• Action Stat Pro

    R$1.490,00

    Veja abaixo um resumo das principais funcionalidades presentes no Action Stat Pro. Clique sobre cada tópico para visualizar a descrição detalhada.

    Estatística Básica

    • Resumo Descritivo – Possível realizar de duas formas, um único fator ou múltiplos fatores para comparação. Estatísticas que podem ser calculadas: Mínimo, máximo, 1° quartil, 3° quartil, média amostral, mediana, desvio padrão da média, desvio padrão amostral, soma, soma quadrática, variância amostral, amplitude, coeficiente de variação, curtose, assimetria, tamanho da amostra, e tri-média.
    • Distribuição de Frequência: Possível selecionar entre dados discretos ou contínuos.
      • Discreto: Calcula uma tabela com as informações sobre as frequências, frequência relativa, frequência percentual e frequência acumulada por fator.  Junto é apresentado um gráfico de barras com as frequências de cada fator.
      • Continuo: Utilizado para dados numéricos, calcula a frequência dos dados presentes em intervalos de valores (classes), podendo escolher a quantidade de intervalos desejados.  Nesse caso é calculado uma tabela com as frequências, frequência relativa, frequência percentual e frequência acumulada por intervalo. Junto é apresentado um Histograma dos dados.
    •  Matriz de Correlação: Efetua os cálculos de correlação entre as colunas selecionadas. O resultado é mostrado em forma de matrizes, uma com as correlações e   outra com os p-valores referentes ao teste selecionado (Spearman, Pearson ou Kendall). Um gráfico em formato de matriz é gerado mostrando a relação entre as variáveis selecionadas e os coeficientes de correlação.
    • Tabela Cruzada: As informações das duas variáveis, referentes às colunas e às linhas são cruzadas e tabelas com informações de frequência e proporções são calculadas. É possível realizar testes de independência (Qui-Quadrado, Medidas de Associação) ou teste de homogeneidade (Qui-Quadrado, Fisher, Mcnemar). Junto com as tabelas, gráficos de barras das proporções são gerados, com três pontos de vistas: Total, por linha e por coluna.
    • Teste de Normalidade: Realiza testes de para detectar normalidade em dados numéricos (Anderson-Darling, Kolmogorov-Smirnov, Shapiro-Wilk e Ryan-Joiner)
    • Box-Cox: Realiza o procedimento de Box-Cox para transformação de dados numéricos quaisquer em dados normalizados.
    • Testes para Variância: Teste Qui-Quadrado para avaliar uma variância e teste F para comparações de duas variâncias.
    • Testes para Média: Teste T para análise da média, podendo ser realizado para uma amostra única ou comparar médias com amostras independentes ou pareadas.
    • Testes para Proporção:  Teste Qui-Quadrado, Binomial exata ou usando o TCL (Teorema Central do Limite) para analisar proporção de uma amostra ou comparar a proporção de duas amostras.
    • Teste para Taxa: Teste para analisar se a taxa de um experimento esta satisfatória.
    • Gerar Números Aleatórios: Gera números aleatórios seguindo uma distribuição e paramentos desejados, distribuições continuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme)
    • Distribuições: Calcula a densidade, quantil e o percentil de diversas distribuições contínuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme).

    Anova

    • Anova Efeito Fixo: Permite analisar o comportamento dos diferentes níveis dos fatores aplicados a um processo ou serviço, é possível estimar os parâmetros do modelo e analisar os resíduos a fim de verificar se as suposições necessárias para a realização do teste são válidas. Como opcional pode ser gerado os gráficos de efeitos e interações dos fatores.
    • Anova Efeito Misto: É possível realizar a análise do comportamento dos diferentes níveis dos fatores de um processo ou serviço de forma aleatória. Também é podemos analisar o efeito misto, isto é, o efeito aleatório e o efeito fixo. Temos como opcional utilizar o método com modelo restrito, realizar análises dos resíduos, teste de falta de ajustes e gerar gráficos de efeitos e interações.
    • Gráficos: Três opções de gráficos para análise da variância (Efeitos, Interações e Intervalo de Confiança para a Média).
    • Testes para comparações múltiplas:
      • Teste de Tukey: permite fazer comparações 2 a 2 a fim de verificar a diferença entre os níveis dos fatores;
      • Teste  HSU: é usado para detectar o nível que apresenta a maior resposta ou o nível que apresenta a menor resposta;
      • Teste de Dunnett: permite comparar todos os níveis com um nível de referência.
      • Teste de Fisher: permite realizar todas as comparações em pares entre os níveis de um fator controlando a taxa de erro ao nível de significância α para cada comparação dois a dois. Opção de efetuar o teste de Fisher-Bonferroni em que a estratégia de Bonferroni é mais eficiente no controle da FWER em relação ao método de Fisher.
      • Teste de Scheffe: é usado quando estamos interessados em avaliar todos os contrastes possíveis do experimento. Quando há apenas um teste de contraste são analisadas as diferenças nos pares dos meios de tratamento.
    • Testes para Variância: Estes testes avaliam a igualdade de variância entre os níveis do fator, usando testes de Bartlet e Levene. Só podem ser usados quando há um único fator. Esta ferramenta também gera o gráfico dos intervalos de confiança para o desvio padrão.
    • Teste de Welch: O Teste Welch é usado parar avaliar a significância entre a diferença das médias observadas. Juntamente com o teste é possível gerar os gráficos de efeitos e de intervalo de confiança para média.

    Gráficos

    • Barras: Pode ser gerado gráficos simples ou múltiplos separados por grupos.  Opcional de gráficos juntos ou separados (quando múltiplos gráficos) e exibição da frequência absoluta ou percentual.
    • Boxplot: Permite a criação de gráficos que representam a distribuição de um conjunto de dados com base em alguns dos seus parâmetros descritivos: a mediana, o primeiro e o terceiro quartil.
    • Dotplot: Permite a criação de gráficos que representam cada uma das observações obtidas em uma escala horizontal, permitindo a vizualização de como os dados estão organizados e dispersos.
    • Efeitos: Permite analisar o comportamento dos efeitos principais de um fator aplicado ao processo e/ou produto.
    • Histograma: Permite criar uma representação gráfica (um gráfico de barras verticais) da distribuição de frequências de um conjunto de dados quantitativos contínuos. É possível gerar múltiplos gráficos adicionando fatores à análise.  O gráfico pode ser gerado por densidade, frequência absoluta ou frequência percentual. No caso de densidade, é permitido adicionar as curvas da densidade normal e densidade não paramétrica para comparação. Em todas os gráficos podemos escolher a quantidade de classes que queremos exibir e um resumo descritivo dos dados pode ser calculado.
    • IDplot: Permite gerar os gráficos QQplot, Histograma e Função de Densidade Acumulada para identificar diversas distribuições (Normal, Log-Normal, Normal Truncada, Normal Dobrada, Exponencial, Logistica, Gamma, Weibull, Cauchy, Gumbel, Rayleigh e Rice) com opcional de realizar os testes de Anderson-Darling, Cramér-von-Mises e Kolmogorov-Smirnov para identificar a distribuição dos dados.
    • Gráfico de Interações: Permite criar um gráfico de linhas para identificar visualmente se os fatores apresentam efeito conjunto ou se são independentes.
    • Intervalo de Confiança para Média: Permite gerar um gráfico com a temos a média de cada nível e os respectivos intervalos de confiança.
    • Diagrama de Ishikawa: Permite organizar e representar as diferentes teorias propostas sobre as causas de um problema.
    • Gráfico de Pareto: Permite criar gráficos de barras que ordena as frequências das ocorrências, da maior para a menor, permitindo a priorização de problemas. É possível agrupar os fatores com poucas frequências em uma única classe, com um percentual a ser escolhido.
    • Gráfico de Pizza: Permite criar um diagrama circular onde as áreas de cada setor são proporcionais às respectivas frequências. Opcional personalização do gráfico em 2D ou 3D e escolher entre frequência absoluta ou frequência percentual.
    • Gráfico de Linhas: Permite criar gráficos de pontos, linhas, linhas e pontos ou de degraus, usados para controlar alterações ao longo do tempo e para facilitar a identificação de tendências ou de anomalias. É possível gerar gráficos separados por grupos para facilitar as comparações entre as informações.
    • Gráfico 3D: Permite criar um cubo com os pontos em formato de pequenas esferas dentro do cubo. É possível rotacionar o cubo para escolher o melhor ponto de vista.
    • Diagrama de Dispersão: Permite gerar um gráfico de dispersão dos dados, com opcional de traçar a reta de regressão e a suavização Loess dos dados. Pode ser gerado gráficos separados por grupos e adicionar ruído às observações para diferenciar a representação gráfica de observações replicadas.
    • Grafico de Séries Temporais: Permite a realização de gráficos para variáveis que estão vinculadas ao tempo. Desta forma, podemos notar tendências, sazonalidades e, no caso em que existe mais de uma série no mesmo gráfico, compará-las. É possível gerar os gráficos de autocorrelação, autocorrelação parcial e autocovariância.

    Modelos

    • Modelo Linear Simples: permite verificar se a variável explicativa possui relação Linear, quadrática ou cubica com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo, e Quartis), o valor de R² Ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear: Permite verificar se a variável explicativa possui relação linear com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo e Quartis), o valor de R² ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear Misto: Permite criar um modelo que leva em consideração efeitos fixos e efeitos aleatórios, além do erro experimental e da constante . É gerado um relatório com a tabela anova do efeito fixo e efeito aleatório, gráficos para análise do ajuste e tabela diagnostico de pontos atípicos.
    • Modelo Linear Generalizado: Permite criar um modelo com relações não lineares não especificadas, a partir da família exponencial de distribuições (normal, binomial, poisson, gama, normal inversa, quase-binomial e quase-poisson) e da função de ligação (identidade, inversa e log).
    • Modelo Binomial: Permite ajustar um modelo de regressão linear generalizado binomial através da função de ligação (logito, probito ou log-log). A ferramenta tem opções para gerar a razão de chances, probabilidades ajustadas, a Predição dos dados (Curva ROC e medidas de desempenho), teste da razão de verossimilhança, gráficos, resíduos (Resíduo de Pearson, Resíduo Deviance e gráfico de resíduo) e adequabilidade dos dados (Teste de Pearson , Teste Deviance e Teste Hosmer e Lemeshow).
    • Modelo Multinomial: Permite calcular as estimativas dos parâmetros do modelo ajustado. A ferramenta utiliza a função de ligação logito e tem opção do Teste de Razão de Verossimilhança e análise de diagnóstico.
    • Seleção de Modelo Linear: permite escolher o melhor modelo linear para um conjunto de dados. Há a opção de seleção automática pelos critérios AIC ou Teste F e a opção de Todos os Modelos Possíveis através dos critérios AIC, BIC, PRESS, CP, QME, ou  Ajustado.
    • Seleção de Modelo Binomial: Permite escolher o melhor modelo binomial para um conjunto de dados. Há a opção de seleção automática pelo critério Qui-quadrado e a opção de Todos os Modelos Possíveis através dos critérios AIC ou BIC.

    Análise Multivariada

    • Análise de Agrupamentos: permite agrupar dados por dois tipos de métodos: Hierárquico ou K-médias. Para o método hierárquico há possibilidade de escolher os parâmetros distância (Euclidiana, Manhattan ou Gower) e o método (ward, single, complete, average, median ou centroid). Há opções de padronizar os dados, exibir os dados em dendrograma e exibir grupos. Para método o K-médias há apenas a possibilidade de definir o número de grupos e padronizar os dados.
    • Análise de Scott-Knott: Permite realizar o procedimento de Scott e Knott (1974) em que se trata de uma técnica que utiliza o teste da razão de verossimilhança para agrupar n​ tratamentos em k​ grupos.
    • Componentes Principais: permite reduzir a dimensão dos dados através de componentes que são combinações lineares das variáveis originais. É possível escolher alguns gráficos que auxiliem na análise, as opções são: Biplot, Variância por Componentes e Correlograma. Também é possível utilizar a matriz de correlação no cálculo das componentes através da opção Correlação.
    • Análise Discriminante: Permite aplicar a técnica de análise em que é utilizada para classificação de elementos de uma amostra ou população. É possível escolher entre os métodos: Linear, Quadrático, Mínimos Quadrados Parciais, Preditivo Geométrico, Descritivo e Discriminante de Fisher com opções de tipo de validação cruzada ou por dados de aprendizado.
    • Análise Fatorial: Permite aplicar a técnica de análise fatorial podendo ser escolhido todos os seus parâmetros: Escore Fatorial, Método Fatorial e opções de rotação, podendo ser sem rotação, rotação ortogonal ou rotação obliqua.
    • MANOVA: Permite comparar se há diferença entre os tratamentos para as variáveis respostas. É utilizada a estatística Wilks para testar a igualdade entre os tratamentos

    Não Paramétrico

    • Teste de Kruskal-Wallis: Permite realizar o teste de Kruskal-Wallis que se trata de um teste de hipóteses não-paramétricos usado para comparar três ou mais populações. É possível realizar teste de comparações múltiplas pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Friedman: O Teste de Friedman é uma ferramenta que permite testar se existem diferenças entre os fatores (grupos) ou se podemos supor que eles são estatisticamente iguais. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Rank: O Teste de Rank é  o método mais popular de comparação entre curvas de sobrevivência. Esse teste é importante quando desejamos comparar um processo novo com um antigo, comparar dois produtos diferentes com relação ao tempo de vida ou ainda determinar se duas curvas de sobrevivência apresentam diferenças significativas entre si. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel e o teste comparações múltiplas da FDR pelos métodos de Beijamini-Hochberg e  Beijamini-Yekutielly.
    • Teste de Wilcoxon – Amostra Única: Permite realizar o Teste de Wilcoxon para uma amostra única em que se trata de um método alternativo do teste – t de uma amostra que é utilizado para testar se a localização (mediana) de medições é igual a um valor especificado. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon para para amostras independentes em que se trata de um método alternativo do teste – t duas amostras independentes que é usado para testar se as posições (medianas) de mensurações da população são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon Pareado em que se trata de um método alternativo do teste – t pareado que é usado para testar se as diferenças entre as localizações das populações são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.

    Tamanho Amostral

    • Poder e Tamanho Amostral – Teste T: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário pra ter um determinado poder para o teste. O Teste T é utilizado quando não conhecemos o valor do desvio padrão populacional. É possível escolher entre uma amostra, duas amostras com tamanhos iguais ou diferentes e duas amostras pareadas.
    • Poder e Tamanho da Amostra – Teste Normal: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste.
    • Poder e Tamanho da Amostra – Uma Proporção: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste para Proporção. É possível escolher como tipo de amostra de uma proporção, duas proporções com tamanhos diferentes ou duas proporções com tamanhos iguais.
    • Poder e Tamanho da Amostra – ANOVA: Permite calcular o poder do teste ou o tamanho da amostra necessário para ter um determinado poder para o teste. Aqui o Teste Qui-quadrado de Pearson é utilizado para realizar os cálculos.
    • Poder e Tamanho da Amostra – Multinomial: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste Qui-Quadrado.
    • Intervalo de Confiança: Permite determinar o tamanho da amostra de uma população de modo a obter um erro amostral da média, previamente estipulado, com determinado grau de confiança.

    Séries Temporais

    • Análise Gráfica: Permite gerar uma análise gráfica onde é possível visualizar os gráficos da série temporal, da função de auto-correlação, da função de auto-correlação parcial e da covariância. Com o gráfico da série temporal é possível identificar de forma subjetiva se os dados apresentam algum comportamento especial, como por exemplo tendência ou sazonalidade. Já os gráficos da FAC e da FACP auxiliam na identificação de possíveis modelos para o ajuste dos dados.
    • Análise de Tendência:  Permite realizar testes não paramétricos(Teste de Wald-Wolfwitz, Cox-Stuart e Mann-Kendall) para verificar se a série apresentam tendência. Outra opção desta ferramenta, é ajustar modelos paramétricos para a tendência.
    • Modelo – Suavização Exponencial: Permite aplicar modelos de suavização exponencial para ajuste e realização de previsões. Estes métodos de previsão se baseia na ideia de que as observações passadas contêm informações relevantes sobre a padrão da série temporal. É possível escolher entre Médias Móveis Simples, Suavização Exponencial Simples, Suavização Exponencial de Holt, Suavização Exponencial de Holt-Winters e Automático.
    • Volatilidade: Permite ajustar os modelos ARCH e GARCH para a variância da série temporal. Estes modelos de volatilidade são muito utilizados na área econômica e financeira. É possível realizar um pré-ajuste aos dados com modelos ARIMA para tornar a série temporal estacionaria.
    • Cointegração: Permite aplicar a técnica de Cointegração a duas ou mais séries tempoais. A Cointegração é uma técnica baseada nos resíduos de um modelo de regressão e quando estes resíduos são estacionários, dizemos que as séries são cointegradas. É possível aplicar os métodos de Engle-Granger, Phillips-Ouliaris e Johansen.
    • Testes de Estacionariedade: Permite realizar os testes de Dickley-Fuller, o teste de Phillips-Perron e o teste KPPS para verificar a estacionariedade da série.
    • Testes de Sazonalidade: Permite realizar os testes de Kruskall-Wallis e o teste de Friedman para verificar a sazonalidade determinística em uma série temporal.
  • Promoção!

    Action Stat Pro + Quality + Pharma

    R$4.470,00 R$3.490,00

    Veja abaixo um resumo das principais funcionalidades presentes no Action Stat Pro e no Action Stat Quality. Clique sobre cada tópico para visualizar a descrição detalhada.

    Estatística Básica

    • Resumo Descritivo – Possível realizar de duas formas, um único fator ou múltiplos fatores para comparação. Estatísticas que podem ser calculadas: Mínimo, máximo, 1° quartil, 3° quartil, média amostral, mediana, desvio padrão da média, desvio padrão amostral, soma, soma quadrática, variância amostral, amplitude, coeficiente de variação, curtose, assimetria, tamanho da amostra, e tri-média.
    • Distribuição de Frequência: Possível selecionar entre dados discretos ou contínuos.
      • Discreto: Calcula uma tabela com as informações sobre as frequências, frequência relativa, frequência percentual e frequência acumulada por fator.  Junto é apresentado um gráfico de barras com as frequências de cada fator.
      • Continuo: Utilizado para dados numéricos, calcula a frequência dos dados presentes em intervalos de valores (classes), podendo escolher a quantidade de intervalos desejados.  Nesse caso é calculado uma tabela com as frequências, frequência relativa, frequência percentual e frequência acumulada por intervalo. Junto é apresentado um Histograma dos dados.
    •  Matriz de Correlação: Efetua os cálculos de correlação entre as colunas selecionadas. O resultado é mostrado em forma de matrizes, uma com as correlações e   outra com os p-valores referentes ao teste selecionado (Spearman, Pearson ou Kendall). Um gráfico em formato de matriz é gerado mostrando a relação entre as variáveis selecionadas e os coeficientes de correlação.
    • Tabela Cruzada: As informações das duas variáveis, referentes às colunas e às linhas são cruzadas e tabelas com informações de frequência e proporções são calculadas. É possível realizar testes de independência (Qui-Quadrado, Medidas de Associação) ou teste de homogeneidade (Qui-Quadrado, Fisher, Mcnemar). Junto com as tabelas, gráficos de barras das proporções são gerados, com três pontos de vistas: Total, por linha e por coluna.
    • Teste de Normalidade: Realiza testes de para detectar normalidade em dados numéricos (Anderson-Darling, Kolmogorov-Smirnov, Shapiro-Wilk e Ryan-Joiner)
    • Box-Cox: Realiza o procedimento de Box-Cox para transformação de dados numéricos quaisquer em dados normalizados.
    • Testes para Variância: Teste Qui-Quadrado para avaliar uma variância e teste F para comparações de duas variâncias.
    • Testes para Média: Teste T para análise da média, podendo ser realizado para uma amostra única ou comparar médias com amostras independentes ou pareadas.
    • Testes para Proporção:  Teste Qui-Quadrado, Binomial exata ou usando o TCL (Teorema Central do Limite) para analisar proporção de uma amostra ou comparar a proporção de duas amostras.
    • Teste para Taxa: Teste para analisar se a taxa de um experimento esta satisfatória.
    • Gerar Números Aleatórios: Gera números aleatórios seguindo uma distribuição e paramentos desejados, distribuições continuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme)
    • Distribuições: Calcula a densidade, quantil e o percentil de diversas distribuições contínuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme).

    Anova

    • Anova Efeito Fixo: Permite analisar o comportamento dos diferentes níveis dos fatores aplicados a um processo ou serviço, é possível estimar os parâmetros do modelo e analisar os resíduos a fim de verificar se as suposições necessárias para a realização do teste são válidas. Como opcional pode ser gerado os gráficos de efeitos e interações dos fatores.
    • Anova Efeito Misto: É possível realizar a análise do comportamento dos diferentes níveis dos fatores de um processo ou serviço de forma aleatória. Também é podemos analisar o efeito misto, isto é, o efeito aleatório e o efeito fixo. Temos como opcional utilizar o método com modelo restrito, realizar análises dos resíduos, teste de falta de ajustes e gerar gráficos de efeitos e interações.
    • Gráficos: Três opções de gráficos para análise da variância (Efeitos, Interações e Intervalo de Confiança para a Média).
    • Testes para comparações múltiplas:
      • Teste de Tukey: permite fazer comparações 2 a 2 a fim de verificar a diferença entre os níveis dos fatores;
      • Teste  HSU: é usado para detectar o nível que apresenta a maior resposta ou o nível que apresenta a menor resposta;
      • Teste de Dunnett: permite comparar todos os níveis com um nível de referência.
      • Teste de Fisher: permite realizar todas as comparações em pares entre os níveis de um fator controlando a taxa de erro ao nível de significância α para cada comparação dois a dois. Opção de efetuar o teste de Fisher-Bonferroni em que a estratégia de Bonferroni é mais eficiente no controle da FWER em relação ao método de Fisher.
      • Teste de Scheffe: é usado quando estamos interessados em avaliar todos os contrastes possíveis do experimento. Quando há apenas um teste de contraste são analisadas as diferenças nos pares dos meios de tratamento.
    • Testes para Variância: Estes testes avaliam a igualdade de variância entre os níveis do fator, usando testes de Bartlet e Levene. Só podem ser usados quando há um único fator. Esta ferramenta também gera o gráfico dos intervalos de confiança para o desvio padrão.
    • Teste de Welch: O Teste Welch é usado parar avaliar a significância entre a diferença das médias observadas. Juntamente com o teste é possível gerar os gráficos de efeitos e de intervalo de confiança para média.

    Gráficos

    • Barras: Pode ser gerado gráficos simples ou múltiplos separados por grupos.  Opcional de gráficos juntos ou separados (quando múltiplos gráficos) e exibição da frequência absoluta ou percentual.
    • Boxplot: Permite a criação de gráficos que representam a distribuição de um conjunto de dados com base em alguns dos seus parâmetros descritivos: a mediana, o primeiro e o terceiro quartil.
    • Dotplot: Permite a criação de gráficos que representam cada uma das observações obtidas em uma escala horizontal, permitindo a vizualização de como os dados estão organizados e dispersos.
    • Efeitos: Permite analisar o comportamento dos efeitos principais de um fator aplicado ao processo e/ou produto.
    • Histograma: Permite criar uma representação gráfica (um gráfico de barras verticais) da distribuição de frequências de um conjunto de dados quantitativos contínuos. É possível gerar múltiplos gráficos adicionando fatores à análise.  O gráfico pode ser gerado por densidade, frequência absoluta ou frequência percentual. No caso de densidade, é permitido adicionar as curvas da densidade normal e densidade não paramétrica para comparação. Em todas os gráficos podemos escolher a quantidade de classes que queremos exibir e um resumo descritivo dos dados pode ser calculado.
    • IDplot: Permite gerar os gráficos QQplot, Histograma e Função de Densidade Acumulada para identificar diversas distribuições (Normal, Log-Normal, Normal Truncada, Normal Dobrada, Exponencial, Logistica, Gamma, Weibull, Cauchy, Gumbel, Rayleigh e Rice) com opcional de realizar os testes de Anderson-Darling, Cramér-von-Mises e Kolmogorov-Smirnov para identificar a distribuição dos dados.
    • Gráfico de Interações: Permite criar um gráfico de linhas para identificar visualmente se os fatores apresentam efeito conjunto ou se são independentes.
    • Intervalo de Confiança para Média: Permite gerar um gráfico com a temos a média de cada nível e os respectivos intervalos de confiança.
    • Diagrama de Ishikawa: Permite organizar e representar as diferentes teorias propostas sobre as causas de um problema.
    • Gráfico de Pareto: Permite criar gráficos de barras que ordena as frequências das ocorrências, da maior para a menor, permitindo a priorização de problemas. É possível agrupar os fatores com poucas frequências em uma única classe, com um percentual a ser escolhido.
    • Gráfico de Pizza: Permite criar um diagrama circular onde as áreas de cada setor são proporcionais às respectivas frequências. Opcional personalização do gráfico em 2D ou 3D e escolher entre frequência absoluta ou frequência percentual.
    • Gráfico de Linhas: Permite criar gráficos de pontos, linhas, linhas e pontos ou de degraus, usados para controlar alterações ao longo do tempo e para facilitar a identificação de tendências ou de anomalias. É possível gerar gráficos separados por grupos para facilitar as comparações entre as informações.
    • Gráfico 3D: Permite criar um cubo com os pontos em formato de pequenas esferas dentro do cubo. É possível rotacionar o cubo para escolher o melhor ponto de vista.
    • Diagrama de Dispersão: Permite gerar um gráfico de dispersão dos dados, com opcional de traçar a reta de regressão e a suavização Loess dos dados. Pode ser gerado gráficos separados por grupos e adicionar ruído às observações para diferenciar a representação gráfica de observações replicadas.
    • Grafico de Séries Temporais: Permite a realização de gráficos para variáveis que estão vinculadas ao tempo. Desta forma, podemos notar tendências, sazonalidades e, no caso em que existe mais de uma série no mesmo gráfico, compará-las. É possível gerar os gráficos de autocorrelação, autocorrelação parcial e autocovariância.

    Modelos

    • Modelo Linear Simples: permite verificar se a variável explicativa possui relação Linear, quadrática ou cubica com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo, e Quartis), o valor de R² Ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear: Permite verificar se a variável explicativa possui relação linear com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo e Quartis), o valor de R² ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear Misto: Permite criar um modelo que leva em consideração efeitos fixos e efeitos aleatórios, além do erro experimental e da constante . É gerado um relatório com a tabela anova do efeito fixo e efeito aleatório, gráficos para análise do ajuste e tabela diagnostico de pontos atípicos.
    • Modelo Linear Generalizado: Permite criar um modelo com relações não lineares não especificadas, a partir da família exponencial de distribuições (normal, binomial, poisson, gama, normal inversa, quase-binomial e quase-poisson) e da função de ligação (identidade, inversa e log).
    • Modelo Binomial: Permite ajustar um modelo de regressão linear generalizado binomial através da função de ligação (logito, probito ou log-log). A ferramenta tem opções para gerar a razão de chances, probabilidades ajustadas, a Predição dos dados (Curva ROC e medidas de desempenho), teste da razão de verossimilhança, gráficos, resíduos (Resíduo de Pearson, Resíduo Deviance e gráfico de resíduo) e adequabilidade dos dados (Teste de Pearson , Teste Deviance e Teste Hosmer e Lemeshow).
    • Modelo Multinomial: Permite calcular as estimativas dos parâmetros do modelo ajustado. A ferramenta utiliza a função de ligação logito e tem opção do Teste de Razão de Verossimilhança e análise de diagnóstico.
    • Seleção de Modelo Linear: permite escolher o melhor modelo linear para um conjunto de dados. Há a opção de seleção automática pelos critérios AIC ou Teste F e a opção de Todos os Modelos Possíveis através dos critérios AIC, BIC, PRESS, CP, QME, ou  Ajustado.
    • Seleção de Modelo Binomial: Permite escolher o melhor modelo binomial para um conjunto de dados. Há a opção de seleção automática pelo critério Qui-quadrado e a opção de Todos os Modelos Possíveis através dos critérios AIC ou BIC.

    Análise Multivariada

    • Análise de Agrupamentos: permite agrupar dados por dois tipos de métodos: Hierárquico ou K-médias. Para o método hierárquico há possibilidade de escolher os parâmetros distância (Euclidiana, Manhattan ou Gower) e o método (ward, single, complete, average, median ou centroid). Há opções de padronizar os dados, exibir os dados em dendrograma e exibir grupos. Para método o K-médias há apenas a possibilidade de definir o número de grupos e padronizar os dados.
    • Análise de Scott-Knott: Permite realizar o procedimento de Scott e Knott (1974) em que se trata de uma técnica que utiliza o teste da razão de verossimilhança para agrupar n​ tratamentos em k​ grupos.
    • Componentes Principais: permite reduzir a dimensão dos dados através de componentes que são combinações lineares das variáveis originais. É possível escolher alguns gráficos que auxiliem na análise, as opções são: Biplot, Variância por Componentes e Correlograma. Também é possível utilizar a matriz de correlação no cálculo das componentes através da opção Correlação.
    • Análise Discriminante: Permite aplicar a técnica de análise em que é utilizada para classificação de elementos de uma amostra ou população. É possível escolher entre os métodos: Linear, Quadrático, Mínimos Quadrados Parciais, Preditivo Geométrico, Descritivo e Discriminante de Fisher com opções de tipo de validação cruzada ou por dados de aprendizado.
    • Análise Fatorial: Permite aplicar a técnica de análise fatorial podendo ser escolhido todos os seus parâmetros: Escore Fatorial, Método Fatorial e opções de rotação, podendo ser sem rotação, rotação ortogonal ou rotação obliqua.
    • MANOVA: Permite comparar se há diferença entre os tratamentos para as variáveis respostas. É utilizada a estatística Wilks para testar a igualdade entre os tratamentos

    Não Paramétrico

    • Teste de Kruskal-Wallis: Permite realizar o teste de Kruskal-Wallis que se trata de um teste de hipóteses não-paramétricos usado para comparar três ou mais populações. É possível realizar teste de comparações múltiplas pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Friedman: O Teste de Friedman é uma ferramenta que permite testar se existem diferenças entre os fatores (grupos) ou se podemos supor que eles são estatisticamente iguais. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Rank: O Teste de Rank é  o método mais popular de comparação entre curvas de sobrevivência. Esse teste é importante quando desejamos comparar um processo novo com um antigo, comparar dois produtos diferentes com relação ao tempo de vida ou ainda determinar se duas curvas de sobrevivência apresentam diferenças significativas entre si. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel e o teste comparações múltiplas da FDR pelos métodos de Beijamini-Hochberg e  Beijamini-Yekutielly.
    • Teste de Wilcoxon – Amostra Única: Permite realizar o Teste de Wilcoxon para uma amostra única em que se trata de um método alternativo do teste – t de uma amostra que é utilizado para testar se a localização (mediana) de medições é igual a um valor especificado. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon para para amostras independentes em que se trata de um método alternativo do teste – t duas amostras independentes que é usado para testar se as posições (medianas) de mensurações da população são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon Pareado em que se trata de um método alternativo do teste – t pareado que é usado para testar se as diferenças entre as localizações das populações são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.

    Tamanho Amostral

    • Poder e Tamanho Amostral – Teste T: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário pra ter um determinado poder para o teste. O Teste T é utilizado quando não conhecemos o valor do desvio padrão populacional. É possível escolher entre uma amostra, duas amostras com tamanhos iguais ou diferentes e duas amostras pareadas.
    • Poder e Tamanho da Amostra – Teste Normal: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste.
    • Poder e Tamanho da Amostra – Uma Proporção: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste para Proporção. É possível escolher como tipo de amostra de uma proporção, duas proporções com tamanhos diferentes ou duas proporções com tamanhos iguais.
    • Poder e Tamanho da Amostra – ANOVA: Permite calcular o poder do teste ou o tamanho da amostra necessário para ter um determinado poder para o teste. Aqui o Teste Qui-quadrado de Pearson é utilizado para realizar os cálculos.
    • Poder e Tamanho da Amostra – Multinomial: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste Qui-Quadrado.
    • Intervalo de Confiança: Permite determinar o tamanho da amostra de uma população de modo a obter um erro amostral da média, previamente estipulado, com determinado grau de confiança.

    Séries Temporais

    • Análise Gráfica: Permite gerar uma análise gráfica onde é possível visualizar os gráficos da série temporal, da função de auto-correlação, da função de auto-correlação parcial e da covariância. Com o gráfico da série temporal é possível identificar de forma subjetiva se os dados apresentam algum comportamento especial, como por exemplo tendência ou sazonalidade. Já os gráficos da FAC e da FACP auxiliam na identificação de possíveis modelos para o ajuste dos dados.
    • Análise de Tendência:  Permite realizar testes não paramétricos(Teste de Wald-Wolfwitz, Cox-Stuart e Mann-Kendall) para verificar se a série apresentam tendência. Outra opção desta ferramenta, é ajustar modelos paramétricos para a tendência.
    • Modelo – Suavização Exponencial: Permite aplicar modelos de suavização exponencial para ajuste e realização de previsões. Estes métodos de previsão se baseia na ideia de que as observações passadas contêm informações relevantes sobre a padrão da série temporal. É possível escolher entre Médias Móveis Simples, Suavização Exponencial Simples, Suavização Exponencial de Holt, Suavização Exponencial de Holt-Winters e Automático.
    • Volatilidade: Permite ajustar os modelos ARCH e GARCH para a variância da série temporal. Estes modelos de volatilidade são muito utilizados na área econômica e financeira. É possível realizar um pré-ajuste aos dados com modelos ARIMA para tornar a série temporal estacionaria.
    • Cointegração: Permite aplicar a técnica de Cointegração a duas ou mais séries tempoais. A Cointegração é uma técnica baseada nos resíduos de um modelo de regressão e quando estes resíduos são estacionários, dizemos que as séries são cointegradas. É possível aplicar os métodos de Engle-Granger, Phillips-Ouliaris e Johansen.
    • Testes de Estacionariedade: Permite realizar os testes de Dickley-Fuller, o teste de Phillips-Perron e o teste KPPS para verificar a estacionariedade da série.
    • Testes de Sazonalidade: Permite realizar os testes de Kruskall-Wallis e o teste de Friedman para verificar a sazonalidade determinística em uma série temporal.

    Ferramentas da Qualidade

    • CEP – Gráficos por Variáveis: Permite gerar gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e Gráficos de Valores Individuais com Variação Entre e Dentro dos Grupos (I-MR-R ou I-MR-S). É possível realizar 8 testes para um diagnóstico mais avançado.
    • CEP – Gráficos por Atributos: Permite gerar gráficos p (proporção ou fração de defeituosos), np (número de defeituosos), c (número de defeitos na amostra) e u (taxa de defeitos por unidade).  É possível realizar 4 testes para um diagnóstico mais avançado.
    • CEP – Tamanho da Amostra: Permite determinar o tamanho da amostra através da curva característica de operação (CCO) para o gráfico  e para $x^2$ .
    • CEP – Pequenos Lotes: Permite criar a Carta Nominal (DNOM) e a Carta Padronizada  com quantidades pequenas de dados.CEP – CEP Multivariado: Permite criar os Gráficos de Controle Multivariado para estatística  de Holtelling e para a Variância Generalizada. Além disso, é possível analisar os casos com réplicas e com valores individuais.
    • MSA – Atributos: Um dos principais objetivos da análise dos sistemas de medição (MSA) por atributo está na compreensão e prevenção dos erros de classificação. A ferramenta Atributos do Action Stat permite criar proporções observadas, proporções esperadas, coeficiente Kappa, taxa de erro, taxa de falso alarme e a taxa de concordância.
    • MSA – Método Analítico: O método analítico para análise do sistema de medição permite classificar as peças como defeituosas ou não. Este método compara cada peça com um conjunto específico e aceita a peça se os limites são satisfeitos, caso contrário, rejeita-se a peça.
    • MSA – Variáveis – Estabilidade: Permite avaliar a estabilidade de um sistema de medição via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e Gráficos de Valores Individuais com Variação Entre e Dentro dos Grupos (I-MR-R ou I-MR-S).
    • MSA – Variáveis – RR: Permite calcular a repetitividade e reprodutibilidade de um sistema de medição. Podem ser utilizadas para estimar a variabilidade associada com o sistema de medição. É possível analisar utilizando efeitos cruzados ou hierárquicos.
    • MSA – Variáveis – Tendência e Linearidade: Permite analisar a tendência e linearidade do sistema de medição, as quais são propriedades estatísticas usadas para caracterizar a qualidade dos dados. Tendência refere-se a diferença entre a média observada e o valor de referência e a linearidade refere-se a diferença da tendência ao longo do intervalo de operação esperado (medição) no equipamento.
    • Análise de Capacidade – ID Plot: Permite verificar, dentre as distribuições, Normal, Log-Normal, Normal Truncada, Normal Dobrada, Exponencial, Logística, Gamma, Weibull, Cauchy, Gumbel, Rayleigh e Rice, a que melhor descreve a aleatoriedade de um conjunto de dados. Esta ferramenta permite a escolha via os gráficos QQPlot, Histograma e Função de Densidade e os testes de hipótese de Anderson-Darling, Cramer-von-Misses e Kolmogorov-Smirnov.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Normais): Permite avaliar a performance e a capacidade de um processo de produção através da Distribuição Normal de probabilidade. A análise pode ser feita via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e utilizando o método de Pooled quando amostra possui valores em branco.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Não Normais): Permite avaliar a performance de um processo de produção sobre determinada característica em situações em que a distribuição normal pode não se ajustar bem aos dados. Nessas situações, podemos encontrar uma distribuição de probabilidade alternativa, ou utilizar um método não-paramétrico. É possível escolher entre as distribuições Weibull, Exponencial, Log-normal, Não Paramétrico (Clementes), Não Paramétrico(Núcleo), Raylegh, Gumbel(Valor Extremo), Gamma, Logistica, Normal Truncada, Normal Dobrada, Normal Mista ou Rice.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Discretos): Permite avaliar a capacidade de um processo em que observamos somente se as peças estão dentro ou fora das especificações, isto é, os dados observados são discretos. É possível escolher entre as distribuições de Poisson ou Binomial para realizar a análise.
    • Análise de Capacidade – Índices de Performance/Capacidade (Automático): Permite avaliar a performance/capacidade de um processo de produção utilizando o modelo que melhor se ajusta aos dados, dentre um grupo de modelos. A análise pode ser feita via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e utilizando o método de Pooled quando amostra possui valores em branco. É possível gerar um relatório avançado com 8 testes diferentes para os gráficos.
    • Análise de Capacidade – Posição Real: Permite avaliar a capacidade de um processo de produção sujeito a uma tolerância de posição para determinada característica. É possível especificar alvos para X, Y e um diâmetro de tolerância.
    • Análise de Capacidade – Análise Multivariada: Permite avaliar a capacidade de um processo de produção sobre mais de uma característica utilizando o modelo normal multivariado.
    • Indicadores – Defeito por Unidade: Permite estimar a taxa de defeito por unidade de medida.
    • Indicadores – Defeitos por Milhão de Oportunidades: Permite calcular uma medida de desempenho do processo que leve em consideração o fato de que pode existir mais de um defeito em cada produto.
    • Ferramentas Básicas – Diagrama de Ishikawa: Permite organizar e representar as diferentes teorias propostas sobre as causas de um problema.
    • Ferramentas Básicas – Gráfico de Pareto: Permite criar gráficos de barras que ordena as frequências das ocorrências, da maior para a menor, permitindo a priorização de problemas. É possível agrupar os fatores com poucas frequências em uma única classe, com um percentual a ser escolhido.
    • Ferramentas Básicas – Gráfico de Barras: Pode ser gerado gráficos simples ou múltiplos separados por grupos.  Opcional de gráficos juntos ou separados (quando múltiplos gráficos) e exibição da frequência absoluta ou percentual.

    Confiabilidade

    • Estimador de Kaplan Meier: Permite gerar uma tabela com os índices de confiabilidade e Intervalo de Confiança para as falhas no decorrer do tempo. O estimador limite-produto, ou Kaplan-Meier como é usualmente chamado, é um estimador não-paramétrico para a função de confiabilidade.
    • Teste Acelerado: Permite estimar o MTTF (MTBF) e a função de confiabilidade. ​Os dados podem ser ajustados pela distribuição Weibull ou Log-Normal. Em Relação Estresse Resposta a Relação de Arrhenius é utilizada para modelar o tempo de falha, em que a variável de estresse é temperatura, por outro lado, a Relação Potencia Inversa é utilizada para qualquer tipo de variável estresse.
    • Overview para Confiabilidade: A ferramenta Overview para Confiabilidade gera estimativas dos parâmetros da distribuição ajustada, além de medidas de MTTF (tempo médio de falha), Desvio Padrão e Mediana. É também apresentado um gráfico com informações referentes a distribuição ajustada como densidade, confiabilidade, risco e a curva kaplan Meier.
    • ID Plot para Confiabilidade: Permite comparar os valores estimados pelo Kaplan Meier com o comportamento das distribuições Normal, Exponencial, Weibull, Log-normal e Valor Extremo. A partir do Papel de Probabilidade e da Correlação é possível verificar qual distribuição melhor descreve os dados.
    • Modelos de Confiabilidade: Permite escolher uma ou mais variáveis de estresse, qual podem ser numéricas, categóricas e numéricas ou categóricas. É possível selecionar a distribuição para o modelo e realizar previsões das variáveis do Tempo ou do Percento.
    • Plano de Determinação: Permite determinar o tamanho da amostra n que nos assegure uma probabilidade de erro adequada para o Caso 1 (Ensaiar o produto por t = Bq unidades de tempo) ou para o Caso 2 (Ensaiar o produto por t ≠ Bq unidades de tempo).

    Planejamento de Experimentos - DOE

    • Planejamento de Experimento: Permite estudar o comportamento dos fatores sobre a variável de interesse com o objetivo de determinar as variáveis que exercem maior influência no desempenho de um determinado processo. Os tipos de experimentos disponíveis são: Fatorial Completo, Fatorial em Blocos, Fatorial Fracionado, Box-Behnken, Composto Central ou Plackett Burman.
    • Gráfico Fatorial – Gráfico de Efeitos: Permite analisar o comportamento dos efeitos principais, os quais são definidos como  “a mudança ocorrida na resposta quando se move do nível baixo para o nível alto”.
    • Gráfico Fatorial – Gráfico de Interações: Permite identificar se a interação entre os fatores presentes é significativa ou não, ou seja, se há relação entres os fatores ou se eles são independentes. Neste tipo de planejamento, o mais utilizado dentro da indústria, estão envolvidos k fatores, cada um deles presente em apenas dois níveis.
    • Gráfico Fatorial – Gráfico de Cubo: O gráfico de Cubo leva em consideração um experimento fatorial em que temos a influência de três fatores numa determinada variável resposta, e cada fator assume dois níveis. Desta forma é possível analisar visualmente as possíveis soluções para o experimento.
    • Analisar Experimento – Com Replica: Para avaliar quais fatores são importantes para o experimento, é ajustado um modelo de regressão linear.  A ferramenta permite verificar se a variável explicativa possui relação linear com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo e Quartis), o valor de R² ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Analisar Experimento – Sem Replica:

    Metrologia

    • Curva de Calibração: Permite analisar a relação entre duas ou mais variáveis com um modelo de Regressão Linear podendo ser linear ou polinomial. É possível calcular a tabela das incertezas devido à curva de calibração pelo Método Ingênuo, Método de Intervalo de Predição, Método da Projeção, Método Delta e Método Fieller. Podemos realizar um diagnóstico para verificar o Ajuste do Modelo, a Análise de Resíduos, Valores Atípicos, Pontos Influentes e o Teste da Falta de Ajuste.
    • Teste de Valor Extremo: Permite verificar, através do Teste de Grubbs, a presença de valores extremos na amostra. É possível separar a amostra por categorias para realizar a análise.
    • Interlaboratorial – Erros normalizados: Permite testar a compatibilidade dos resultados das medições do laboratório, operadores, grupos em geral, com respeito ao valor de referência. A ferramenta gera a Estatística W, algumas Estatísticas Descritivas, Teste de Valor Extremo, Erro normalizado e gráficos de tendência, boxplot e dispersão.
    • Interlaboratorial – Teste de Wald: Permite comparar a tendência aditiva e multiplicativa de cada laboratório com o valor de referência, através da estatística Wald.

    RPP

    • Estabilidade/CEP: ferramenta para análise de dados provenientes de um estudo de RPP ou validação de processo com estudo de estabilidade via gráfico de CEP. Neste módulo, fazemos uma análise descritiva dos dados através de medidas de posição, dispersão, curtose e assimetria. Também é feito uma análise gráfica através do Box-Plot. A estabilidade do processo é avaliada através de um gráfico de CEP apropriado ao processo de amostragem. Além disso, realizamos um estudo de capacidade e performance do processo de forma automatizada. Neste caso, aplicamos um algorítmo para determinar a melhor distribuição de probabilidade que se ajusta aos dados. A partir desta distribuição, realizamos o estudo de capacidade e performance do processo. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Estabilidade/Séries Temporais: ferramenta para análise de dados provenientes de um estudo de RPP ou validação de processo com estudo de estabilidade via técnicas de séries temporais. Neste módulo, fazemos uma análise descritiva dos dados através de medidas de posição, dispersão, curtose e assimetria. Também é feito uma análise gráfica através do Box-Plot. A estabilidade do processo é avaliada através de técnicas de séries temporais. Aplicamos um teste de hipóteses para avaliar a tendência e um teste de hipótese para avaliar a estacionariedade do processo. Além disso, realizamos um estudo de capacidade e performance do processo de forma automatizada. Neste caso, aplicamos um algorítmo para determinar a melhor distribuição de probabilidade que se ajusta aos dados. A partir desta distribuição, realizamos o estudo de capacidade e performance do processo. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Análise por período: ferramenta para análise de dados provenientes de um estudo de RPP ou validação de processo com objetivo de realizar um comparativo entre períodos ou lotes de produção. Neste módulo, fazemos uma análise descritiva dos dados através de edidas de posição, dispersão, curtose e assimetria. Também é feito uma análise gráfica através do Box-Plot. Além disso, realizamos um estudo de capacidade e performance do processo de forma automatizada e dividida por período ou lotes de produção. Neste caso, aplicamos um algorítmo para determinar a melhor distribuição de probabilidade que se ajusta aos dados. A partir desta distribuição, realizamos o estudo de capacidade e performance do processo. Com os resultados das análises, preparamos automaticamente um relatório em word.

    Ensaios

    • Estabilidade: ferramenta para análise de dados provenientes de um estudo de estabilidade de longa duração ou estudos de estabilidade de acompanhamento. Neste módulo, aplicamos as técnicas estatística descritas no ICH Q1E para avaliar a tendência em um estudo de estabilidade farmacêutica. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Teste de Equivalência: ferramenta para análise de dados provenientes de estudo de equivalência. Neste módulo desenvolvemos um teste de hipótese apropriado para avaliar a equivalência entre duas formulações. Com os resultados das análises, preparamos automaticamente um relatório em word.

    Validação Analítica

    • Precisão: ferramenta para análise de dados provenientes de um estudo de repetibilidade e precisão intermediária.
      Repetibilidade: Neste caso, calculamos o desvio padrão relativo. Com os resultados das análises, preparamos automaticamente um relatório em word.
      Precisão intermediária: Aplicamos modelos de ANOVA com efeitos aleatórios para testar a interferência de fatores (por exemplo, analista e/ou dia) na precisão dos resultados. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Robustez: Aplicamos modelos de experimentos para planejar e avaliar os resultados de um estudo de robustez.
      Planejamento: Elaborar a matrix experimental de Yuden para realização do ensaio de robustez. Com os resultados das análises, preparamos automaticamente um relatório em word.
      Análise: Aplicamos as técnicas de Daniel e Lenth para avaliar o efeito dos fatores de impacto na método analítico. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Linearidade: ferramenta utilizada para avaliar os dados provenientes de um ensaio de linearidade. Neste módulo, estimamos os parâmetros do modelos, realizamos os testes estatísticos apropriados, calculamos o coeficiente de correlação e realizamos ma análise de resíduos detalhada. Com os resultados das análises, preparamos automaticamente um relatório em word.
    • Comparação de curvas: ferramenta utilizada para avaliar os dados provenientes de um ensaio para avaliar o efeito matriz. Neste módulo, fazemos um teste para avaliar o paralelismo entre as curvas de calibração. Também pode ser realizado o teste de igualdade do intercepto e o teste de coincidência. Com os resultados das análises, preparamos automaticamente um relatório em word.
  • Promoção!

    Pacote Promocional: Action Stat Pro + Action Stat Quality

    R$2.980,00 R$2.490,00

    Veja abaixo um resumo das principais funcionalidades presentes no Action Stat Pro e no Action Stat Quality. Clique sobre cada tópico para visualizar a descrição detalhada.

    Estatística Básica

    • Resumo Descritivo – Possível realizar de duas formas, um único fator ou múltiplos fatores para comparação. Estatísticas que podem ser calculadas: Mínimo, máximo, 1° quartil, 3° quartil, média amostral, mediana, desvio padrão da média, desvio padrão amostral, soma, soma quadrática, variância amostral, amplitude, coeficiente de variação, curtose, assimetria, tamanho da amostra, e tri-média.
    • Distribuição de Frequência: Possível selecionar entre dados discretos ou contínuos.
      • Discreto: Calcula uma tabela com as informações sobre as frequências, frequência relativa, frequência percentual e frequência acumulada por fator.  Junto é apresentado um gráfico de barras com as frequências de cada fator.
      • Continuo: Utilizado para dados numéricos, calcula a frequência dos dados presentes em intervalos de valores (classes), podendo escolher a quantidade de intervalos desejados.  Nesse caso é calculado uma tabela com as frequências, frequência relativa, frequência percentual e frequência acumulada por intervalo. Junto é apresentado um Histograma dos dados.
    •  Matriz de Correlação: Efetua os cálculos de correlação entre as colunas selecionadas. O resultado é mostrado em forma de matrizes, uma com as correlações e   outra com os p-valores referentes ao teste selecionado (Spearman, Pearson ou Kendall). Um gráfico em formato de matriz é gerado mostrando a relação entre as variáveis selecionadas e os coeficientes de correlação.
    • Tabela Cruzada: As informações das duas variáveis, referentes às colunas e às linhas são cruzadas e tabelas com informações de frequência e proporções são calculadas. É possível realizar testes de independência (Qui-Quadrado, Medidas de Associação) ou teste de homogeneidade (Qui-Quadrado, Fisher, Mcnemar). Junto com as tabelas, gráficos de barras das proporções são gerados, com três pontos de vistas: Total, por linha e por coluna.
    • Teste de Normalidade: Realiza testes de para detectar normalidade em dados numéricos (Anderson-Darling, Kolmogorov-Smirnov, Shapiro-Wilk e Ryan-Joiner)
    • Box-Cox: Realiza o procedimento de Box-Cox para transformação de dados numéricos quaisquer em dados normalizados.
    • Testes para Variância: Teste Qui-Quadrado para avaliar uma variância e teste F para comparações de duas variâncias.
    • Testes para Média: Teste T para análise da média, podendo ser realizado para uma amostra única ou comparar médias com amostras independentes ou pareadas.
    • Testes para Proporção:  Teste Qui-Quadrado, Binomial exata ou usando o TCL (Teorema Central do Limite) para analisar proporção de uma amostra ou comparar a proporção de duas amostras.
    • Teste para Taxa: Teste para analisar se a taxa de um experimento esta satisfatória.
    • Gerar Números Aleatórios: Gera números aleatórios seguindo uma distribuição e paramentos desejados, distribuições continuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme)
    • Distribuições: Calcula a densidade, quantil e o percentil de diversas distribuições contínuas (Normal, Beta, Cauchy, Exponencia, F, Gamma, Gumber (Valor Extremo), Log-Normal, Logistica, Qui-quadrado, t-Student, Uniforme, Weibull, Laplace e Inversa Gaussiana) e discretas (Binomial, Geométrica, Hipergeométrica, Multinomial, Poisson e Uniforme).

    Anova

    • Anova Efeito Fixo: Permite analisar o comportamento dos diferentes níveis dos fatores aplicados a um processo ou serviço, é possível estimar os parâmetros do modelo e analisar os resíduos a fim de verificar se as suposições necessárias para a realização do teste são válidas. Como opcional pode ser gerado os gráficos de efeitos e interações dos fatores.
    • Anova Efeito Misto: É possível realizar a análise do comportamento dos diferentes níveis dos fatores de um processo ou serviço de forma aleatória. Também é podemos analisar o efeito misto, isto é, o efeito aleatório e o efeito fixo. Temos como opcional utilizar o método com modelo restrito, realizar análises dos resíduos, teste de falta de ajustes e gerar gráficos de efeitos e interações.
    • Gráficos: Três opções de gráficos para análise da variância (Efeitos, Interações e Intervalo de Confiança para a Média).
    • Testes para comparações múltiplas:
      • Teste de Tukey: permite fazer comparações 2 a 2 a fim de verificar a diferença entre os níveis dos fatores;
      • Teste  HSU: é usado para detectar o nível que apresenta a maior resposta ou o nível que apresenta a menor resposta;
      • Teste de Dunnett: permite comparar todos os níveis com um nível de referência.
      • Teste de Fisher: permite realizar todas as comparações em pares entre os níveis de um fator controlando a taxa de erro ao nível de significância α para cada comparação dois a dois. Opção de efetuar o teste de Fisher-Bonferroni em que a estratégia de Bonferroni é mais eficiente no controle da FWER em relação ao método de Fisher.
      • Teste de Scheffe: é usado quando estamos interessados em avaliar todos os contrastes possíveis do experimento. Quando há apenas um teste de contraste são analisadas as diferenças nos pares dos meios de tratamento.
    • Testes para Variância: Estes testes avaliam a igualdade de variância entre os níveis do fator, usando testes de Bartlet e Levene. Só podem ser usados quando há um único fator. Esta ferramenta também gera o gráfico dos intervalos de confiança para o desvio padrão.
    • Teste de Welch: O Teste Welch é usado parar avaliar a significância entre a diferença das médias observadas. Juntamente com o teste é possível gerar os gráficos de efeitos e de intervalo de confiança para média.

    Gráficos

    • Barras: Pode ser gerado gráficos simples ou múltiplos separados por grupos.  Opcional de gráficos juntos ou separados (quando múltiplos gráficos) e exibição da frequência absoluta ou percentual.
    • Boxplot: Permite a criação de gráficos que representam a distribuição de um conjunto de dados com base em alguns dos seus parâmetros descritivos: a mediana, o primeiro e o terceiro quartil.
    • Dotplot: Permite a criação de gráficos que representam cada uma das observações obtidas em uma escala horizontal, permitindo a vizualização de como os dados estão organizados e dispersos.
    • Efeitos: Permite analisar o comportamento dos efeitos principais de um fator aplicado ao processo e/ou produto.
    • Histograma: Permite criar uma representação gráfica (um gráfico de barras verticais) da distribuição de frequências de um conjunto de dados quantitativos contínuos. É possível gerar múltiplos gráficos adicionando fatores à análise.  O gráfico pode ser gerado por densidade, frequência absoluta ou frequência percentual. No caso de densidade, é permitido adicionar as curvas da densidade normal e densidade não paramétrica para comparação. Em todas os gráficos podemos escolher a quantidade de classes que queremos exibir e um resumo descritivo dos dados pode ser calculado.
    • IDplot: Permite gerar os gráficos QQplot, Histograma e Função de Densidade Acumulada para identificar diversas distribuições (Normal, Log-Normal, Normal Truncada, Normal Dobrada, Exponencial, Logistica, Gamma, Weibull, Cauchy, Gumbel, Rayleigh e Rice) com opcional de realizar os testes de Anderson-Darling, Cramér-von-Mises e Kolmogorov-Smirnov para identificar a distribuição dos dados.
    • Gráfico de Interações: Permite criar um gráfico de linhas para identificar visualmente se os fatores apresentam efeito conjunto ou se são independentes.
    • Intervalo de Confiança para Média: Permite gerar um gráfico com a temos a média de cada nível e os respectivos intervalos de confiança.
    • Diagrama de Ishikawa: Permite organizar e representar as diferentes teorias propostas sobre as causas de um problema.
    • Gráfico de Pareto: Permite criar gráficos de barras que ordena as frequências das ocorrências, da maior para a menor, permitindo a priorização de problemas. É possível agrupar os fatores com poucas frequências em uma única classe, com um percentual a ser escolhido.
    • Gráfico de Pizza: Permite criar um diagrama circular onde as áreas de cada setor são proporcionais às respectivas frequências. Opcional personalização do gráfico em 2D ou 3D e escolher entre frequência absoluta ou frequência percentual.
    • Gráfico de Linhas: Permite criar gráficos de pontos, linhas, linhas e pontos ou de degraus, usados para controlar alterações ao longo do tempo e para facilitar a identificação de tendências ou de anomalias. É possível gerar gráficos separados por grupos para facilitar as comparações entre as informações.
    • Gráfico 3D: Permite criar um cubo com os pontos em formato de pequenas esferas dentro do cubo. É possível rotacionar o cubo para escolher o melhor ponto de vista.
    • Diagrama de Dispersão: Permite gerar um gráfico de dispersão dos dados, com opcional de traçar a reta de regressão e a suavização Loess dos dados. Pode ser gerado gráficos separados por grupos e adicionar ruído às observações para diferenciar a representação gráfica de observações replicadas.
    • Grafico de Séries Temporais: Permite a realização de gráficos para variáveis que estão vinculadas ao tempo. Desta forma, podemos notar tendências, sazonalidades e, no caso em que existe mais de uma série no mesmo gráfico, compará-las. É possível gerar os gráficos de autocorrelação, autocorrelação parcial e autocovariância.

    Modelos

    • Modelo Linear Simples: permite verificar se a variável explicativa possui relação Linear, quadrática ou cubica com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo, e Quartis), o valor de R² Ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear: Permite verificar se a variável explicativa possui relação linear com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo e Quartis), o valor de R² ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Modelo Linear Misto: Permite criar um modelo que leva em consideração efeitos fixos e efeitos aleatórios, além do erro experimental e da constante . É gerado um relatório com a tabela anova do efeito fixo e efeito aleatório, gráficos para análise do ajuste e tabela diagnostico de pontos atípicos.
    • Modelo Linear Generalizado: Permite criar um modelo com relações não lineares não especificadas, a partir da família exponencial de distribuições (normal, binomial, poisson, gama, normal inversa, quase-binomial e quase-poisson) e da função de ligação (identidade, inversa e log).
    • Modelo Binomial: Permite ajustar um modelo de regressão linear generalizado binomial através da função de ligação (logito, probito ou log-log). A ferramenta tem opções para gerar a razão de chances, probabilidades ajustadas, a Predição dos dados (Curva ROC e medidas de desempenho), teste da razão de verossimilhança, gráficos, resíduos (Resíduo de Pearson, Resíduo Deviance e gráfico de resíduo) e adequabilidade dos dados (Teste de Pearson , Teste Deviance e Teste Hosmer e Lemeshow).
    • Modelo Multinomial: Permite calcular as estimativas dos parâmetros do modelo ajustado. A ferramenta utiliza a função de ligação logito e tem opção do Teste de Razão de Verossimilhança e análise de diagnóstico.
    • Seleção de Modelo Linear: permite escolher o melhor modelo linear para um conjunto de dados. Há a opção de seleção automática pelos critérios AIC ou Teste F e a opção de Todos os Modelos Possíveis através dos critérios AIC, BIC, PRESS, CP, QME, ou  Ajustado.
    • Seleção de Modelo Binomial: Permite escolher o melhor modelo binomial para um conjunto de dados. Há a opção de seleção automática pelo critério Qui-quadrado e a opção de Todos os Modelos Possíveis através dos critérios AIC ou BIC.

    Análise Multivariada

    • Análise de Agrupamentos: permite agrupar dados por dois tipos de métodos: Hierárquico ou K-médias. Para o método hierárquico há possibilidade de escolher os parâmetros distância (Euclidiana, Manhattan ou Gower) e o método (ward, single, complete, average, median ou centroid). Há opções de padronizar os dados, exibir os dados em dendrograma e exibir grupos. Para método o K-médias há apenas a possibilidade de definir o número de grupos e padronizar os dados.
    • Análise de Scott-Knott: Permite realizar o procedimento de Scott e Knott (1974) em que se trata de uma técnica que utiliza o teste da razão de verossimilhança para agrupar n​ tratamentos em k​ grupos.
    • Componentes Principais: permite reduzir a dimensão dos dados através de componentes que são combinações lineares das variáveis originais. É possível escolher alguns gráficos que auxiliem na análise, as opções são: Biplot, Variância por Componentes e Correlograma. Também é possível utilizar a matriz de correlação no cálculo das componentes através da opção Correlação.
    • Análise Discriminante: Permite aplicar a técnica de análise em que é utilizada para classificação de elementos de uma amostra ou população. É possível escolher entre os métodos: Linear, Quadrático, Mínimos Quadrados Parciais, Preditivo Geométrico, Descritivo e Discriminante de Fisher com opções de tipo de validação cruzada ou por dados de aprendizado.
    • Análise Fatorial: Permite aplicar a técnica de análise fatorial podendo ser escolhido todos os seus parâmetros: Escore Fatorial, Método Fatorial e opções de rotação, podendo ser sem rotação, rotação ortogonal ou rotação obliqua.
    • MANOVA: Permite comparar se há diferença entre os tratamentos para as variáveis respostas. É utilizada a estatística Wilks para testar a igualdade entre os tratamentos

    Não Paramétrico

    • Teste de Kruskal-Wallis: Permite realizar o teste de Kruskal-Wallis que se trata de um teste de hipóteses não-paramétricos usado para comparar três ou mais populações. É possível realizar teste de comparações múltiplas pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Friedman: O Teste de Friedman é uma ferramenta que permite testar se existem diferenças entre os fatores (grupos) ou se podemos supor que eles são estatisticamente iguais. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel.
    • Teste de Rank: O Teste de Rank é  o método mais popular de comparação entre curvas de sobrevivência. Esse teste é importante quando desejamos comparar um processo novo com um antigo, comparar dois produtos diferentes com relação ao tempo de vida ou ainda determinar se duas curvas de sobrevivência apresentam diferenças significativas entre si. É possível realizar teste de comparações múltiplas da FWER pelos métodos de Simes-Hochberg, Holm, Bonferroni e Hommel e o teste comparações múltiplas da FDR pelos métodos de Beijamini-Hochberg e  Beijamini-Yekutielly.
    • Teste de Wilcoxon – Amostra Única: Permite realizar o Teste de Wilcoxon para uma amostra única em que se trata de um método alternativo do teste – t de uma amostra que é utilizado para testar se a localização (mediana) de medições é igual a um valor especificado. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon para para amostras independentes em que se trata de um método alternativo do teste – t duas amostras independentes que é usado para testar se as posições (medianas) de mensurações da população são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.
    • Teste de Wilcoxon – Amostra Independente: Permite realizar o Teste de Wilcoxon Pareado em que se trata de um método alternativo do teste – t pareado que é usado para testar se as diferenças entre as localizações das populações são iguais. É possível adicionar correção de continuidade para o teste e realizar uma análise gráfica.

    Tamanho Amostral

    • Poder e Tamanho Amostral – Teste T: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário pra ter um determinado poder para o teste. O Teste T é utilizado quando não conhecemos o valor do desvio padrão populacional. É possível escolher entre uma amostra, duas amostras com tamanhos iguais ou diferentes e duas amostras pareadas.
    • Poder e Tamanho da Amostra – Teste Normal: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste.
    • Poder e Tamanho da Amostra – Uma Proporção: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste para Proporção. É possível escolher como tipo de amostra de uma proporção, duas proporções com tamanhos diferentes ou duas proporções com tamanhos iguais.
    • Poder e Tamanho da Amostra – ANOVA: Permite calcular o poder do teste ou o tamanho da amostra necessário para ter um determinado poder para o teste. Aqui o Teste Qui-quadrado de Pearson é utilizado para realizar os cálculos.
    • Poder e Tamanho da Amostra – Multinomial: Permite calcular o poder do teste de hipótese dado o tamanho da amostra ou calcular o tamanho da amostra necessário para ter um determinado poder para o teste, neste caso utilizamos o Teste Qui-Quadrado.
    • Intervalo de Confiança: Permite determinar o tamanho da amostra de uma população de modo a obter um erro amostral da média, previamente estipulado, com determinado grau de confiança.

    Séries Temporais

    • Análise Gráfica: Permite gerar uma análise gráfica onde é possível visualizar os gráficos da série temporal, da função de auto-correlação, da função de auto-correlação parcial e da covariância. Com o gráfico da série temporal é possível identificar de forma subjetiva se os dados apresentam algum comportamento especial, como por exemplo tendência ou sazonalidade. Já os gráficos da FAC e da FACP auxiliam na identificação de possíveis modelos para o ajuste dos dados.
    • Análise de Tendência:  Permite realizar testes não paramétricos(Teste de Wald-Wolfwitz, Cox-Stuart e Mann-Kendall) para verificar se a série apresentam tendência. Outra opção desta ferramenta, é ajustar modelos paramétricos para a tendência.
    • Modelo – Suavização Exponencial: Permite aplicar modelos de suavização exponencial para ajuste e realização de previsões. Estes métodos de previsão se baseia na ideia de que as observações passadas contêm informações relevantes sobre a padrão da série temporal. É possível escolher entre Médias Móveis Simples, Suavização Exponencial Simples, Suavização Exponencial de Holt, Suavização Exponencial de Holt-Winters e Automático.
    • Volatilidade: Permite ajustar os modelos ARCH e GARCH para a variância da série temporal. Estes modelos de volatilidade são muito utilizados na área econômica e financeira. É possível realizar um pré-ajuste aos dados com modelos ARIMA para tornar a série temporal estacionaria.
    • Cointegração: Permite aplicar a técnica de Cointegração a duas ou mais séries tempoais. A Cointegração é uma técnica baseada nos resíduos de um modelo de regressão e quando estes resíduos são estacionários, dizemos que as séries são cointegradas. É possível aplicar os métodos de Engle-Granger, Phillips-Ouliaris e Johansen.
    • Testes de Estacionariedade: Permite realizar os testes de Dickley-Fuller, o teste de Phillips-Perron e o teste KPPS para verificar a estacionariedade da série.
    • Testes de Sazonalidade: Permite realizar os testes de Kruskall-Wallis e o teste de Friedman para verificar a sazonalidade determinística em uma série temporal.

    Ferramentas da Qualidade

    • CEP – Gráficos por Variáveis: Permite gerar gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e Gráficos de Valores Individuais com Variação Entre e Dentro dos Grupos (I-MR-R ou I-MR-S). É possível realizar 8 testes para um diagnóstico mais avançado.
    • CEP – Gráficos por Atributos: Permite gerar gráficos p (proporção ou fração de defeituosos), np (número de defeituosos), c (número de defeitos na amostra) e u (taxa de defeitos por unidade).  É possível realizar 4 testes para um diagnóstico mais avançado.
    • CEP – Tamanho da Amostra: Permite determinar o tamanho da amostra através da curva característica de operação (CCO) para o gráfico  e para $x^2$ .
    • CEP – Pequenos Lotes: Permite criar a Carta Nominal (DNOM) e a Carta Padronizada  com quantidades pequenas de dados.CEP – CEP Multivariado: Permite criar os Gráficos de Controle Multivariado para estatística  de Holtelling e para a Variância Generalizada. Além disso, é possível analisar os casos com réplicas e com valores individuais.
    • MSA – Atributos: Um dos principais objetivos da análise dos sistemas de medição (MSA) por atributo está na compreensão e prevenção dos erros de classificação. A ferramenta Atributos do Action Stat permite criar proporções observadas, proporções esperadas, coeficiente Kappa, taxa de erro, taxa de falso alarme e a taxa de concordância.
    • MSA – Método Analítico: O método analítico para análise do sistema de medição permite classificar as peças como defeituosas ou não. Este método compara cada peça com um conjunto específico e aceita a peça se os limites são satisfeitos, caso contrário, rejeita-se a peça.
    • MSA – Variáveis – Estabilidade: Permite avaliar a estabilidade de um sistema de medição via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e Gráficos de Valores Individuais com Variação Entre e Dentro dos Grupos (I-MR-R ou I-MR-S).
    • MSA – Variáveis – RR: Permite calcular a repetitividade e reprodutibilidade de um sistema de medição. Podem ser utilizadas para estimar a variabilidade associada com o sistema de medição. É possível analisar utilizando efeitos cruzados ou hierárquicos.
    • MSA – Variáveis – Tendência e Linearidade: Permite analisar a tendência e linearidade do sistema de medição, as quais são propriedades estatísticas usadas para caracterizar a qualidade dos dados. Tendência refere-se a diferença entre a média observada e o valor de referência e a linearidade refere-se a diferença da tendência ao longo do intervalo de operação esperado (medição) no equipamento.
    • Análise de Capacidade – ID Plot: Permite verificar, dentre as distribuições, Normal, Log-Normal, Normal Truncada, Normal Dobrada, Exponencial, Logística, Gamma, Weibull, Cauchy, Gumbel, Rayleigh e Rice, a que melhor descreve a aleatoriedade de um conjunto de dados. Esta ferramenta permite a escolha via os gráficos QQPlot, Histograma e Função de Densidade e os testes de hipótese de Anderson-Darling, Cramer-von-Misses e Kolmogorov-Smirnov.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Normais): Permite avaliar a performance e a capacidade de um processo de produção através da Distribuição Normal de probabilidade. A análise pode ser feita via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e utilizando o método de Pooled quando amostra possui valores em branco.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Não Normais): Permite avaliar a performance de um processo de produção sobre determinada característica em situações em que a distribuição normal pode não se ajustar bem aos dados. Nessas situações, podemos encontrar uma distribuição de probabilidade alternativa, ou utilizar um método não-paramétrico. É possível escolher entre as distribuições Weibull, Exponencial, Log-normal, Não Paramétrico (Clementes), Não Paramétrico(Núcleo), Raylegh, Gumbel(Valor Extremo), Gamma, Logistica, Normal Truncada, Normal Dobrada, Normal Mista ou Rice.
    • Análise de Capacidade – Índices de Performance/Capacidade (Dados Discretos): Permite avaliar a capacidade de um processo em que observamos somente se as peças estão dentro ou fora das especificações, isto é, os dados observados são discretos. É possível escolher entre as distribuições de Poisson ou Binomial para realizar a análise.
    • Análise de Capacidade – Índices de Performance/Capacidade (Automático): Permite avaliar a performance/capacidade de um processo de produção utilizando o modelo que melhor se ajusta aos dados, dentre um grupo de modelos. A análise pode ser feita via gráficos de Média e Amplitude ( ), Média e Desvio Padrão ( ), Valores Individuais e Amplitudes Móveis (I-MR) e utilizando o método de Pooled quando amostra possui valores em branco. É possível gerar um relatório avançado com 8 testes diferentes para os gráficos.
    • Análise de Capacidade – Posição Real: Permite avaliar a capacidade de um processo de produção sujeito a uma tolerância de posição para determinada característica. É possível especificar alvos para X, Y e um diâmetro de tolerância.
    • Análise de Capacidade – Análise Multivariada: Permite avaliar a capacidade de um processo de produção sobre mais de uma característica utilizando o modelo normal multivariado.
    • Indicadores – Defeito por Unidade: Permite estimar a taxa de defeito por unidade de medida.
    • Indicadores – Defeitos por Milhão de Oportunidades: Permite calcular uma medida de desempenho do processo que leve em consideração o fato de que pode existir mais de um defeito em cada produto.
    • Ferramentas Básicas – Diagrama de Ishikawa: Permite organizar e representar as diferentes teorias propostas sobre as causas de um problema.
    • Ferramentas Básicas – Gráfico de Pareto: Permite criar gráficos de barras que ordena as frequências das ocorrências, da maior para a menor, permitindo a priorização de problemas. É possível agrupar os fatores com poucas frequências em uma única classe, com um percentual a ser escolhido.
    • Ferramentas Básicas – Gráfico de Barras: Pode ser gerado gráficos simples ou múltiplos separados por grupos.  Opcional de gráficos juntos ou separados (quando múltiplos gráficos) e exibição da frequência absoluta ou percentual.

    Confiabilidade

    • Estimador de Kaplan Meier: Permite gerar uma tabela com os índices de confiabilidade e Intervalo de Confiança para as falhas no decorrer do tempo. O estimador limite-produto, ou Kaplan-Meier como é usualmente chamado, é um estimador não-paramétrico para a função de confiabilidade.
    • Teste Acelerado: Permite estimar o MTTF (MTBF) e a função de confiabilidade. ​Os dados podem ser ajustados pela distribuição Weibull ou Log-Normal. Em Relação Estresse Resposta a Relação de Arrhenius é utilizada para modelar o tempo de falha, em que a variável de estresse é temperatura, por outro lado, a Relação Potencia Inversa é utilizada para qualquer tipo de variável estresse.
    • Overview para Confiabilidade: A ferramenta Overview para Confiabilidade gera estimativas dos parâmetros da distribuição ajustada, além de medidas de MTTF (tempo médio de falha), Desvio Padrão e Mediana. É também apresentado um gráfico com informações referentes a distribuição ajustada como densidade, confiabilidade, risco e a curva kaplan Meier.
    • ID Plot para Confiabilidade: Permite comparar os valores estimados pelo Kaplan Meier com o comportamento das distribuições Normal, Exponencial, Weibull, Log-normal e Valor Extremo. A partir do Papel de Probabilidade e da Correlação é possível verificar qual distribuição melhor descreve os dados.
    • Modelos de Confiabilidade: Permite escolher uma ou mais variáveis de estresse, qual podem ser numéricas, categóricas e numéricas ou categóricas. É possível selecionar a distribuição para o modelo e realizar previsões das variáveis do Tempo ou do Percento.
    • Plano de Determinação: Permite determinar o tamanho da amostra n que nos assegure uma probabilidade de erro adequada para o Caso 1 (Ensaiar o produto por t = Bq unidades de tempo) ou para o Caso 2 (Ensaiar o produto por t ≠ Bq unidades de tempo).

    Planejamento de Experimentos - DOE

    • Planejamento de Experimento: Permite estudar o comportamento dos fatores sobre a variável de interesse com o objetivo de determinar as variáveis que exercem maior influência no desempenho de um determinado processo. Os tipos de experimentos disponíveis são: Fatorial Completo, Fatorial em Blocos, Fatorial Fracionado, Box-Behnken, Composto Central ou Plackett Burman.
    • Gráfico Fatorial – Gráfico de Efeitos: Permite analisar o comportamento dos efeitos principais, os quais são definidos como  “a mudança ocorrida na resposta quando se move do nível baixo para o nível alto”.
    • Gráfico Fatorial – Gráfico de Interações: Permite identificar se a interação entre os fatores presentes é significativa ou não, ou seja, se há relação entres os fatores ou se eles são independentes. Neste tipo de planejamento, o mais utilizado dentro da indústria, estão envolvidos k fatores, cada um deles presente em apenas dois níveis.
    • Gráfico Fatorial – Gráfico de Cubo: O gráfico de Cubo leva em consideração um experimento fatorial em que temos a influência de três fatores numa determinada variável resposta, e cada fator assume dois níveis. Desta forma é possível analisar visualmente as possíveis soluções para o experimento.
    • Analisar Experimento – Com Replica: Para avaliar quais fatores são importantes para o experimento, é ajustado um modelo de regressão linear.  A ferramenta permite verificar se a variável explicativa possui relação linear com a variável resposta. A ferramenta gera algumas Estatísticas Descritivas para os resíduos (Média, Mínimo, Máximo e Quartis), o valor de R² ajustado, gráficos e opções para diagnosticar erro (Colinearidade, Multicolinearidade, Teste de Falta de Ajuste, Valores Atípicos, resíduos, Pontos Influentes e Análise de Resíduos). É possível gerar previsões para novas informações das variáveis.
    • Analisar Experimento – Sem Replica:

    Metrologia

    • Curva de Calibração: Permite analisar a relação entre duas ou mais variáveis com um modelo de Regressão Linear podendo ser linear ou polinomial. É possível calcular a tabela das incertezas devido à curva de calibração pelo Método Ingênuo, Método de Intervalo de Predição, Método da Projeção, Método Delta e Método Fieller. Podemos realizar um diagnóstico para verificar o Ajuste do Modelo, a Análise de Resíduos, Valores Atípicos, Pontos Influentes e o Teste da Falta de Ajuste.
    • Teste de Valor Extremo: Permite verificar, através do Teste de Grubbs, a presença de valores extremos na amostra. É possível separar a amostra por categorias para realizar a análise.
    • Interlaboratorial – Erros normalizados: Permite testar a compatibilidade dos resultados das medições do laboratório, operadores, grupos em geral, com respeito ao valor de referência. A ferramenta gera a Estatística W, algumas Estatísticas Descritivas, Teste de Valor Extremo, Erro normalizado e gráficos de tendência, boxplot e dispersão.
    • Interlaboratorial – Teste de Wald: Permite comparar a tendência aditiva e multiplicativa de cada laboratório com o valor de referência, através da estatística Wald.