O que o M&M's pode nos ensinar sobre confiar nos dados
Quase todos gostam de M&M's. Análise de dados? Essa é outra história. Para muitas pessoas, pode parecer abstrata ou intimidante.
Mas esses pequenos doces se revelam uma maneira surpreendentemente eficaz de tornar os dados práticos, visuais e fáceis de entender.
Para começar, usamos o teste de hipótese apropriado no Minitab Solution Center, que o orienta passo a passo com base em sua meta e tipo de dados. Depois disso, ficou fácil: bastava pesar alguns pacotes. Contar o que havia dentro. Acompanhar as cores. Procurar erros de impressão. Em pouco tempo, estávamos respondendo perguntas reais com números reais.
Os pesos dos pacotes são precisos?
Cada pequeno pacote de M&M's é rotulado como pesando 49,3 gramas.
Para verificar se essa afirmação se sustenta, pesamos 30 pacotes e usamos um teste t de uma amostra na Minitab, comparando o peso médio a 49,3 gramas.
Nossos resultados mostraram que o peso médio era de 52,040 gramas e nosso valor p era de 0,000. Como o valor p está muito abaixo de 0,05, podemos concluir com confiança que o peso médio dos pacotes não é de 49,3 gramas.
Nesse caso, isso é uma boa notícia. Os pacotes eram, na verdade, mais pesados em média, o que significa que os consumidores estão obtendo mais do que o que está impresso no rótulo.
Duas pessoas obteriam as mesmas medições?
Se duas pessoas pesarem exatamente os mesmos 30 pacotes usando a mesma balança, os resultados delas serão iguais?
Testamos isso usando um teste t pareado.
Como o valor p (0,394) é maior que 0,05, não há diferença significativa entre os dois conjuntos de medições. Em outras palavras, as medições são consistentes e repetíveis.
Quantos M&M's têm um “m” impresso incorretamente?
Cada M&M é carimbado com o “m” conhecido. Dada a superfície desigual de um M&M de amendoim, não é surpresa que alguns estejam imperfeitamente impressos.
Suponha que o requisito seja que não mais de 15% dos doces tenham um “m” impresso incorretamente.
Como o valor p está bem acima de 0,05, não temos evidências de que a taxa de erros de impressão exceda 15%. O nível de qualidade parece atender ao requisito.
Todas as cores são igualmente representadas?
Contamos as cores em nossa amostra de 622 doces e usamos o Graph Builder para criar um gráfico de setores:
Se todas as cores fossem distribuídas igualmente, esperaríamos cerca de 104 de cada cor.
Um teste qui-quadrado de aderência resultou em:
O valor p (0,000) prova que a distribuição de cores não é uniforme. Algumas cores aparecem com muito mais frequência do que outras em nossa amostra.
Mais doces significam mais peso?
Parece lógico que pacotes com mais M&M’s pesariam mais. Para testar essa ideia, examinamos a relação entre contagem e peso.
O gráfico de dispersão mostra uma tendência ascendente clara: à medida que o número de doces aumenta, o peso também aumenta.
O sistema de medição é confiável?
Também conduzimos um estudo de medição de R&R, medindo 10 pacotes duas vezes em ordem aleatória.
A variação total de medição R&R foi de 1,14%. Como está bem abaixo do padrão de 10%, muito pouca variação vem do próprio processo de medição. O sistema de medição é considerado aceitável.
Pronto para aplicar esse nível de clareza à área da saúde?
Este exemplo simples mostra como as ferramentas certas podem guiá-lo rapidamente de uma pergunta a uma resposta defensável.
Agora imagine essa mesma abordagem estruturada aplicada à qualidade clínica, desempenho operacional ou resultados dos pacientes.
Entre em contato com um especialista da Minitab para explorar como o Minitab Solution Center pode apoiar decisões na área da saúde mais inteligentes e baseadas em dados.
