Comment travailler avec la transformation z pour six sigma

Il y aura certainement des moments où vous aurez besoin de travailler avec la transformation de Z à Six Sigma. À quelle fréquence vous tombez sur une caractéristique de processus ou d`un produit 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 et les tableaux de probabilité normale?

Par exemple, si une caractéristique de processus que vous étudiez 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 la transformation Z, bien sûr!

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

Ce que vous faites est de trouver mathématiquement Z, la distance de votre point d`intérêt (X) À la moyenne des processus dans le monde réel, puis en calculant combien les écarts-types réels (s) vous pouvez adapter cette distance. Essayez de brancher les valeurs pour l`exemple la situation:

Déterminer la probabilité d`observer sur la courbe d`une valeur supérieure à 12,0 est exactement le même que déterminer la probabilité d`observer une valeur supérieure à 2,65 sur la distribution normale standard.

Maintenant que le problème est dans le domaine standard normal, 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 pour rapprocher vos données réelles.

Articles connexes