Alle blogs

Anderson Darling test

By 7 september 2021Geen Reacties

Anderson Darling test

In Six Sigma werk je met voorspellende statistiek en heb je te maken met de Anderson Darling test. Als je met met data aan de gang bent, kun je wat zeggen over wat er gebeurd is. En wat je normaal gesproken kunt verwachten. Als je namelijk normaal verdeelde data hebt, kun je uitspraken doen over het procesgedrag. Uiteraard is dat nooit 100%, maar als je luistert naar het weerbericht is dat ook nooit 100 procent.

Deze normality test is in 1952 bedacht door 2 statistici die hun naam eraan hebben gegeven. Vaak vind je de afkortingen  AD-test of simpelweg AD test. De AD waarde is een getal welke aangeeft in hoeverre de data normaal verdeeld zijn. Als je te maken hebt met niet normaal verdeelde data, dan kun je transformatie technieken toepassen.

Verder lezen over waarom de Normaal verdeling zo van belang is kun je hier. 

Hoe werkt de test?

Als je een reeks datapunten hebt, dan ga je ervan uit dat deze een bepaalde verdeling volgen. In de ideale wereld zouden alle data perfect normaal verdeeld zijn. Dan heb je namelijk evenveel getallen kleiner dan het gemiddelde als getallen die groter zijn dan het gemiddelde. De perfecte verdeling zal je niet snel tegen komen. In werkelijkheid heeft elke verdeling een bepaalde vorm en kun je grafisch vaak al zien wat voor type verdeling je hebt. Nu je niet alleen wilt afgaan op wat je ziet, kun je met de AD waarde zien en de kanswaarde van de test in hoeverre een bepaalde verdeling wordt gevolgd.

Als je een perfecte normaal verdeling hebt, is de AD-waarde namelijk 0. Hoe meer de AD-waarde afwijkt, hoe minder normaal verdeeld. Voor de kanswaarde moet je kijken naar de hypothese. Als de p-waarde kleiner is dan 0,05 kun je niet meer volhouden dat de data normaal verdeeld zijn. Als de p-waarde groter is dan o,05 dan kun je ervan uit gaan dat de data normaal verdeeld zijn.

Lean Six Sigma Black Belt

Zowel als Lean Six Sigma Green Belt en Lean Six Sigma Black Belt moet je het verschil snappen tussen normaal en niet normaal verdeelde data. Het verder toepassen is vooral voor de LSSBB. Dan heb je namelijk te maken met transformatie technieken en de verdere analyse en praktische toepassing. Zowel de LSSGB als de LSSBB zijn als elearning te volgen.

Zelf aan de slag? 5ST3PS Template Anderson Darling