Vedlegg 9 - Session Info
## R version 4.1.2 (2021-11-01)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 19043), RStudio 2021.9.2.382
##
## Locale:
## LC_COLLATE=Norwegian Bokmål_Norway.1252
## LC_CTYPE=Norwegian Bokmål_Norway.1252
## LC_MONETARY=Norwegian Bokmål_Norway.1252
## LC_NUMERIC=C
## LC_TIME=Norwegian Bokmål_Norway.1252
## system code page: 65001
##
## Package version:
## abind_1.4-5 askpass_1.1
## assertthat_0.2.1 backports_1.4.1
## base64enc_0.1-3 bit_4.0.4
## bit64_4.0.5 blob_1.2.2
## bmp_0.3 bookdown_0.24
## boot_1.3.28 brio_1.1.3
## broom_0.7.11 bslib_0.3.1
## callr_3.7.0 car_3.0-12
## carData_3.0-5 caret_6.0.90
## cellranger_1.1.0 class_7.3.19
## cli_3.1.0 clipr_0.7.1
## codetools_0.2.18 colorspace_2.0-2
## compiler_4.1.2 conquer_1.2.1
## corrplot_0.92 cowplot_1.1.1
## cpp11_0.4.2 crayon_1.4.2
## curl_4.3.2 data.table_1.14.2
## DBI_1.1.2 dbplyr_2.1.1
## desc_1.4.0 diffobj_0.3.5
## digest_0.6.29 downloader_0.4
## dplyr_1.0.7 dtplyr_1.2.1
## e1071_1.7.9 ellipsis_0.3.2
## evaluate_0.14 extrafont_0.17
## extrafontdb_1.0 fansi_1.0.2
## farver_2.1.0 fastmap_1.1.0
## flextable_0.6.10 forcats_0.5.1
## foreach_1.5.1 foreign_0.8.81
## fs_1.5.2 future_1.23.0
## future.apply_1.8.1 gargle_1.2.0
## gdtools_0.2.3 generics_0.1.1
## ggforce_0.3.3 ggfortify_0.4.14
## ggplot2_3.3.5 ggpubr_0.4.0
## ggrepel_0.9.1 ggsci_2.9
## ggsignif_0.6.3 globals_0.14.0
## glue_1.6.0 googledrive_2.0.0
## googlesheets4_1.0.0 gower_0.2.2
## graphics_4.1.2 grDevices_4.1.2
## grid_4.1.2 gridExtra_2.3
## gtable_0.3.0 haven_2.4.3
## here_1.0.1 highr_0.9
## hms_1.1.1 hrbrthemes_0.8.0
## htmltools_0.5.2 httr_1.4.2
## ids_1.0.1 igraph_1.2.11
## imager_0.42.11 ipred_0.9.12
## isoband_0.2.5 iterators_1.0.13
## jpeg_0.1-9 jquerylib_0.1.4
## jsonlite_1.7.3 kableExtra_1.3.4
## KernSmooth_2.23.20 knitr_1.37
## labeling_0.4.2 lattice_0.20-45
## lava_1.6.10 lifecycle_1.0.1
## listenv_0.8.0 lme4_1.1.27.1
## lubridate_1.8.0 magrittr_2.0.1
## maptools_1.1.2 MASS_7.3-54
## Matrix_1.3-4 MatrixModels_0.5.0
## matrixStats_0.61.0 methods_4.1.2
## mgcv_1.8.38 mime_0.12
## minqa_1.2.4 ModelMetrics_1.2.2.2
## modelr_0.1.8 munsell_0.5.0
## nlme_3.1.153 nloptr_1.2.2.3
## nnet_7.3.16 normtest_1.1
## nortest_1.0-4 numDeriv_2016.8.1.1
## officer_0.4.1 openssl_1.4.6
## packrat_0.7.0 pacman_0.5.1
## parallel_4.1.2 parallelly_1.30.0
## pbkrtest_0.5.1 pillar_1.6.4
## pkgconfig_2.0.3 pkgload_1.2.4
## plotrix_3.8-2 plyr_1.8.6
## png_0.1-7 polyclip_1.10-0
## polynom_1.4.0 praise_1.0.0
## prettyunits_1.1.1 pROC_1.18.0
## processx_3.5.2 prodlim_2019.11.13
## progress_1.2.2 progressr_0.10.0
## proxy_0.4.26 ps_1.6.0
## purrr_0.3.4 qcc_2.7
## qicharts2_0.7.2 quadprog_1.5-8
## quantmod_0.4.18 quantreg_5.86
## R6_2.5.1 rappdirs_0.3.3
## RColorBrewer_1.1.2 Rcpp_1.0.8
## RcppArmadillo_0.10.7.5.0 RcppEigen_0.3.3.9.1
## RcppTOML_0.1.7 readbitmap_0.1.5
## readr_2.1.1 readxl_1.3.1
## recipes_0.1.17 rematch_1.0.1
## rematch2_2.1.2 remotes_2.4.2
## reprex_2.0.1 reshape2_1.4.4
## reticulate_1.23 rJava_1.0-6
## rlang_0.4.12 rmarkdown_2.11
## rpart_4.1.15 rprojroot_2.0.2
## rsconnect_0.8.25 rstatix_0.7.0
## rstudioapi_0.13 Rttf2pt1_1.3.9
## rvest_1.0.2 sass_0.4.0
## scales_1.1.1 selectr_0.4.2
## SixSigma_0.10.3 sp_1.4.6
## SparseM_1.81 splines_4.1.2
## SQUAREM_2021.1 stats_4.1.2
## stats4_4.1.2 stringi_1.7.6
## stringr_1.4.0 survival_3.2.13
## svglite_2.0.0 sys_3.4
## systemfonts_1.0.3 testthat_3.1.1
## tibble_3.1.6 tidyr_1.1.4
## tidyselect_1.1.1 tidyverse_1.3.1
## tiff_0.1-10 timeDate_3043.102
## tinytex_0.36 tools_4.1.2
## truncnorm_1.0-8 tseries_0.10-49
## TTR_0.24.3 tweenr_1.0.2
## tzdb_0.2.0 utf8_1.2.2
## utils_4.1.2 uuid_1.0-3
## vctrs_0.3.8 viridisLite_0.4.0
## vroom_1.5.7 waldo_0.3.1
## webshot_0.5.2 withr_2.4.3
## writexl_1.4.0 xfun_0.29
## xlsx_0.6.5 xlsxjars_0.6.1
## xml2_1.3.3 xtable_1.8-4
## xts_0.12.1 yaml_2.2.1
## zip_2.2.0 zoo_1.8-9
Strengt tatt bruker vi R og RStudio, men dette vil bli forklart i vedlegget som omhandler nedlasting og installasjon av disse. R er programvaren og motoren, RStudio er brukergrensesnittet vi legger utenpå R som gjør det langt enklere å bruke↩︎
Vi viser til Excel, men man kan like gjerne bruke Apache Open Office, en gratis programvarepakke som inkluderer Calc. Videoene hvor vi viser framgangsmåte i Excel kan enkelt brukes med Calc (selv om mindre forskjeller kan eksistere).↩︎
Vi er ikke kjent med tilsvarende tilleggsprogram for Open Office Calc.↩︎
Et annet eksempel på tilsvarende tillegg til Excel er XLSTAT↩︎
Analyse-It som inkluderer kvalitetsmodulen koster i skrivende stund $ 249 for en årlig lisens, eller $ 649 for en permanent lisens.↩︎
Om man vil ha et gratis alternativ for statistiske analyser som legger seg i Excel kan også Real Statistics Resource Pack være et ok alternativ, men dette tillegget har ikke noen funksjonalitet for statistisk prosesskontroll↩︎
Sosio-teknisk systemteori belyser nettopp samspillet mellom sosiale/menneskelige og tekniske faktorer i organisasjonsutvikling. Klassisk litteratur på dette omfatter f.eks. Burns and Stalker (1961), Trist and Bamforth (1951) og Woodward (1958) - se f.eks. Appelbaum (1997) for en god og oversiktlig introduksjon til temaet.↩︎
I vedlegg 9 har vi oversatt og gjengitt 14 dimensjoner ved implementering av SPC fra (ConceptualizingOrganizationalImplementation1997?)↩︎
Eksempelet er modifisert fra Carey (2003). Se også Anhøj (2009) og NHS (2009)↩︎
Hvis du ønsker å bruke R og koden må du laste ned fila og lagre den i samme mappe som din R-fil/ditt R-prosjekt ligger - se forøvrig vedlegg om installasjon av R/RStudio for tips om organisering av filer↩︎
Illustrasjonen er modifisert fra Montgomery (2020), jfr. Leavengood and Reeb (2015a)↩︎
Matematisk sett vil standardavviket ved å legge til n uavhengige tilfeldige observasjoner øke med kvadratroten av n ganger standardavviket for den individuelle observasjonen. Samlet sett dobles variansen, hvilket gir 1,4 ganger høyere standardavvik (siden standardavvik er kvadratroten av variansen, og \(\sqrt{2}\) \(\approx\) 1.4↩︎
R-kode for utregning av areal mellom to x-verdier i en normalfordeing (=sannsynlighet for at en gitt x-verdi ligger i intervallet mellom de to x-verdiene): pnorm(2,mean=0,sd=1)-pnorm(-2,mean=0,sd=1)↩︎
pnorm(3,mean=0,sd=1)-pnorm(-3,mean=0,sd=1)↩︎
Normalfordelingen er dessuten en god tilnærming til binomialfordeling med høyt antall observasjoner (høy n), og også til poissonfordeling med høy frekvens. Dette forfølger vi imidlertid ikke videre i dette kompendiet.↩︎
Chebyshevs teorem vil imidlertid gjelde for alle datasett. Teoremet belyses i eget vedlegg for de spesielt interesserte↩︎
Det er tildels stor uenighet om hvor alvorlig avvik fra normalfordelingens teoretiske forventning man kan være for likevel å bruke ulike statistiske analyser. Mange analyser er ganske robuste for avvik. Det beste rådet tror vi er å være bevisst på dette og sjekke med statistikkbøker og artikler hvor robuste de enkelte analysene er for avvik↩︎
Gitt at vi har valgt 5% signifikansnivå↩︎
I norsk litteratur og nettsteder brukes ofte betegnelsen «run diagram» (se f.eks. Brudvik (2009)). Selv om vi ikke har noe religiøst forhold til å finne norske begreper på ethvert engelsk begrep mener vi likevel begrepet seriediagram er et mer intuitivt begrep enn «run diagram».↩︎
Har man en serie med oddetall observasjoner vil medianverdien utgjøres av et punkt, mens om man har et partall observasjoner utgjør gjennomsnittet av de to nærmest midten medianverdien.↩︎
I en prosess som er tilfeldig vil det være 50-50 sjanse for å krysse medianlinjen mellom to punkter som kommer etter hverandre. Det totale antallet krysninger har således en binomialfordeling (Anhøj 2015)↩︎
Dette er nærmere drøftet i kapittel 4 og 5↩︎