najti nizek konec, pomnožite standardni odklon s tri in nato odštejte srednjo vrednost. (3x2,56) - 5,45 = 2,23. Vsi podatki, ki so nižji od 2,3 ali višji od 13,13, so izven normalnega območja. Za ta primer je 1.1 anomalija.

Priporočena