Hvordan man arbejder med Z-transformere for Six Sigma

 Der vil helt sikkert være tidspunkter, hvor du har brug for at arbejde med Z transformation i Six Sigma. Hvor ofte har du en proces eller et produkt karakteristik, som har et gennemsnit på 0 og en standardafvigelse på en? Ikke meget ofte, hvis nogensinde. Så hvad er pointen i standard normalfordelingen og standard normale tabeller?

 For eksempel, hvad nu hvis du studerer en proces karakteristisk har et gennemsnit på 10,2 og en standardafvigelse på 0,68, og du har brug for at kende sandsynligheden for at observere en proces værdi større end 12,0? Hvorfor, du bruger Z transformation, selvfølgelig!


 Med denne enkle transformation af procesdata, standard normalfordelingen er meget nyttig. Overvej følgende matematiske transformation, at dine virkelige verden data ændres - vi kalder x - og tilpasset det til realm af standard normalfordelingen:


 Hvad du skal gøre er at finde matematiske Z, afstanden fra din punkt af interesse for den gennemsnitlige virkelige verden proces, og derefter beregne, hvor meget den virkelige verden standardafvigelser, der kan passe inden for denne afstand. Prøv at tilslutte værdierne for eksempel situationen:


 Regne ud sandsynligheden for at observere en værdi større end 12,0 på kurven er nøjagtig det samme som at tage sandsynligheden for at observere en værdi større end 2,65 for standard normalfordeling.

 Nu, at problemet i standard normale domæne, kan du bruge standard normale sandsynlighedstabel at vide, at risikoen er større end 2,65 er 0,004025. Denne procedure gælder for alle situationer, hvor du bruger en normal model til at få adgang til dine data fra virkeligheden.

  0   0

Kommentarer - 0

Ingen kommentarer

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha