Como usar o Teorema do Limite Central for Six Sigma
O que acontece quando você toma repetida amostras da mesma população? Esta ideia é importante quando você usa o teorema do limite central para Six Sigma. Imagine que jogar uma moeda dez vezes e contagem do número de cabeças que você começa. As leis da probabilidade dizem que você tem uma chance de conseguir cabeças em um único lance 50-50. Se você jogar a moeda dez vezes, você esperaria obter cinco cabeças.
Vá em frente e puxe uma moeda do seu bolso e tentar esta experiência, se quiser. Você pode não obter os esperados cinco cabeças depois de virar a moeda dez vezes. Você pode obter apenas três cabeças. Ou talvez você obter seis. Após cada repetição experimento (amostra), o número de cabeças para fora dos dez flips foi contado. A experiência foi repetida a 10, em seguida, 100, e, finalmente, 1.000 vezes.
Esta experiência de coin flip é análogo a qualquer situação em que você tomar uma amostra de dados de uma população - como a tomada de uma amostra de medições de um processo e cálculo da média. Dois fatos importantes surgem de que você pode generalizar a qualquer situação de amostragem:
Repetições do evento de medição produzir resultados diferentes resultados. Isto é, o resultado é variável de amostra para amostra. No experimento-cara ou coroa, não cada repetição da série de dez-flip produziram os esperados cinco cabeças. O mesmo é verdade se você tomar repetidamente uma média de cinco pontos da espessura do papel que sai de uma fábrica de papel.
Esta medição resultante, ou distribuição de amostras, é normalmente distribuída. A variação também está centrada sobre o resultado esperado. E os mais repetições que você faz, cada vez mais perto a variação de amostragem fica a uma distribuição perfeitamente normal.
Os estatísticos chamam de medições de uma característica ou um processo repetido amostras. Assim, a variação que ocorre em eventos de amostragem repetidas eles chamam a sua distribuição de amostras.
As próprias medições de amostras não são as únicas coisas que variam quando você está lidando com amostras repetidas. Os estatísticos refinado e afinados definições técnicas do que é chamado de limite centralorem. Embora cada definição é igualmente misteriosa, eles dizem a mesma coisa básica: Quando você calcula estatísticas sobre uma amostra, repetir esses cálculos sobre uma outra amostra da mesma população vai sempre dar-lhe um resultado ligeiramente diferente.
Além disso, a colecção de resultados calculados repetidas sempre têm em si uma distribuição. Esta variação de amostragem segue uma curva normal de sino centrado sobre o verdadeiro variação da população subjacente. Além disso, a largura da distribuição de amostragem depende do número de medições você tomar em cada amostra. Quanto maior o tamanho da amostra, menor a variação de amostragem.
Embora os estatísticos muitas vezes têm dificuldade em explicar o teorema do limite central, o seu poder e utilidade são, no entanto notável. Os resultados do teorema do limite central permitem prever os limites do futuro e para quantificar os riscos do passado.