Calcula los Defectos Por Millón de Oportunidades (DPMO), una métrica de calidad que representa el número de defectos por millón de oportunidades en un proceso.
Recorre las entradas con calma y luego compara los resultados en lugar de confiar en un solo escenario.
Número total de unidades producidas, Número total de defectos encontrados, Número de oportunidades por unidad → Número total de oportunidades, DPMO (Defectos por millón de oportunidades)
Usa estos ejemplos para verificar el comportamiento de la calculadora antes de introducir tus propios valores.
Número total de unidades producidas: 10.000 unidades; Número total de defectos encontrados: 10 defectos; Número de oportunidades por unidad: 10 oportunidades
Número total de oportunidades: 100.000 oportunidades; DPMO (Defectos por millón de oportunidades): 100 DPMO
Número total de unidades producidas: 10.000 unidades; Número total de defectos encontrados: 100 defectos; Número de oportunidades por unidad: 10 oportunidades
Número total de oportunidades: 100.000 oportunidades; DPMO (Defectos por millón de oportunidades): 1000 DPMO
Número total de unidades producidas: 10.000 unidades; Número total de defectos encontrados: 500 defectos; Número de oportunidades por unidad: 10 oportunidades
Número total de oportunidades: 100.000 oportunidades; DPMO (Defectos por millón de oportunidades): 5000 DPMO
Usa calculadoras para álgebra, geometría, trigonometría, probabilidad, estadística, medias, puntuaciones z, pruebas y tareas de graficación.
Estos enlaces están elegidos para profundizar la sesión y responder la siguiente pregunta probable sin enviar al usuario de vuelta al buscador.
Calcula el estadístico Chi-Cuadrada y el valor p para la bondad de ajuste o la prueba de independencia. Requiere frecuencias o valores observados y esperados.
Calcula probabilidades y percentiles asociados con la distribución normal estándar (Z) o cualquier distribución normal.
Calcula la proporción de veces que un evento ocurre dentro de un conjunto de datos (Frecuencia / Total).
Evalúa el rendimiento de un modelo de clasificación utilizando métricas derivadas de una matriz de confusión, incluyendo exactitud, precisión, exhaustividad y especificidad.