In de software SigmaXL en Minitab kun je een grafische analyse uitvoeren door middel van de onderstaande tools. Zie hieronder wat deze tools doen.
- 1-Sample t-test
- 2-Sample t-test
- Paired t-test
- 1-Sample Z
- ANOVA
- Test for Equal Variances
- Verdelingsvrije Testen
- Chi-Square Test
1-Sample t-test
Een 1-Sample t-test is geschikt om continue datasets te vergelijken met een vooraf gestelde norm of gemiddelde.
2-Sample t-test
Met een 2-Sample t-test kun je twee groepen onderling met elkaar vergelijken.
Paired t-test
Een Paired t-test is vooral geschikt om vergelijkingen te trekken tussen een proces voor en na een verandering. Vervolgens wordt er vastgesteld in hoeverre de verandering een effect heeft gehad op het proces.
1-Sample Z
1-Sample Z kun je het beste gebruiken wanneer je een groep ten opzichte van het verwachte gemiddelde wilt vergelijken en je weet wat de standaard deviatie is.
ANOVA
ANOVA staat voor Analysis of Variance. Een voordeel aan ANOVA is dat je meerdere groepen tegelijk kan vergelijken. We kijken bij een ANOVA niet alleen naar het gemiddelde maar vooral juist naar de variantie in het proces, ten opzichte van het gemiddelde.
Test for Equal variances
Bij een Test for Equal Variances wordt er gekeken naar variantie binnen groepen door te letten op de standaard deviatie en de onderlinge afwijkingen daarin.
Verdelingsvrije Testen
Verdelingsvrije testen zijn handig om verbanden te vinden tussen verschillende factoren die op het eerste gezicht misschien niets te maken hebben met elkaar. Een manier om dit te doen is door middel van Kruskal-Wallis. Deze test laat de kanswaarde zien dat er een oorzaak-gevolg-verband is tussen de twee factoren. Ook kunnen we twee groepen met elkaar vergelijken door middel van een andere test die we Mann-Whitney noemen. Hier is ook waarschijnlijk in eerste instantie geen logisch verband, maar toch kan het nuttig zijn om de onderlinge factoren met elkaar te vergelijken.
Chi-Square Test
De Chi-Square Test (ook wel de χ-Square Test) wordt gebruikt om relaties te onderzoeken door middel van statistieken. Hier maken we vooral gebruik van wanneer we te maken hebben Attribute Data, maar eigenlijk meer willen weten dan alleen maar Ja / Nee. De Critical to Quality (CTQ) moet hiervoor echter wel te meten zijn door middel van Continue Data.