Statistička kontrola kvaliteta

Cilj statističke kontrole kvaliteta je da prati proizvodnju kroz mnoge faze obrade i da prati kvalitet usluga. Grafikoni kontrole kvaliteta nam dozvoljavaju da otkrijemo kada proces proizvodnje ili usluge postaje „nekontrolisan“.

Tokom 1920-ih, razvijeni su koncepti statističke kontrole kvaliteta, posebno kroz rad dr. Walter A. Shewhart-a iz Bell Telephone Laboratories. Shewhart je uveo koncept „kontrolisanja“ kvaliteta za vreme proizvodnog procesa umesto uvida u svaki deo. Koristio je kontrolne grafikone da bi mu pomogli u tom procesu. Takođe je uveo koncept statističke uzoračke inspekcije da bi procenio da li su proizvedene količine dobre ili loše, zamenjujući stari metod pregledanja svakog dela.

Višestruka regresija i korelaciona analiza

U prošloj lekciji smo objasnili regresiju i korelacionu analizu, koje su nam dozvolile da procenimo jednu promenljivu u zavisnosti od druge. Korišćenje samo jedne nezavisne promenljive da bi se predvidela druga promenljiva ignoriše vezu drugih promenljivih sa zavisnom promenljivom. Ova lekcija proširuje taj koncept dozvoljavajući nam da koristimo više od jedne objašnjavajuće promenljive u regresionoj jednačini. Korišćenje više od jedne nezavisne promenljive omogućava povećanje moći objašnjavanja i korisnost regresije i korelacione analize u donošenju mnogih poslovnih odluka.

Linearna regresija i korelacija

Akcenat u ovoj lekciji je proučavanje veze između dva broja i razvijanje jednačine koja nam dozvoljava da procenimo jednu promenljivu na osnovu druge. Postoji li veza između temperature i broja ljudi na plaži? Postoji li veza između obrazovanja i mesečne plate? Možemo li predvideti našu ocenu na sledećem testu iz statistike na osnovu broja sati koje smo proveli učeći gradivo sa testa? Korelaciona analiza je grupa statističkih tehnika koja se koristi da bi izmerili jačinu veze (korelacije) između dve promenljive.

Ocene i intervali poverenja

Na teorijskim časovima smo uveli uzorkovanje i centralnu graničnu teoremu. Naglasili smo da obično nije izvodljivo ispitati celu populaciju. Videli smo da su sredine malih uzoraka veće disperzije i raspršenosti nego sredine velikih uzoraka. Takođe smo ilustrovali centralnu graničnu teoremu. To jest ako su svi uzorci određene veličine izabrani iz bilo koje populacije, uzoračka raspodela uzoračkih sredina teži normalnoj raspodeli. Ova težnja se povećava sa većim uzorcima.

Opisivanje podataka: prikazivanje i proučavanje podataka

Prethodna lekcija Vas je upoznala sa nekoliko pozicionih mera kao što su sredina i medjana koje nam dozvoljavaju da izvestimo o tipičnoj vrednosti u skupu obeležja. Takođe ste računali nekoliko mera disperzije kao što su sredina i standardna devijacija koje nam dozvoljavaju da opišemo varijaciju ili širenje u skupu podataka. Nastavićemo sa opisnom statistikom i u ovoj lekciji.

Opisivanje podataka: numeričke deskriptivne mere – vežbe

Vežba 1: (sredina, medijana i mod)

Elektrodistribucija je izabrala 20 potrošača građana. Slede iznosi, zaokruženi na 50 dinara, korisničkih računa za struju prošlog meseca:

2700    2400    2900    2500    1250    2350    3750    2300    3000    3500    3350    3400    1950    1750    2800    3300    1650    3100    3250    3350

Koliki su sredina, medijana i mod ovih iznosa?

Opisivanje podataka: numeričke deskriptivne mere

Pre više od 100 godina H. G. Wells je rekao: „statističko mišljenje će jednog dana biti podjednako potrebno za efikasnog građanina kao što je danas sposobnost da čita i piše.“ Taj dan je došao. Danas, ne možemo da izbegnemo da budemo bombardovani svim vrstama brojčanih podataka. Statističke tehnike se intenzivno koriste u skoro svim poslovnim poljima: društvenim naukama, prirodnim naukama, marketingu, knjigovodstvu, kontroli kvaliteta, medicini, obrazovanju, profesionalnom sportu, politici da spomenemo samo neke. Ovaj članak će Vam pokazati koliko je lako koristiti Excel da bi našli pozicione mere, centralne tendencije i disperzije, mere koje su osnova za korišćenje i razumevanje statističkih podataka.

Opisivanje podataka: raspodela frekvencija i grafički prikaz

Grafički prikazi koje često viđate u novinama, časopisima i poslovnim izveštajima često prikazuju podatke iz distribucije frekvencija u obliku pita-grafikona, trakastog grafikona, histograma i linijskih grafikona. Ova lekcija Vam pokazuje kako da koristite Excel da biste napravili ove grafikone i grafike.