Tilastolliset menetelmät

 

Datan määrä teollisuuden ja palveluliiketoiminnan eri alueilla kasvaa nopeasti. Data ei itsessään luo lisäarvoa. Datan tehokas ja oikea analysointi on olennainen osa yritysten menestymistä. Tilastotieteen tarkoituksena on datan kerääminen, analysointi ja esittäminen sekä tulosten tulkinta. Tilastollisten menetelmien osaaminen tuo yritykselle kilpailuetua, kun datan sisältämä tieto saadaan yrityksen käyttöön ja pystytään dataperusteiseen päätöksentekoon.

Tilastollisten menetelmien koulutuksessa keskitytään erilaisiin analyyseihin ja niiden perusteisiin sekä esimerkkien laskentaan Minitab -ohjelmistolla.

Tilastolliset tunnusluvut

  • Keskiarvo
  • Keskihajonta
  • Varianssi
  • Kovarianssi


Jakauman testaaminen

  • Normaalijakauman testaaminen (Anderson-Darling)


Hypoteesin testaaminen

  • 1-otoksen z-testi
  • 1-otoksen t-testi
  • 2-otoksen t-testi
  • parittainen t-testi
  • Varianssien yhtäsuuruuden testaaminen
  • Varianssianalyysi (ANOVA)


Muuttujien välinen yhteys/assosiaatio

  • Korrelaatio
  • Regressionanalyysi


Tilastolliset monimuuttujamenetelmät

  • Pääkomponenttianalyysi
  • Faktorianalyysi
  • Klusterianalyysi
  • Erotteluanalyysi
  • Korrespondenssianalyysi


Aikasarja-analyysin perusteet

  • Trendianalyysi
  • Autokorrelaatio


Luotettavuusanalyysi

  • Kiihdytetty elinikätesti
  • Elinaikadatan regressio


Koesuunnittelu

  • Perinteinen DOE
  • Taguchi DOE


Mitaussysteemin analyysi

  • Variaabeli Gage
  • Attribuutti Gage


Tilastollinen laadunohjaus, SPC

  • Variaabelitilanteeseen sopivat kortit
  • Attribuuttitilanteeseen sopivat kortit


Hyväksymisnäytteenotto

  • Variaabelitilanteen näytteenottosuunnitelmat
  • Attribuuttitilanteen näytteenottotilanteen suunnitelmat