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