{"id":4443,"date":"2026-07-09T15:35:32","date_gmt":"2026-07-09T13:35:32","guid":{"rendered":"https:\/\/ellistat.com\/?p=4443"},"modified":"2026-07-09T15:35:40","modified_gmt":"2026-07-09T13:35:40","slug":"ipari-leiro-statisztika-atfogo-utmutato","status":"publish","type":"post","link":"https:\/\/ellistat.com\/hu\/statistiques-descriptives-industrielles-guide-complet\/","title":{"rendered":"Ipari le\u00edr\u00f3 statisztika: \u00e1tfog\u00f3 \u00fatmutat\u00f3"},"content":{"rendered":"<p class=\"wp-block-paragraph\">Egy egyik oldalra eltol\u00f3d\u00f3 hisztogram, egy a hat\u00e1rokon k\u00edv\u00fclre ker\u00fcl\u0151 ellen\u0151rz\u0151 diagram, egy besz\u00e1ll\u00edt\u00f3, aki olyan hibaar\u00e1nyt jelent be, amelyet nem tudsz ellen\u0151rizni: ezek olyan helyzetek, amelyekkel minden min\u0151s\u00e9g\u00fcgyi vagy termel\u00e9si vezet\u0151 rendszeresen szembes\u00fcl. A\u00a0<strong>le\u00edr\u00f3 statisztik\u00e1k<\/strong>\u00a0ezek azok az eszk\u00f6z\u00f6k, amelyek seg\u00edts\u00e9g\u00e9vel ezek a megfigyel\u00e9sek megalapozott d\u00f6nt\u00e9sekk\u00e9 v\u00e1lhatnak, nem pedig puszta benyom\u00e1sokk\u00e1. Nem a matematika kedv\u00e9\u00e9rt szolg\u00e1lnak: arra szolg\u00e1lnak, hogy megtudjuk, egy folyamat ellen\u0151rz\u00e9s alatt \u00e1ll-e, egy alkatr\u00e9sz val\u00f3ban hib\u00e1s-e, vagy egy 10 000 darabos k\u00e9szletet kell-e v\u00e1logatni 60 minta ellen\u0151rz\u00e9se ut\u00e1n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ez az \u00fatmutat\u00f3 bemutatja a le\u00edr\u00f3 statisztika gyakorlati alkalmaz\u00e1sait az ipari termel\u00e9s ter\u00fclet\u00e9n, a k\u00f6vetkez\u0151 szerz\u0151k \u00e1ltal kidolgozott m\u00f3dszertan alapj\u00e1n: <a href=\"https:\/\/www.linkedin.com\/in\/maurice-pillet-28542248\/\" data-type=\"link\" data-id=\"https:\/\/www.linkedin.com\/in\/maurice-pillet-28542248\/\">Maurice Pillet<\/a>, az Ellistat t\u00e1rsalap\u00edt\u00f3ja, emeritus professzor \u00e9s a min\u0151s\u00e9gbiztos\u00edt\u00e1s \u00e9s a Six Sigma ter\u00fclet\u00e9n elismert francia szaktekint\u00e9ly.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Le\u00edr\u00f3, k\u00f6vetkeztet\u0151 \u00e9s t\u00f6bbv\u00e1ltoz\u00f3s statisztika: melyik ter\u00fcleten v\u00e9gzi el a mindennapi elemz\u00e9seit?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A gy\u00e1rt\u00e1si adatok gy\u0171jt\u00e9sekor \u00e1ltal\u00e1ban egy t\u00e1bl\u00e1zatot kapunk, amelyben szerepelnek a bemeneti \u00e9rt\u00e9kek (az X-ek, azaz a folyamatparam\u00e9terek) \u00e9s a kimeneti \u00e9rt\u00e9kek (az Y-ek, azaz a term\u00e9kjellemz\u0151k). H\u00e1romf\u00e9le statisztikai elemz\u00e9si m\u00f3dszer l\u00e9tezik ezek ki\u00e9rt\u00e9kel\u00e9s\u00e9re, \u00e9s hasznos tudni, hogy \u00d6n a mindennapi munk\u00e1ja sor\u00e1n melyiket alkalmazza.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Le\u00edr\u00f3 statisztik\u00e1k<\/strong>\u00a0egyszerre csak egy v\u00e1ltoz\u00f3val foglalkoznak, az X-szel vagy az Y-val, f\u00fcggetlen\u00fcl att\u00f3l, hogy az mennyis\u00e9gi (m\u00e9r\u00e9si \u00e9rt\u00e9k) vagy min\u0151s\u00e9gi (hiba, kateg\u00f3ria) jelleg\u0171-e. Ez a leggyakoribb \u00e9s legk\u00e9zenfekv\u0151bb elemz\u00e9si szint.<\/li>\n\n\n\n<li><strong>A k\u00f6vetkeztet\u0151 statisztika<\/strong>\u00a0olyan nem v\u00e9letlenszer\u0171 \u00f6sszef\u00fcgg\u00e9st keresnek egy Y v\u00e1ltoz\u00f3 \u00e9s egy vagy t\u00f6bb X v\u00e1ltoz\u00f3 k\u00f6z\u00f6tti elt\u00e9r\u00e9sek k\u00f6z\u00f6tt, \u00e1ltal\u00e1ban az\u00e9rt, hogy megmagyar\u00e1zz\u00e1k vagy modellezz\u00e9k az Y viselked\u00e9s\u00e9t.<\/li>\n\n\n\n<li><strong>T\u00f6bbv\u00e1ltoz\u00f3s statisztik\u00e1k<\/strong>\u00a0a teljes t\u00e1bl\u00e1zatot feldolgozz\u00e1k, an\u00e9lk\u00fcl, hogy megk\u00fcl\u00f6nb\u00f6ztetn\u00e9k a bemeneti \u00e9s kimeneti adatokat, az egy\u00e9nek oszt\u00e1lyoz\u00e1sa vagy a v\u00e1ltoz\u00f3k k\u00f6z\u00f6tti \u00f6sszef\u00fcgg\u00e9sek felt\u00e1r\u00e1sa c\u00e9lj\u00e1b\u00f3l.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">A le\u00edr\u00f3 statisztika teh\u00e1t elengedhetetlen kiindul\u00f3pont: miel\u0151tt (k\u00f6vetkeztet\u0151) okot vagy \u00e1tfog\u00f3 (t\u00f6bbv\u00e1ltoz\u00f3s) strukt\u00far\u00e1t keresn\u00e9nk, el\u0151sz\u00f6r is tudnunk kell, hogyan kell helyesen \u00e9rtelmezni egy egyetlen adatoszlopot. A mindennapi min\u0151s\u00e9gbiztos\u00edt\u00e1si d\u00f6nt\u00e9sek t\u00f6bbs\u00e9ge \u00e9ppen ezen m\u00falik.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Miel\u0151tt elkezden\u00e9 az elemz\u00e9st, alaposan vizsg\u00e1lja meg az adatait!<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Vizu\u00e1lis jel\u00f6l\u00e9s felt\u00e9teles form\u00e1z\u00e1ssal<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Az els\u0151, gyakran elhanyagolt l\u00e9p\u00e9s egyszer\u0171en abb\u00f3l \u00e1ll, hogy megn\u00e9zz\u00fck a felt\u00e9teles form\u00e1z\u00e1ssal ell\u00e1tott adatt\u00e1bl\u00e1zatot. Az elv egyszer\u0171: az \u00e9rt\u00e9keket az eloszl\u00e1sban elfoglalt hely\u00fck szerint sz\u00ednezik be, a k\u00e9kt\u0151l a z\u00f6lden \u00e1t a pirosig.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A gyakorlott szem azonnal \u00e9szreveszi a probl\u00e9m\u00e1t: egy olyan oszlop, amelyben a k\u00e9k domin\u00e1l, \u00e9s kev\u00e9s a z\u00f6ld, arra utal, hogy az eloszl\u00e1s val\u00f3sz\u00edn\u0171leg elt\u00e9r a norm\u00e1lis eloszl\u00e1st\u00f3l. Egy olyan oszlop viszont, amelyben a z\u00f6ld domin\u00e1l, a k\u00f6zep\u00e9n jelent\u0151s s\u0171r\u0171s\u00e9ggel, a sz\u00e9ls\u0151 \u00e9rt\u00e9kek pedig k\u00e9k \u00e9s piros sz\u00edn\u0171ek, egy j\u00f3l k\u00f6zpontos\u00edtott norm\u00e1lis eloszl\u00e1sra utal. Ez az egyszer\u0171 pillant\u00e1s, m\u00e9g a sz\u00e1m\u00edt\u00e1sok megkezd\u00e9se el\u0151tt, m\u00e1ris ir\u00e1nyt ad a k\u00e9s\u0151bbi elemz\u00e9snek.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">A kiugr\u00f3 \u00e9rt\u00e9kek automatikus felismer\u00e9se<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Egy pont, amely a bajuszdoboz bajuszai k\u00f6z\u00f6tt k\u00edv\u00fcl helyezkedik el, nem felt\u00e9tlen\u00fcl jelent statisztikai \u00e9rtelemben vett kiugr\u00f3 \u00e9rt\u00e9ket. A k\u00fcl\u00f6nbs\u00e9g fontos: egy val\u00f3di kiugr\u00f3 \u00e9rt\u00e9ket egy erre a c\u00e9lra szolg\u00e1l\u00f3 statisztikai teszt seg\u00edts\u00e9g\u00e9vel kell azonos\u00edtani, nem csup\u00e1n egy hozz\u00e1vet\u0151leges grafikus \u00e9rt\u00e9kel\u00e9s alapj\u00e1n. Ez a teszt \u2013 \u00e9s nem a vizu\u00e1lis benyom\u00e1s \u2013 az, ami kivizsg\u00e1l\u00e1st vagy az adat kiz\u00e1r\u00e1s\u00e1t indokolja a k\u00e9pess\u00e9gi sz\u00e1m\u00edt\u00e1sokb\u00f3l.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Grafikus elemz\u00e9s: hisztogramok, szarvasdobozok \u00e9s ellen\u0151rz\u0151 diagramok<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Hisztogram \u00e9s szarvasfark-diagram az eloszl\u00e1s alakj\u00e1nak meg\u00edt\u00e9l\u00e9s\u00e9hez<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">A hisztogram tov\u00e1bbra is a kiindul\u00e1si pont annak meg\u00edt\u00e9l\u00e9s\u00e9hez, hogy egy eloszl\u00e1s hasonl\u00edt-e a norm\u00e1lis eloszl\u00e1sra, k\u00fcl\u00f6n\u00f6sen akkor, ha s\u0171r\u0171s\u00e9gg\u00f6rb\u00e9t vet\u00edt\u00fcnk r\u00e1. A sz\u0151r\u00f6s doboz kieg\u00e9sz\u00edti ezt az \u00e9rtelmez\u00e9st, f\u0151leg \u00f6sszehasonl\u00edt\u00e1s eset\u00e9n: lehet\u0151v\u00e9 teszi t\u00f6bb jellemz\u0151 (t\u00f6bb \u00e1tm\u00e9r\u0151, t\u00f6bb t\u00e9tel, t\u00f6bb g\u00e9p) egym\u00e1s mell\u00e9 helyez\u00e9s\u00e9t, \u00e9s egy pillant\u00e1sra felismerhet\u0151v\u00e9 teszi, melyik viselkedik elt\u00e9r\u0151en a t\u00f6bbit\u0151l.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Ellen\u0151rz\u0151 diagramok: a folyamat stabilit\u00e1s\u00e1nak folyamatos nyomon k\u00f6vet\u00e9se<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">A kontrollt\u00e1bl\u00e1k id\u0151beli \u00e1ttekint\u00e9st ny\u00fajtanak, m\u00edg a hisztogram statikus k\u00e9pet ad. Nekik kell alkalmazkodniuk a gyakorlati helyzethez, \u00e9s nem ford\u00edtva:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>az \u00e1tlag, a medi\u00e1n vagy egy s\u00falyozott mozg\u00f3\u00e1tlag (EWMA) alapj\u00e1n t\u00f6rt\u00e9n\u0151 nyomon k\u00f6vet\u00e9s, v\u00e1laszt\u00e1s szerint vagy ezek kombin\u00e1ci\u00f3j\u00e1val; ;<\/li>\n\n\n\n<li>k\u00f6zpontos\u00edt\u00e1s lehets\u00e9ges a c\u00e9lpont vagy az adatok \u00e1tlaga alapj\u00e1n; ;<\/li>\n\n\n\n<li>v\u00e1ltoz\u00f3 mintam\u00e9retek kezel\u00e9se: ha az ism\u00e9tl\u00e9sek sz\u00e1ma a mintav\u00e9telek f\u00fcggv\u00e9ny\u00e9ben 3 darabr\u00f3l 2-re, majd 1-re cs\u00f6kken, a k\u00e1rty\u00e1nak automatikusan ki kell igaz\u00edtania a hat\u00e1r\u00e9rt\u00e9keit, k\u00e9zi \u00fajrasz\u00e1m\u00edt\u00e1s n\u00e9lk\u00fcl.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">\u00c9ppen ez a rugalmass\u00e1g jelenti a k\u00fcl\u00f6nbs\u00e9get egy olyan ellen\u0151rz\u0151 t\u00e1bl\u00e1zat \u00e9s egy elm\u00e9leti t\u00e1bl\u00e1zat k\u00f6z\u00f6tt, amely az \u00d6n gy\u00e1rt\u00e1si folyamat\u00e1t val\u00f3ban t\u00fckr\u00f6zi, illetve amely m\u00e1r nem felel meg a gy\u00e1r val\u00f3s k\u00f6r\u00fclm\u00e9nyeinek.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">A k\u00e9pess\u00e9gi mutat\u00f3k kisz\u00e1m\u00edt\u00e1sa el\u0151tt ellen\u0151rizze a norm\u00e1lis eloszl\u00e1st<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A k\u00e9pess\u00e9gi mutat\u00f3k (Cp, Cpk, Pp, Ppk) \u00e9s a nem megfelel\u0151 term\u00e9kek ar\u00e1ny\u00e1nak legt\u00f6bb sz\u00e1m\u00edt\u00e1sa egy eloszl\u00e1si felt\u00e9telez\u00e9sen alapul, leggyakrabban a norm\u00e1lis eloszl\u00e1son. A sz\u00e1m\u00edt\u00e1sok elv\u00e9gz\u00e9se el\u0151tt ez\u00e9rt ellen\u0151rizni kell, hogy ez a felt\u00e9telez\u00e9s helyt\u00e1ll-e \u2013 ellenkez\u0151 esetben a kapott mutat\u00f3knak nincs \u00e9rt\u00e9ke.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">H\u00e1rom norm\u00e1lis eloszl\u00e1s-teszt fedezi a gy\u00e1rt\u00e1s sor\u00e1n el\u0151fordul\u00f3 helyzetek szinte teljes k\u00f6r\u00e9t:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>a Khi\u00b2-pr\u00f3ba<\/strong>, amely akkor alkalmazhat\u00f3, ha az adatok r\u00e9tegezve vannak, \u00e9s az egy\u00e9ni \u00e9rt\u00e9kek nem \u00e1llnak rendelkez\u00e9sre <\/li>\n\n\n\n<li><strong>a Shapiro\u2013Wilk-pr\u00f3ba<\/strong>, amely kis mint\u00e1k eset\u00e9n \u2013 ak\u00e1r harminc darabig \u2013 relev\u00e1ns <\/li>\n\n\n\n<li><strong>az Anderson\u2013Darling-teszt<\/strong>, amely e mintanagys\u00e1g felett megb\u00edzhat\u00f3bb<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Egy j\u00f3 elemz\u0151 eszk\u00f6z nem csup\u00e1n kisz\u00e1m\u00edtja mindh\u00e1rmat: azonos\u00edtja \u00e9s kiemeli azt, amely az adatok m\u00e9ret\u00e9t\u0151l \u00e9s szerkezet\u00e9t\u0151l f\u00fcgg\u0151en val\u00f3ban relev\u00e1ns, hogy elker\u00fclje a t\u00e9ves \u00e9rtelmez\u00e9st. \u00c9s ha a norm\u00e1lis eloszl\u00e1s hipot\u00e9zise elvet\u00e9sre ker\u00fcl, nem szabad itt meg\u00e1llni: bizonyos jellemz\u0151k, k\u00fcl\u00f6n\u00f6sen azok, amelyek null\u00e1hoz k\u00f6t\u0151dnek (s\u00edkoss\u00e1g, k\u00f6rk\u00f6r\u00f6ss\u00e9g, ov\u00e1lis alak), term\u00e9szetesen egy m\u00e1sik eloszl\u00e1st k\u00f6vetnek, p\u00e9ld\u00e1ul a Rayleigh-eloszl\u00e1st, amely sokkal jobban modellezi a val\u00f3s viselked\u00e9s\u00fcket.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">A MAD: egy megb\u00edzhat\u00f3 mutat\u00f3, amelyet kev\u00e9s min\u0151s\u00e9gbiztos\u00edt\u00e1si eszk\u00f6z k\u00edn\u00e1l<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A sz\u00f3r\u00e1s nagyon \u00e9rz\u00e9keny a kiugr\u00f3 \u00e9rt\u00e9kekre: egyetlen rosszul m\u00e9rt vagy val\u00f3ban hib\u00e1s darab is mesters\u00e9gesen megn\u00f6velheti azt, ak\u00e1r jelent\u0151s m\u00e9rt\u00e9kben is megsokszorozva azt egy egy\u00e9bk\u00e9nt t\u00f6k\u00e9letesen stabil mint\u00e1n. A&nbsp;<strong>MAD<\/strong>&nbsp;(median absolute deviation, vagyis a medi\u00e1nhoz viszony\u00edtott elt\u00e9r\u00e9sek medi\u00e1nja) nem szenved ett\u0151l a hib\u00e1t\u00f3l: egy kiugr\u00f3 \u00e9rt\u00e9k jelenl\u00e9te eset\u00e9n is gyakorlatilag v\u00e1ltozatlan marad, \u00e9ppen az\u00e9rt, mert medi\u00e1nokon alapul, nem pedig \u00e1tlagokon.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A gyakorlatban a MAD a sz\u00f3r\u00e1s nem param\u00e9teres megfelel\u0151je. K\u00fcl\u00f6n\u00f6sen hasznosnak bizonyul a t\u00e9telek, g\u00e9pek vagy besz\u00e1ll\u00edt\u00f3k k\u00f6z\u00f6tti variabilit\u00e1s \u00f6sszehasonl\u00edt\u00e1s\u00e1ra szolg\u00e1l\u00f3 tesztekn\u00e9l, amikor az adatok tartalmaznak \u2013 vagy tartalmazhatnak \u2013 kiugr\u00f3 \u00e9rt\u00e9keket, amelyek torz\u00edtan\u00e1k a hagyom\u00e1nyos sz\u00f3r\u00e1son alapul\u00f3 \u00f6sszehasonl\u00edt\u00e1st.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Attrib\u00fatumk\u00e1rty\u00e1k: a min\u0151s\u00e9g ir\u00e1ny\u00edt\u00e1sa, amikor a hib\u00e1kat sz\u00e1moljuk, nem pedig a m\u00e9r\u00e9si eredm\u00e9nyeket<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Nem minden min\u0151s\u00e9gi adat folyamatos m\u00e9r\u00e9s eredm\u00e9nye. Sz\u00e1m, hibaar\u00e1ny, t\u00e9telenk\u00e9nti nem megfelel\u0151s\u00e9gek: ezeket az attrib\u00fatumadatokat egy erre a c\u00e9lra kialak\u00edtott k\u00e1rtyacsal\u00e1d (P, NP, C, U) seg\u00edts\u00e9g\u00e9vel lehet kezelni, \u00e9s a megfelel\u0151 k\u00e1rtya kiv\u00e1laszt\u00e1sa k\u00f6zvetlen hat\u00e1ssal van a nyomon k\u00f6vet\u00e9s megb\u00edzhat\u00f3s\u00e1g\u00e1ra.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A P-k\u00e1rtya p\u00e9ld\u00e1ul abb\u00f3l a felt\u00e9telez\u00e9sb\u0151l indul ki, hogy a variabilit\u00e1s egyetlen forr\u00e1sa a mintav\u00e9tel. Azonban amint a t\u00e9telek m\u00e9rete id\u0151szakr\u00f3l id\u0151szakra v\u00e1ltozik, ez a felt\u00e9telez\u00e9s m\u00e1r nem \u00e1llja meg a hely\u00e9t, \u00e9s a P-diagram olyan, a kontrollt\u00f3l elt\u00e9r\u0151 riaszt\u00e1sokat v\u00e1lt ki, amelyek nem t\u00fckr\u00f6zik a folyamat val\u00f3s helyzet\u00e9t. Az U-diagram, amely a hib\u00e1k sz\u00e1m\u00e1t egy lehet\u0151s\u00e9gi egys\u00e9ghez viszony\u00edtja, \u00edgy sokkal alkalmasabbnak bizonyul a legt\u00f6bb val\u00f3s ipari k\u00f6rnyezetben \u2013 s\u0151t, ez a leggyakrabban haszn\u00e1lt diagram a gyakorlatban, amint a t\u00e9telek m\u00e9rete nem szigor\u00faan \u00e1lland\u00f3.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">A diszkr\u00e9t eloszl\u00e1s t\u00f6rv\u00e9nyeinek alkalmaz\u00e1sa a v\u00e1logat\u00e1si vagy \u00e1tv\u00e9teli d\u00f6nt\u00e9s megalapoz\u00e1s\u00e1hoz<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">K\u00e9t k\u00e9rd\u00e9s mer\u00fcl fel nagyon gyakran a gyakorlatban, \u00e9s a diszkr\u00e9t eloszl\u00e1s t\u00f6rv\u00e9nyei k\u00f6zvetlen\u00fcl v\u00e1laszt adnak r\u00e1juk, an\u00e9lk\u00fcl, hogy statisztikai t\u00e1bl\u00e1zatokban kellene ut\u00e1nan\u00e9zni.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Els\u0151 eset: el kell d\u00f6nteni, hogy sz\u00fcks\u00e9ges-e a k\u00e9szletet v\u00e1logatni.<\/strong>&nbsp;10 000 darab van rakt\u00e1ron; elind\u00edt egy ellen\u0151rz\u00e9st, \u00e9s 60 darabot vesz ki, amelyek k\u00f6z\u00fcl 2 nem felel meg az el\u0151\u00edr\u00e1soknak. Az eg\u00e9szet \u00e1t kell v\u00e1logatni? A&nbsp;<strong>hipergeometrikus t\u00f6rv\u00e9ny<\/strong>&nbsp;(amelyet akkor alkalmazunk, ha egy k\u00e9sz t\u00e9telben l\u00e9v\u0151 darabsz\u00e1mot vessz\u00fck figyelembe) lehet\u0151v\u00e9 teszi, hogy bizalmi intervallummal adjon v\u00e1laszt: ebben a p\u00e9ld\u00e1ban 95%-os konfidenciaszint mellett becs\u00fclhet\u0151, hogy a 10 000 darabos k\u00e9szletben legfeljebb k\u00f6r\u00fclbel\u00fcl 1 010 nem megfelel\u0151 darab tal\u00e1lhat\u00f3. Ez a d\u00f6nt\u00e9shozatalhoz sokkal jobban felhaszn\u00e1lhat\u00f3 adat, mint egy egyszer\u0171 ar\u00e1nysz\u00e1m\u00edt\u00e1s a megfigyelt ar\u00e1ny alapj\u00e1n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>M\u00e1sodik eset: a besz\u00e1ll\u00edt\u00f3i sz\u00e1ll\u00edtm\u00e1ny \u00e1tv\u00e9tel\u00e9vel j\u00e1r\u00f3 kock\u00e1zat \u00e9rt\u00e9kel\u00e9se.<\/strong>&nbsp;Egy besz\u00e1ll\u00edt\u00f3 3 %-es hibaar\u00e1nyt jelent be. \u00d6n 50 darabot vesz ki ellen\u0151rz\u00e9s c\u00e9lj\u00e1b\u00f3l. A&nbsp;<strong>binomi\u00e1lis t\u00f6rv\u00e9ny<\/strong>&nbsp;Ebb\u0151l kisz\u00e1m\u00edthat\u00f3, hogy annak a val\u00f3sz\u00edn\u0171s\u00e9ge, hogy ebben a mint\u00e1ban egyetlen hib\u00e1s darabot sem tal\u00e1lunk \u2013 m\u00e9g akkor is, ha a 3 %-es t\u00e9nyleges ar\u00e1ny pontos \u2013, megk\u00f6zel\u00edt\u0151leg 21 %. M\u00e1s szavakkal: az, hogy az ellen\u0151rz\u00e9s sor\u00e1n semmit sem tal\u00e1lunk, egy\u00e1ltal\u00e1n nem garant\u00e1lja, hogy a t\u00e9tel megfelel a k\u00f6vetelm\u00e9nyeknek. Pontosan ez a fajta sz\u00e1m\u00edt\u00e1s teszi lehet\u0151v\u00e9 a mintav\u00e9teli terv megfelel\u0151 m\u00e9retez\u00e9s\u00e9t, ahelyett, hogy azt v\u00e9letlenszer\u0171en hat\u00e1rozn\u00e1nk meg.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Egy id\u0151szodikus jelens\u00e9g el\u0151rejelz\u00e9se a Fourier-bont\u00e1s seg\u00edts\u00e9g\u00e9vel<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Bizonyos min\u0151s\u00e9gi probl\u00e9m\u00e1knak van egy periodikus jellege, amelyet egy egyszer\u0171 grafikon nem tud megmagyar\u00e1zni, m\u00e9g akkor sem, ha az egy\u00e9rtelm\u0171en l\u00e1that\u00f3. Ez a helyzet p\u00e9ld\u00e1ul egy \u00f3ram\u0171 eset\u00e9ben, amelynek amplit\u00fad\u00f3j\u00e1t hat m\u00e1sodpercenk\u00e9nt m\u00e9rj\u00fck: a grafikon szab\u00e1lyos ingadoz\u00e1sokat mutat, an\u00e9lk\u00fcl, hogy az ok nyilv\u00e1nval\u00f3 lenne.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La&nbsp;<strong>Fourier-bont\u00e1s<\/strong>&nbsp;lehet\u0151v\u00e9 teszi a jel rekonstru\u00e1l\u00e1s\u00e1t a domin\u00e1ns frekvenci\u00e1i alapj\u00e1n, \u00e9s annak azonos\u00edt\u00e1s\u00e1t, hogy melyik j\u00e1rul hozz\u00e1 legink\u00e1bb a megfigyelt elt\u00e9r\u00e9sekhez. Ebben a p\u00e9ld\u00e1ban az elemz\u00e9s egy k\u00f6r\u00fclbel\u00fcl m\u00e1sf\u00e9l perces forg\u00e1snak megfelel\u0151 periodicit\u00e1st t\u00e1r fel \u2013 ami k\u00f6zvetlen\u00fcl a felel\u0151s mechanikus alkatr\u00e9szre utal, egy olyan ker\u00e9kre, amely ezen a frekvenci\u00e1n forog, \u00e9s gener\u00e1lja a m\u00e9rt zavarokat. Ez egy \u00e9rt\u00e9kes eszk\u00f6z, amint ciklikus mechanikai okot gyan\u00edtunk egy l\u00e1tsz\u00f3lag v\u00e9letlenszer\u0171 elt\u00e9r\u00e9s m\u00f6g\u00f6tt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">A kontrollhat\u00e1rok pontos meghat\u00e1roz\u00e1sa: a hagyom\u00e1nyos \u00e9s a kiterjesztett hat\u00e1rok k\u00f6z\u00f6tt<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Ez egy olyan szempont, amelyet gyakran nem kezelnek megfelel\u0151en, pedig k\u00f6zvetlen\u00fcl befoly\u00e1solja az ellen\u0151rz\u0151 diagram hat\u00e9konys\u00e1g\u00e1t. A klasszikus ellen\u0151rz\u00e9si hat\u00e1rokat, amelyeket az \u00e1tlagok eloszl\u00e1s\u00e1n alapul\u00f3, k\u00f6r\u00fclbel\u00fcl 3 sz\u00f3r\u00e1s alapj\u00e1n sz\u00e1m\u00edtanak ki, soha nem szabad szigor\u00edtani: ez ugyanis azzal j\u00e1r, hogy kock\u00e1ztatjuk egy egy\u00e9bk\u00e9nt megfelel\u0151en m\u0171k\u00f6d\u0151 folyamat zavar\u00e1t, puszt\u00e1n a norm\u00e1lis statisztikai zajra reag\u00e1lva.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ezzel szemben elfogadhat\u00f3, hogy a folyamatnak n\u00e9mi elt\u00e9r\u00e9st hagyunk, ha meghat\u00e1rozzunk egy minim\u00e1lis teljes\u00edtm\u00e9nyc\u00e9l\u00e9rt\u00e9ket (p\u00e9ld\u00e1ul egy hat\u00e1r\u00e9rt\u00e9k\u0171 Cpk-\u00e9rt\u00e9ket) \u00e9s egy elfogadhat\u00f3 b\u00e9ta-kock\u00e1zatot \u2014 azaz azon esetek sz\u00e1zal\u00e9kos ar\u00e1ny\u00e1t, amikor toler\u00e1ljuk, hogy az adott c\u00e9l\u00e9rt\u00e9k t\u00fall\u00e9p\u00e9s\u00e9t ne \u00e9szlelj\u00fck azonnal. Ez lehet\u0151v\u00e9 teszi a&nbsp;<strong>kib\u0151v\u00edtett hat\u00e1rok<\/strong>, amelyek t\u00e1gabbak a hagyom\u00e1nyos hat\u00e1rokn\u00e1l.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A bev\u00e1lt gyakorlat szerint az ellen\u0151rz\u00e9si hat\u00e1rokat e k\u00e9t \u00e9rt\u00e9k k\u00f6z\u00f6tt kell meghat\u00e1rozni: soha nem sz\u0171kebbek, mint a klasszikus hat\u00e1rok, \u00e9s soha nem t\u00e1gabbak, mint a kiterjesztett hat\u00e1rok. Ez a fajta sz\u00e1m\u00edt\u00e1s teszi lehet\u0151v\u00e9 annak meghat\u00e1roz\u00e1s\u00e1t is, hogy mekkora mintanagys\u00e1gra van t\u00e9nylegesen sz\u00fcks\u00e9g egy adott k\u00e9pess\u00e9gi c\u00e9l el\u00e9r\u00e9se \u00e9rdek\u00e9ben \u2014 \u00e9s nem ritka, hogy kider\u00fcl: egyetlen darabos minta is elegend\u0151, ha a folyamat r\u00f6vid t\u00e1v\u00fa sz\u00f3r\u00e1sa el\u00e9g alacsony, ami elker\u00fcli a felesleges mintav\u00e9teleket.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Tov\u00e1bbi inform\u00e1ci\u00f3k: sz\u00f3r\u00e1s- \u00e9s el\u0151rejelz\u00e9si intervallumok<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">\u00cdme egy gyakori hiba: egy el\u0151gy\u00e1rt\u00e1si minta (p\u00e9ld\u00e1ul 15 darab) alapj\u00e1n kisz\u00e1m\u00edtjuk az \u00e1tlagot \u00e9s a sz\u00f3r\u00e1st, majd a t\u00e9nyleges t\u00e9tel sz\u00f3r\u00e1s\u00e1t \u00fagy becs\u00fclj\u00fck meg, hogy ezeket az \u00e9rt\u00e9keket egyszer\u0171en egy norm\u00e1lis eloszl\u00e1sra alkalmazzuk, mintha a minta \u00e1tlaga \u00e9s sz\u00f3r\u00e1sa pontosan megegyezne a teljes popul\u00e1ci\u00f3\u00e9val.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ez a felt\u00e9telez\u00e9s t\u00fal er\u0151s: a 15 darab alapj\u00e1n kisz\u00e1m\u00edtott \u00e1tlag \u00e9s sz\u00f3r\u00e1s is v\u00e1ltozhat a k\u00fcl\u00f6nb\u00f6z\u0151 mint\u00e1k k\u00f6z\u00f6tt. Az ISO 16269 szabv\u00e1nyban meghat\u00e1rozott m\u00f3dszer ezt figyelembe veszi, \u00e9s az\u2019<strong>sz\u00f3r\u00e1sintervallum<\/strong>&nbsp;Az \u00edgy kapott \u00e9rt\u00e9k rendszerint nagyobb, mint az a t\u00f6bb\u00e9-kev\u00e9sb\u00e9 X sz\u00f3r\u00e1son alapul\u00f3, egyszer\u0171 sz\u00e1m\u00edt\u00e1sb\u00f3l sz\u00e1rmaz\u00f3 \u00e9rt\u00e9k. Ha ezt a finom k\u00fcl\u00f6nbs\u00e9get figyelmen k\u00edv\u00fcl hagyjuk, akkor alulbecs\u00fclj\u00fck a gy\u00e1rt\u00e1s sor\u00e1n v\u00e1rhat\u00f3 t\u00e9nyleges sz\u00f3r\u00e1st, ami azzal a kock\u00e1zattal j\u00e1r, hogy a probl\u00e9m\u00e1t csak a sorozat gy\u00e1rt\u00e1s\u00e1nak megkezd\u00e9se ut\u00e1n fedezz\u00fck fel, nem pedig m\u00e1r azel\u0151tt.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">K\u00e9t egym\u00e1shoz k\u00f6zel \u00e1ll\u00f3 fogalmat kell megk\u00fcl\u00f6nb\u00f6ztetni: a sz\u00f3r\u00e1sintervallum azt a tartom\u00e1nyt jel\u00f6li, amely egy adott ar\u00e1ny\u00fa egyedet tartalmaz, m\u00edg az\u2019<strong>el\u0151rejelz\u00e9si intervallum<\/strong>&nbsp;meghat\u00e1rozza a v\u00e1rhat\u00f3 eloszl\u00e1s m\u00e9rt\u00e9k\u00e9t egy meghat\u00e1rozott m\u00e9ret\u0171 j\u00f6v\u0151beli popul\u00e1ci\u00f3ra vonatkoz\u00f3an (p\u00e9ld\u00e1ul egy j\u00f6v\u0151beli 500 darabos t\u00e9telre). L\u00e9tezik egy nem param\u00e9teres sz\u00e1m\u00edt\u00e1s is azokra az esetekre, amikor a norm\u00e1lis eloszl\u00e1sra vonatkoz\u00f3 felt\u00e9telez\u00e9s nem teljes\u00fcl.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Mi\u00e9rt \u00e9rdemes ezeket az elemz\u00e9seket egy min\u0151s\u00e9gbiztos\u00edt\u00e1si eszk\u00f6zben \u00f6sszpontos\u00edtani, ahelyett, hogy Excel-t\u00e1bl\u00e1zatokban t\u00e1roln\u00e1nk \u0151ket?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Ezek az elemz\u00e9sek mindegyike k\u00fcl\u00f6n-k\u00fcl\u00f6n el\u00e9rhet\u0151; sok min\u0151s\u00e9g\u00fcgyi vezet\u0151 m\u00e1ris alkalmazza \u0151ket, gyakran k\u00e9zzel \u00e1talak\u00edtott Excel-k\u00e9pletekkel vagy pap\u00edralap\u00fa statisztikai t\u00e1bl\u00e1zatokkal. A neh\u00e9zs\u00e9get nem maga a m\u00f3dszer jelenti, hanem annak gyors, megb\u00edzhat\u00f3 \u00e9s a mindennapi gyakorlatban reproduk\u00e1lhat\u00f3 rendelkez\u00e9sre \u00e1ll\u00e1sa a folyamatosan v\u00e1ltoz\u00f3 adatok alapj\u00e1n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ez a modul feladata\u00a0<strong><a href=\"https:\/\/ellistat.com\/hu\/adatelemzesi-megoldasok\/\" data-type=\"page\" data-id=\"905\">Adatelemz\u00e9s<\/a><\/strong>\u00a0az Ellistat szoftvercsomagb\u00f3l: ez \u00f6sszes\u00edti az \u00f6sszes le\u00edr\u00f3 statisztik\u00e1t: grafikus elemz\u00e9s, ellen\u0151rz\u0151 diagramok, norm\u00e1lis eloszl\u00e1s-tesztek, MAD, attrib\u00fatumt\u00e1bl\u00e1zatok, eloszl\u00e1si t\u00f6rv\u00e9nyek, Fourier-bont\u00e1s, az ISO 2859 \u00e9s ISO 3951 szabv\u00e1nyoknak megfelel\u0151 mintav\u00e9teli terv-kalkul\u00e1torok, ellen\u0151rz\u00e9si hat\u00e1rok \u00e9s sz\u00f3r\u00e1sintervallumok\u2026 mindezt egyetlen, egyszer\u0171en hozz\u00e1f\u00e9rhet\u0151 fel\u00fcleten, amely soha nem haladja meg a k\u00e9t men\u00fcszintet. A c\u00e9l nem a statisztikai komplexit\u00e1s n\u00f6vel\u00e9se, hanem \u00e9ppen ellenkez\u0151leg, annak cs\u00f6kkent\u00e9se, \u00fagy, hogy ezeket a m\u00f3dszereket a min\u0151s\u00e9gbiztos\u00edt\u00e1si \u00e9s gy\u00e1rt\u00e1si csapatok statisztikai el\u0151ismeretek n\u00e9lk\u00fcl is k\u00f6zvetlen\u00fcl alkalmazhass\u00e1k.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">K\u00f6vetkeztet\u00e9s<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A le\u00edr\u00f3 statisztika nem csup\u00e1n a min\u0151s\u00e9g\u00fcgyi szak\u00e9rt\u0151k sz\u00e1m\u00e1ra fenntartott elm\u00e9leti gyakorlat: olyan nagyon konkr\u00e9t k\u00e9rd\u00e9sekre ad v\u00e1laszt, amelyekkel a termel\u00e9si \u00e9s min\u0151s\u00e9g\u00fcgyi vezet\u0151k nap mint nap szembes\u00fclnek: val\u00f3ban rendk\u00edv\u00fcli-e ez az \u00e9rt\u00e9k, stabil-e ez a folyamat, megb\u00edzhat\u00f3-e ez a besz\u00e1ll\u00edt\u00f3i t\u00e9tel, sz\u00fcks\u00e9ges-e a k\u00e9szlet \u00e1tv\u00e1logat\u00e1sa? Helyesen alkalmazva az ipari le\u00edr\u00f3 statisztik\u00e1k a nyers adatokat gyors \u00e9s megalapozott d\u00f6nt\u00e9sekk\u00e9 alak\u00edtj\u00e1k, nem pedig ellen\u0151rizhetetlen meg\u00e9rz\u00e9kk\u00e9. A neh\u00e9zs\u00e9g soha nem maga a statisztikai elm\u00e9let, hanem annak egyszer\u0171 \u00e9s megb\u00edzhat\u00f3 alkalmaz\u00e1sa, nap mint nap, a gy\u00e1r val\u00f3s adatai alapj\u00e1n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">A 2026. j\u00falius 9-i webin\u00e1rium felv\u00e9tele<\/h2>\n\n\n\n<figure class=\"wp-block-video\"><video height=\"1080\" style=\"aspect-ratio: 1920 \/ 1080;\" width=\"1920\" controls src=\"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Statistiques-Descriptives-09-Juillet-2026.mp4\"><\/video><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>","protected":false},"excerpt":{"rendered":"<p>Un histogramme qui penche d&rsquo;un c\u00f4t\u00e9, une carte de contr\u00f4le qui sort de ses limites, un fournisseur qui annonce un taux de d\u00e9faut que vous n&rsquo;arrivez pas \u00e0 v\u00e9rifier : ce sont des situations que tout responsable qualit\u00e9 ou responsable production croise r\u00e9guli\u00e8rement. Les\u00a0statistiques descriptives\u00a0sont l&rsquo;outil qui permet de transformer ces observations en d\u00e9cisions argument\u00e9es [&hellip;]<\/p>\n","protected":false},"author":4,"featured_media":4445,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-4443","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-analysis"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.1 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Statistiques descriptives industrielles : guide complet - Ellistat<\/title>\n<meta name=\"description\" content=\"Cartes de contr\u00f4le, tests de normalit\u00e9, capabilit\u00e9, valeurs aberrantes : comment les statistiques descriptives s\u00e9curisent vos d\u00e9cisions ?\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/hu\/ipari-leiro-statisztika-atfogo-utmutato\/\" \/>\n<meta property=\"og:locale\" content=\"hu_HU\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Statistiques descriptives industrielles : guide complet - Ellistat\" \/>\n<meta property=\"og:description\" content=\"Cartes de contr\u00f4le, tests de normalit\u00e9, capabilit\u00e9, valeurs aberrantes : comment les statistiques descriptives s\u00e9curisent vos d\u00e9cisions ?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/hu\/ipari-leiro-statisztika-atfogo-utmutato\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"article:published_time\" content=\"2026-07-09T13:35:32+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-07-09T13:35:40+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Camille Forest\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Szerz\u0151:\" \/>\n\t<meta name=\"twitter:data1\" content=\"Camille Forest\" \/>\n\t<meta name=\"twitter:label2\" content=\"Becs\u00fclt olvas\u00e1si id\u0151\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 perc\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/\"},\"author\":{\"name\":\"Camille Forest\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/b757d2fa4e8a73814cb00474e7653681\"},\"headline\":\"Statistiques descriptives industrielles : guide complet\",\"datePublished\":\"2026-07-09T13:35:32+00:00\",\"dateModified\":\"2026-07-09T13:35:40+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/\"},\"wordCount\":2629,\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Webinaire-Maurice-Data-Analysis-2.png\",\"articleSection\":[\"Data Analysis\"],\"inLanguage\":\"hu\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/\",\"name\":\"Statistiques descriptives industrielles : guide complet - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Webinaire-Maurice-Data-Analysis-2.png\",\"datePublished\":\"2026-07-09T13:35:32+00:00\",\"dateModified\":\"2026-07-09T13:35:40+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/b757d2fa4e8a73814cb00474e7653681\"},\"description\":\"Cartes de contr\u00f4le, tests de normalit\u00e9, capabilit\u00e9, valeurs aberrantes : comment les statistiques descriptives s\u00e9curisent vos d\u00e9cisions ?\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#breadcrumb\"},\"inLanguage\":\"hu\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"hu\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Webinaire-Maurice-Data-Analysis-2.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Webinaire-Maurice-Data-Analysis-2.png\",\"width\":1280,\"height\":720},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/statistiques-descriptives-industrielles-guide-complet\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data Analysis\",\"item\":\"https:\\\/\\\/ellistat.com\\\/category\\\/data-analysis\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Statistiques descriptives industrielles : guide complet\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l&#039;industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"hu\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/b757d2fa4e8a73814cb00474e7653681\",\"name\":\"Camille Forest\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"hu\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215\",\"caption\":\"Camille Forest\"},\"url\":\"https:\\\/\\\/ellistat.com\\\/hu\\\/author\\\/camille-forest\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Ipari le\u00edr\u00f3 statisztika: \u00e1tfog\u00f3 \u00fatmutat\u00f3 \u2013 Ellistat","description":"Ellen\u0151rz\u0151 diagramok, norm\u00e1ls\u00e1g-tesztek, k\u00e9pess\u00e9gi mutat\u00f3k, kiugr\u00f3 \u00e9rt\u00e9kek: hogyan seg\u00edtik a le\u00edr\u00f3 statisztik\u00e1k a d\u00f6nt\u00e9seinek megalapozotts\u00e1g\u00e1t?","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/hu\/ipari-leiro-statisztika-atfogo-utmutato\/","og_locale":"hu_HU","og_type":"article","og_title":"Statistiques descriptives industrielles : guide complet - Ellistat","og_description":"Cartes de contr\u00f4le, tests de normalit\u00e9, capabilit\u00e9, valeurs aberrantes : comment les statistiques descriptives s\u00e9curisent vos d\u00e9cisions ?","og_url":"https:\/\/ellistat.com\/hu\/ipari-leiro-statisztika-atfogo-utmutato\/","og_site_name":"Ellistat","article_published_time":"2026-07-09T13:35:32+00:00","article_modified_time":"2026-07-09T13:35:40+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png","type":"image\/png"}],"author":"Camille Forest","twitter_card":"summary_large_image","twitter_misc":{"Szerz\u0151:":"Camille Forest","Becs\u00fclt olvas\u00e1si id\u0151":"12 perc"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#article","isPartOf":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/"},"author":{"name":"Camille Forest","@id":"https:\/\/ellistat.com\/#\/schema\/person\/b757d2fa4e8a73814cb00474e7653681"},"headline":"Statistiques descriptives industrielles : guide complet","datePublished":"2026-07-09T13:35:32+00:00","dateModified":"2026-07-09T13:35:40+00:00","mainEntityOfPage":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/"},"wordCount":2629,"image":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png","articleSection":["Data Analysis"],"inLanguage":"hu"},{"@type":"WebPage","@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/","url":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/","name":"Ipari le\u00edr\u00f3 statisztika: \u00e1tfog\u00f3 \u00fatmutat\u00f3 \u2013 Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png","datePublished":"2026-07-09T13:35:32+00:00","dateModified":"2026-07-09T13:35:40+00:00","author":{"@id":"https:\/\/ellistat.com\/#\/schema\/person\/b757d2fa4e8a73814cb00474e7653681"},"description":"Ellen\u0151rz\u0151 diagramok, norm\u00e1ls\u00e1g-tesztek, k\u00e9pess\u00e9gi mutat\u00f3k, kiugr\u00f3 \u00e9rt\u00e9kek: hogyan seg\u00edtik a le\u00edr\u00f3 statisztik\u00e1k a d\u00f6nt\u00e9seinek megalapozotts\u00e1g\u00e1t?","breadcrumb":{"@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#breadcrumb"},"inLanguage":"hu","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/"]}]},{"@type":"ImageObject","inLanguage":"hu","@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Webinaire-Maurice-Data-Analysis-2.png","width":1280,"height":720},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/statistiques-descriptives-industrielles-guide-complet\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Data Analysis","item":"https:\/\/ellistat.com\/category\/data-analysis\/"},{"@type":"ListItem","position":3,"name":"Statistiques descriptives industrielles : guide complet"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"A min\u0151s\u00e9gbiztos\u00edt\u00e1si csomag a g\u00e9pipar sz\u00e1m\u00e1ra","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"hu"},{"@type":"Person","@id":"https:\/\/ellistat.com\/#\/schema\/person\/b757d2fa4e8a73814cb00474e7653681","name":"Camille Forest","image":{"@type":"ImageObject","inLanguage":"hu","@id":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215","url":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215","contentUrl":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/54873af0f2f4be7f109d4c67b3706390.jpg?ver=1785353215","caption":"Camille Forest"},"url":"https:\/\/ellistat.com\/hu\/author\/camille-forest\/"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/posts\/4443","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/comments?post=4443"}],"version-history":[{"count":1,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/posts\/4443\/revisions"}],"predecessor-version":[{"id":4446,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/posts\/4443\/revisions\/4446"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/media\/4445"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/media?parent=4443"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/categories?post=4443"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ellistat.com\/hu\/wp-json\/wp\/v2\/tags?post=4443"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}