Calcula Defeitos Por Milhão de Oportunidades (DPMO), uma métrica de qualidade que representa o número de defeitos por milhão de oportunidades em um processo.
Passe pelas entradas com cuidado e depois compare os resultados em vez de confiar em apenas um cenário.
Número Total de Unidades Produzidas, Número Total de Defeitos Encontrados, Número de Oportunidades por Unidade → Número Total de Oportunidades, DPMO (Defeitos Por Milhão de Oportunidades)
Use estes exemplos para verificar o comportamento da calculadora antes de inserir seus próprios valores.
Número Total de Unidades Produzidas: 10.000 unidades; Número Total de Defeitos Encontrados: 10 defeitos; Número de Oportunidades por Unidade: 10 oportunidades
Número Total de Oportunidades: 100.000 oportunidades; DPMO (Defeitos Por Milhão de Oportunidades): 100 DPMO
Número Total de Unidades Produzidas: 10.000 unidades; Número Total de Defeitos Encontrados: 100 defeitos; Número de Oportunidades por Unidade: 10 oportunidades
Número Total de Oportunidades: 100.000 oportunidades; DPMO (Defeitos Por Milhão de Oportunidades): 1.000 DPMO
Número Total de Unidades Produzidas: 10.000 unidades; Número Total de Defeitos Encontrados: 500 defeitos; Número de Oportunidades por Unidade: 10 oportunidades
Número Total de Oportunidades: 100.000 oportunidades; DPMO (Defeitos Por Milhão de Oportunidades): 5.000 DPMO
Utilize calculadoras para álgebra, geometria, trigonometria, probabilidade, estatística, médias, scores z, testes e tarefas de graficos.
Estes links foram escolhidos para aprofundar a sessão e responder à próxima pergunta provável sem mandar o usuário de volta à busca.
Calcula a estatística Qui-Quadrado e o valor p para a adequação do ajuste ou teste de independência. Requer frequências ou valores observados e esperados.
Calcula o estatístico t, usado em testes de hipóteses quando o desvio padrão da população é desconhecido. Esta calculadora ajuda a determinar se a diferença entre a média amostral e a média populacional é estatisticamente significativa.
Avalia o desempenho de um modelo de classificação usando métricas derivadas de uma matriz de confusão, incluindo acurácia, precisão, recall e especificidade.
Calcula probabilidades para uma distribuição uniforme contínua, onde todos os resultados dentro de um intervalo são igualmente prováveis.