Zastosowanie sigmy, znanej również jako odchylenie standardowe, może być mylące. Jest to jednak doskonałe narzędzie do analizy dowolnego zestawu danych. Korzystanie z limitów kontroli dwóch sigma może przynieść korzyści Twojej analizie, eliminując dane, których nie potrzebujesz, i ograniczając się tylko do odpowiednich danych. Najlepszy ze wszystkich, ponieważ teoria stojąca za ograniczeniami kontrolnymi opiera się na odchyleniu standardowym, w grę wchodzi bardzo mało matematyki.
Odchylenie standardowe
Pomiary Sigma dowolnego rodzaju opierają się na standardowym odchyleniu szeregu liczb. Odchylenie standardowe jest miarą zmienności w ramach zestawu wartości liczbowych. Zestaw danych z niewielką różnicą między liczbami będzie miał małe odchylenie standardowe, podczas gdy zestaw danych z różnymi rodzajami różnych liczb będzie miał większe odchylenie standardowe. Odchylenie standardowe zbioru liczb jest reprezentowane przez grecką sigmę znakową, w której powstają terminy takie jak dwuma-sigma, trzy-sigma i sześć-sigma.
Normalna dystrybucja
Zastosowanie odchylenia standardowego zależy w dużej mierze od rozkładu normalnego, co oznacza, że liczby w zbiorze danych są stosunkowo skompresowane. Większość liczb jest dość zbliżona do średniej, a kilka wartości statystycznych zniekształca dane. Jeśli dystrybucja zbioru danych nie jest normalna, analiza przy użyciu odchylenia standardowego nie działa. Jeśli jednak zbiór danych nie mieści się w normalnym rozkładzie, można dużo się nauczyć o danych przy użyciu odchylenia standardowego.
Two-Sigma
Rozkład normalny pokazuje, jak liczby będą spadać w oparciu o standardowe odchylenie zbioru danych. Reguły dystrybucji normalnej nakazują, że 68 procent wszystkich liczb mieści się w granicach jednego standardowego odchylenia średniej, znanej również jako średnia wszystkich liczb w zbiorze danych. Dodanie odchyleń standardowych do równania oznacza zawarcie większej ilości liczb; przy normalnym rozkładzie, 95 procent wszystkich danych mieści się w granicach dwóch standardowych odchyleń średniej. To 95 procent jest bardzo częstym przedziałem ufności stosowanym do sprawdzania hipotez, ponieważ wyklucza wartości odstające i trzyma się głównej podaży danych.
Dwu-Sigma w biznesie
O ile dwuparma daje dobry poziom pewności do analizy, nie jest to dobra metodologia produkcji. Jeżeli granice kontrolne dowolnego procesu produkcyjnego mieszczą się w dwóch standardowych odchyleniach średniej, proces ten jest poważny. Zasadniczo mówi się, że na milion wyprodukowanych jednostek ponad 300 000 będzie uszkodzonych. Jest to niezwykle nieefektywny sposób wytwarzania dowolnych towarów. Wytwarzanie nawet przy trzech sigmach spowodowałoby obniżenie tego defektu do 66 000; chociaż nie jest to doskonałe, jest prawie o 500 procent wydajniejsze niż produkcja przy dwuzmianowej.
