표준 편차라고도하는 시그마의 사용은 혼란 스러울 수 있습니다. 그러나 모든 데이터 집합을 분석하기위한 훌륭한 도구입니다. 2- 시그마 제어 한계 값을 사용하면 필요하지 않은 데이터를 잘라내어 해당 데이터에만 붙이면 분석에 도움이됩니다. 무엇보다도 통제 한계의 이론은 표준 편차를 기반으로하므로 수학이 거의 필요하지 않습니다.
표준 편차
모든 종류의 시그마 측정은 일련의 숫자의 표준 편차를 기반으로합니다. 표준 편차는 일련의 그림 내에서 변동성을 측정 한 것입니다. 숫자의 차이가 적은 데이터 세트는 표준 편차가 작지만 모든 종류의 숫자가있는 데이터 세트는 표준 편차가 더 높습니다. 숫자 집합의 표준 편차는 그리스 문자 인 σ에 의해 표현됩니다.이 기호는 2 시그마, 3 시그마 및 6 시그마와 같은 용어가 나오는 곳입니다.
정규 분포
표준 편차의 사용은 데이터 세트 내의 숫자가 상대적으로 압축된다는 것을 의미하는 정규 분포에 크게 의존합니다. 대부분의 수치는 평균에 가깝고 데이터를 왜곡하는 외계인은 거의 없습니다. 데이터 세트에 대한 분포가 정상이 아니면 표준 편차를 사용한 분석이 작동하지 않습니다. 그러나 데이터 세트가 정규 분포에 속하면 표준 편차를 사용하여 데이터에 대해 많은 것을 배울 수 있습니다.
2 시그마
정규 분포는 데이터 세트의 표준 편차에 따라 숫자가 어떻게 떨어질지를 보여줍니다. 정규 분포의 규칙은 모든 수의 68 %가 평균의 표준 편차 1 개에 해당하며 데이터 세트의 모든 수의 평균이라고도합니다. 방정식에 표준 편차를 더하면 더 많은 숫자가 포함됩니다. 정규 분포를 사용하면 모든 데이터의 95 %가 평균의 두 표준 편차 내에 있습니다. 이 95 %는 가설을 증명할 때 사용되는 매우 일반적인 신뢰 구간으로, 특이점을 제외하고 주요 데이터 공급에 집중합니다.
비즈니스에서의 두 시그마
2 시그마는 분석에 대한 신뢰 수준이 높지만 프로덕션을위한 좋은 방법은 아닙니다. 생산 공정의 통제 한계가 평균의 2 표준 편차 이내이면, 그 공정은 심각한 문제가된다. 본질적으로 그것이 생산 된 백만 단위 중 30 만 개 이상이 결함이라고합니다. 이것은 어떤 상품을 생산하는 데 극도로 비효율적 인 방법입니다. 3 시그마 비율로 생산하더라도 결함 수준은 66,000으로 떨어집니다. 이것이 결코 완벽한 것은 아니지만 2 시그마에서 생산하는 것보다 거의 500 퍼센트 더 효율적입니다.
