3 సిగ్మా లెక్కించు ఎలా

విషయ సూచిక:

Anonim

కొంతమంది వ్యాపార యజమానులు గణాంకాలు ఉపయోగించి జాగ్రత్తగా ఉండవచ్చని, ఈ సమీకరణాలు మీ కంపెనీని బాగా అర్థం చేసుకోవడంలో మీకు సహాయపడతాయి. ఉదాహరణకు, బొటనవేలు యొక్క మూడు-సిగ్మా పాలనను మీరు నిర్దిష్ట గణనలను రూపొందించడానికి లేదా సాధారణంగా మీ వ్యాపారంలో దూరప్రాంతాల్ని గుర్తించడానికి మీకు సహాయపడుతుంది. ఏదేమైనా, ఈ సమీకరణం సమర్థవంతంగా ఉండటానికి సరిగ్గా దాన్ని ఉపయోగించడం నేర్చుకోవాలి.

3 సిగ్మా అంటే ఏమిటి?

మూడు సిగ్మా గణాంకాల నుండి వచ్చిన గణన. పరిశోధకులు మరియు గణాంకవేత్తలు డేటాలో దూరప్రాంతాల్ని గుర్తించడానికి మరియు వారి ఫలితాలను సరిదిద్దడానికి ఈ లెక్కను ఉపయోగిస్తారు. వారు దీనిని చేస్తారు ఎందుకంటే బాగా నియంత్రిత పరిసరాలలో అధ్యయనం లెక్కించబడని ఫలితాలను అందిస్తుంది.

ఉదాహరణకు, ఒక ప్రిస్క్రిప్షన్ మందుల విచారణను పరిగణించండి. కొత్త ఔషధం మీద ఉన్న చాలామంది రోగులు కొంత పరిధిలో మెరుగుపడినట్లయితే, ఒక రోగి వారి పరిస్థితిలో ఒక అద్భుతమైన మార్పును కలిగి ఉంటే, ఈ రోగిని అధ్యయనం చేసే ఔషధం కాదు, ఈ రోగిని ప్రభావితం చేసి ఉండవచ్చు.

3 సిగ్మా ఇన్ బిజినెస్

వ్యాపారంలో, మీరు మీ విశ్లేషణకు మూడు సిగ్మా సూత్రాన్ని వర్తింపజేయవచ్చు. ఉదాహరణకు, ఇచ్చిన శుక్రవారం నాడు మీ దుకాణము ఎంత సంపాదిస్తుంది అని మీరు చూడవచ్చు. మీరు మూడు సిగ్మాను ఉపయోగిస్తే, నల్ల శుక్రవారం సాధారణ పరిధికి బయట ఉంటుంది. మీరు మీ స్టోర్లో సగటు శుక్రవారం వలలు ఎంత నిర్ణయిస్తే మీ శుక్రవారాల నుండి ఆ శుక్రవాటిని తొలగించాలని నిర్ణయించుకుంటారు.

మీ నాణ్యత నియంత్రణ లక్ష్యంగా ఉందో లేదో గుర్తించడానికి మీరు మూడు సిగ్మాలను కూడా ఉపయోగించవచ్చు. మీ తయారీ సంస్థకు మిలియన్ యూనిట్లు ఎన్ని లోపాలు ఉన్నాయో లేదో నిర్ణయించినట్లయితే, ఒక బ్యాచ్ ప్రత్యేకంగా తప్పుగా ఉంటే లేదా మీరు తగిన పరిధిలో ఉంటే మీరు నిర్ణయించవచ్చు.

సామాన్యంగా, థంబ్ యొక్క మూడు-సిగ్మా నియమం అంటే, మిలియన్ ఉత్పత్తులకు 66,800 లోపాలు. కొన్ని కంపెనీలు ఆరు సిగ్మా కోసం పోరాడుతున్నాయి, ఇది ఒక మిలియన్ 3.4 లోపభూయిష్ట భాగాలు.

నిబంధనలు మీరు తెలుసుకోవాలి

మీరు ఖచ్చితంగా మూడు సిగ్మాలను లెక్కించడానికి ముందు, కొన్ని పదాల అర్ధం ఏమిటో అర్థం చేసుకోవాలి. మొదటిది "సిగ్మా." గణిత శాస్త్రంలో, ఈ పదం తరచుగా సమితి యొక్క సగటు సగటు లేదా సగటును సూచిస్తుంది.

ప్రామాణిక విచలనం అనేది ఒక యూనిట్, ఇది సగటు నుండి డేటా బిందువుకు ఎంత దూరంలో ఉంటుంది. మూడు సిగ్మా అప్పుడు డేటా పాయింట్లు ఏ విధంగా, సానుకూల లేదా ప్రతికూలంగా సిగ్మా యొక్క మూడు ప్రామాణిక వ్యత్యాసాల పరిధిలో ఏది నిర్ణయిస్తుంది.

మీరు లెక్కల ఫలితాలను ప్రదర్శించడానికి "x బార్" లేదా "r చార్ట్" ను ఉపయోగించవచ్చు. మీరు కలిగి ఉన్న డేటా విశ్వసనీయమైనదేనా అని ఈ గ్రాఫ్లు ఇంకా నిర్ణయించటంలో మీకు సహాయం చేస్తాయి.

మీ గణనలను చేయండి

మీరు వ్యాయామం యొక్క ఉద్దేశాన్ని అర్థం చేసుకుని, నిబంధనల అర్థం ఏమిటో తెలుసుకుంటే, మీరు మీ కాలిక్యులేటర్ను పొందవచ్చు.మొదట, మీ డేటా పాయింట్ల సగటును కనుగొనండి. దీన్ని చేయడానికి, మీరు ప్రతి సంఖ్యను సమితిలో జోడించి, మీరు కలిగి ఉన్న డేటా పాయింట్ల సంఖ్యతో విభజించండి.

ఉదాహరణకు, డేటా సెట్ 1.1, 2.4, 3.6, 4.2, 5.3, 5.5, 6.7, 7.8, 8.3 మరియు 9.6. ఈ సంఖ్యలను జతచేస్తే మీరు 54.5 ని ఇస్తుంది. మీరు పది డేటా పాయింట్లను కలిగి ఉన్నందున, మొత్తం పదికి విభజించి సగటు 5.45.

తరువాత, మీరు మీ డేటా కోసం వైవిధ్యాన్ని కనుగొనవలసి ఉంటుంది. ఇది చేయుటకు, మొదటి డేటా పాయింట్ నుండి సగటును తీసివేయుము. అప్పుడు, చదరపు ఆ సంఖ్య. మీకు వచ్చిన చతురస్రాన్ని వ్రాసి, ప్రతి డేటా పాయింట్ కోసం ఈ పద్ధతిని పునరావృతం చేయండి. చివరగా, చతురస్రాన్ని చేర్చండి మరియు డేటా పాయింట్ల సంఖ్యతో మొత్తాన్ని విభజించండి. ఈ భేదం పాయింట్లు మరియు సగటు మధ్య సగటు దూరం.

మునుపటి ఉదాహరణ ఉపయోగించి, మీరు మొదట 1.1 - 5.45 = -4.35 చేస్తారు; స్క్వేర్డ్, ఇది 18.9225. మీరు దీన్ని పునరావృతం చేస్తే, మొత్తాలను చేర్చండి మరియు పదిలంగా విభజించండి, మీరు భేదం 6.5665 ను కనుగొంటారు. మీకు కావాలంటే, మీ కోసం ఈ భాగాన్ని చేయడానికి మీరు ఒక ఆన్లైన్ బదిలీ కాలిక్యులేటర్ను ఉపయోగించవచ్చు.

ప్రామాణిక విచలనం కనుగొనేందుకు, వ్యత్యాసం యొక్క వర్గమూలం లెక్కించండి. ఉదాహరణకి, 6.5665 యొక్క వర్గమూలం 2.56 గా ఉంటుంది. దీన్ని కనుగొనేందుకు ఆన్లైన్ కాలిక్యులేటర్లు లేదా మీ స్మార్ట్ఫోన్లో ఒకదాన్ని కూడా ఉపయోగించవచ్చు.

చివరగా, సగటు కంటే మూడు సిగ్మాను కనుగొనడం సమయం. ప్రామాణిక విచలనం ద్వారా మూడు పూర్ణాంకానికి, అప్పుడు సగటు జోడించండి. కాబట్టి, (3x2.56) + 5.45 = 13.13. ఇది సాధారణ శ్రేణి యొక్క అధిక ముగింపు.

తక్కువ ముగింపు కనుగొనేందుకు, మూడు ద్వారా ప్రామాణిక విచలనం గుణిస్తారు మరియు తరువాత సగటు తీసివేయడం. (3x2.56) - 5.45 = 2.23. సాధారణ పరిధి వెలుపల 2.3 లేదా 1313 కన్నా ఎక్కువ ఉన్న ఏదైనా డేటా బయట ఉంది. ఈ ఉదాహరణ కోసం, 1.1 అసాధారణమైనది.