Comment travailler avec la transformation de z pour six sigma

Il y aura très certainement des moments où vous aurez besoin de travailler avec la transformation de Z dans Six Sigma. Combien de fois venez-vous à travers un procédé ou un produit caractéristique qui a une moyenne de 0 et un écart type de 1? Pas très souvent, voire jamais. Alors, où est l'utilité de la distribution normale standard et les tables de probabilité normale?

Par exemple, si une caractéristique de processus, vous êtes étudiant a une moyenne de 10,2 et un écart type de 0,68, et vous avez besoin de savoir quelle est la probabilité d'observer une valeur de processus supérieure à 12,0? Pourquoi, vous utilisez le Z transformation, bien sûr!

image0.jpg


Avec cette simple transformation de vos données de process, la distribution normale standard devient très utile. Considérez la transformation mathématique suivante qui change votre données du monde réel - que nous appelons X - et les échelles du domaine de la distribution normale standard:

image1.jpg

Ce que vous faites est de trouver mathématiquement Z, la distance entre votre point d'intérêt (X) À la moyenne des processus dans le monde réel, et ensuite calculer combien de déviations standard dans le monde réel (s) vous pouvez insérer dans cette distance. Essayez de brancher dans les valeurs de la situation de l'exemple:

image2.jpg

Déterminer la probabilité d'observer une valeur supérieure à 12,0 sur la courbe est identique à déterminer la probabilité d'observer une valeur supérieure à 2,65 sur la distribution normale standard.

Maintenant que le problème est dans le domaine normale standard, vous pouvez utiliser la table de probabilité normale pour constater que la probabilité d'être supérieure à 2,65 est 0,004025 (0,40 pour cent). Cette procédure est valable pour toutes les situations où vous utilisez un modèle normal de rapprocher vos données du monde réel.

image3.jpg

» » » » Comment travailler avec la transformation de z pour six sigma