Veri Türleri ve Ölçek Türleri Nedir?

Kalite yönetimi, istatistik ve bilimsel araştırmalarda doğru karar verebilmenin temeli doğru veriyi doğru biçimde toplamak ve analiz etmektir. "Garbage in, garbage out" (çöp girer, çöp çıkar) prensibi burada devreye girer: Yanlış sınıflandırılmış veya hatalı ölçülen veriler üzerinde yapılan en gelişmiş istatistiksel analiz bile anlamsız sonuçlar üretir. Bu nedenle veri türlerini ve ölçek türlerini bilmek, Six Sigma projelerinden SPC uygulamalarına, hipotez testlerinden kontrol diyagramı seçimine kadar her aşamada kritik bir yetkinliktir.

Bu rehberde veri türleri ile ölçek türlerini detaylı bir biçimde ele alacak, her birini üretim ve kalite yönetimi örnekleriyle somutlaştıracak ve doğru istatistiksel test ile kontrol diyagramı seçimini adım adım göstereceğiz.

Veri Neden Bu Kadar Önemli?

Endüstriyel bir üretim hattında her gün binlerce veri noktası üretilir: parça ölçüleri, hata sayıları, makine sıcaklıkları, müşteri memnuniyeti puanları, vardiya bilgileri ve daha fazlası. Bu verilerin doğru sınıflandırılması, hangi istatistiksel aracın kullanılacağını doğrudan belirler.

Veri sınıflandırmasının kritik olduğu alanlar:

SPC kontrol diyagramı seçimi: Değişken veri mi, öznitelik veri mi olduğuna göre farklı kontrol diyagramları kullanılır.
Hipotez testi seçimi: t-testi mi, Ki-kare testi mi, ANOVA mı uygulanacağı veri türüne bağlıdır.
Merkezi eğilim ölçüsü: Ortalama mı, medyan mı, mod mu kullanılacağı ölçek türüne göre değişir.
Six Sigma projeleri: DMAIC döngüsünde Measure aşamasında veri türünü belirlemek ilk adımdır.

Kısacası verinin ne olduğunu bilmeden, veriyle ne yapılacağını bilmek mümkün değildir.

Nicel (Quantitative) ve Nitel (Qualitative) Veri Ayrımı

Tüm veriler temelde iki ana gruba ayrılır: nicel (sayısal/quantitative) ve nitel (kategorik/qualitative) veri.

Nicel Veri (Quantitative Data)

Nicel veri, sayısal değerlerle ifade edilen ve matematiksel işlemlere tabi tutulabilen veri türüdür. Ölçme, sayma veya hesaplama yoluyla elde edilir.

Kalite yönetiminde nicel veri örnekleri:

Parça çapı: 25,03 mm
Ürün ağırlığı: 150,7 gram
Proses sıcaklığı: 185,4 derece Celsius
Günlük hata sayısı: 12 adet
Çekme dayanımı: 340 MPa

Nitel Veri (Qualitative Data)

Nitel veri, kategorilere veya gruplara ayrılan, sayısal olarak ifade edilemeyen (veya sayısal ifadesi anlamlı matematiksel işlem taşımayan) veri türüdür.

Kalite yönetiminde nitel veri örnekleri:

Hata tipi: Çizik, çapak, renk farkı, boyut hatası
Vardiya: A vardiyası, B vardiyası, C vardiyası
Uygunluk durumu: Uygun / Uygun değil
Müşteri memnuniyeti: Çok memnun, Memnun, Kararsız, Memnun değil

Özellik	Nicel Veri	Nitel Veri
Doğası	Sayısal	Kategorik
Matematiksel işlem	Toplama, çıkarma, ortalama alınabilir	Yalnızca sayılabilir, frekans hesaplanabilir
Ölçek türleri	Interval, Ratio	Nominal, Ordinal
Kalite örneği	Mil çapı: 25,02 mm	Hata türü: Çizik
SPC diyagramı	X-bar/R, X-bar/S, I-MR	p, np, c, u diyagramları

Sürekli (Continuous) ve Kesikli (Discrete) Veri

Nicel veriler kendi içinde sürekli ve kesikli olmak üzere ikiye ayrılır. Bu ayrım, özellikle SPC kontrol diyagramı seçiminde doğrudan belirleyicidir.

Sürekli Veri (Continuous Data)

Belirli bir aralıkta sonsuz sayıda değer alabilir. Ölçüm yoluyla elde edilir. Değerler arasında her zaman daha hassas bir değer bulunabilir.

Örnekler:

Parça uzunluğu: 100,00 mm ile 100,01 mm arasında sonsuz değer olabilir
Ürün ağırlığı: 499,8 g, 499,85 g, 499,852 g...
Proses sıcaklığı: 185,0 derece C ile 186,0 derece C arasında herhangi bir değer
Basınç: 4,52 bar, 4,523 bar...

Kesikli Veri (Discrete Data)

Yalnızca belirli (genellikle tam sayı) değerler alabilir. Sayma yoluyla elde edilir. Değerler arasında ara değer yoktur.

Örnekler:

Partide bulunan hatalı ürün sayısı: 0, 1, 2, 3...
Bir üründeki kusur sayısı: 0, 1, 2, 3...
Müşteri şikayet sayısı: 5 adet (5,5 adet olamaz)
Ret edilen lot sayısı: 2 lot

Özellik	Sürekli Veri	Kesikli Veri
Değer aralığı	Sonsuz ara değer alabilir	Yalnızca belirli değerler alabilir
Elde etme yöntemi	Ölçme (measuring)	Sayma (counting)
Ondalık değer	Anlamlıdır	Genellikle tam sayıdır
Kalite örneği	Mil çapı: 25,032 mm	Lot başına hata sayısı: 3
SPC diyagramı	X-bar/R, X-bar/S, I-MR	p, np, c, u
Hassasiyet	Ölçüm aletinin hassasiyetine bağlı	Doğal olarak kesindir

Dört Ölçek Türü: Nominal, Ordinal, Interval, Ratio

Veri ölçek türleri, verilerin sahip olduğu matematiksel özelliklere göre dört kademeli bir hiyerarşi oluşturur. Her üst kademe, alt kademenin tüm özelliklerini taşır ve üzerine yeni özellikler ekler. Bu hiyerarşiyi anlamak, verinize uygulanabilecek istatistiksel analizleri belirler.

1. Nominal Ölçek (Nominal Scale)

Nominal ölçek, verilerin yalnızca adlandırılarak kategorilere ayrıldığı en temel ölçek türüdür. Kategoriler arasında sıralama, büyüklük veya eşit aralık ilişkisi yoktur. Veriler birbirinden farklıdır ancak "daha fazla" ya da "daha az" denilemez.

Temel özellikleri:

Kategorilere ayırma (sınıflama) yapılabilir
Eşitlik/eşitsizlik karşılaştırması yapılabilir (= veya =/=)
Sıralama yapılamaz
Aritmetik işlem anlamsızdır

Kalite ve üretim örnekleri:

Hata tipi kodları: Kod 1 = Çizik, Kod 2 = Çapak, Kod 3 = Renk farkı, Kod 4 = Boyut hatası. Buradaki sayılar yalnızca etiketlerdir; Kod 3, Kod 1'den "büyük" değildir.
Vardiya bilgisi: A vardiyası, B vardiyası, C vardiyası. Aralarında doğal bir sıralama yoktur.
Makine numarası: Makine 1, Makine 2, Makine 3. Numara büyüklüğü, makinenin herhangi bir özelliğini ifade etmez.
Tedarikçi kodu: T-001, T-002, T-003.
Uygunluk durumu: Uygun / Uygun Değil (ikili nominal, diğer adıyla dikotomik).

Kullanılabilecek istatistikler: Frekans, yüzde, mod, Ki-kare testi.

2. Ordinal Ölçek (Ordinal Scale)

Ordinal ölçek, nominal ölçeğin üzerine sıralama (büyüklük) özelliği ekler. Kategoriler arası doğal bir sıra vardır ancak kategoriler arasındaki mesafe (aralık) eşit veya ölçülebilir değildir.

Temel özellikleri:

Kategorilere ayırma yapılabilir
Sıralama yapılabilir (< veya >)
Aralıklar eşit değildir veya bilinmez
Toplama ve çıkarma anlamsızdır

Kalite ve üretim örnekleri:

Müşteri memnuniyet skalası: 1 = Çok memnun değil, 2 = Memnun değil, 3 = Kararsız, 4 = Memnun, 5 = Çok memnun. "5" ile "4" arasındaki memnuniyet farkı, "2" ile "1" arasındaki farkla eşit olmak zorunda değildir.
Hata sınıflandırma: Kritik > Majör > Minör. Sıralama açıktır ancak bir "Kritik" hatanın kaç "Minör" hataya eşit olduğu söylenemez.
Yüzey kalitesi değerlendirmesi: Mükemmel > İyi > Orta > Kötü.
Operatör yetkinlik seviyesi: Uzman > İleri > Orta > Başlangıç.
Risk öncelik derecesi: Yüksek risk > Orta risk > Düşük risk.

Kullanılabilecek istatistikler: Frekans, yüzde, mod, medyan, yüzdelik dilimler, Spearman korelasyonu, Mann-Whitney U testi, Kruskal-Wallis testi.

3. Interval Ölçek (Interval Scale)

Interval ölçek, ordinal ölçeğe eşit aralıklar özelliğini ekler. Birimler arası mesafe eşit ve anlamlıdır. Ancak gerçek bir sıfır noktası yoktur, bu nedenle oran hesabı yapılamaz.

Temel özellikleri:

Kategorilere ayırma yapılabilir
Sıralama yapılabilir
Eşit aralıklar mevcuttur (farklar anlamlıdır)
Gerçek sıfır yoktur, bu nedenle oran karşılaştırması yapılamaz
Toplama ve çıkarma yapılabilir; çarpma ve bölme oran olarak anlamsızdır

Kalite ve üretim örnekleri:

Sıcaklık (Celsius/Fahrenheit): 20 derece C ile 30 derece C arasındaki fark, 30 derece C ile 40 derece C arasındaki farkla aynıdır (10 derece). Ancak 40 derece C, 20 derece C'nin "iki katı sıcak" değildir, çünkü 0 derece C gerçek bir sıfır noktası değildir (sıcaklık yokluğu anlamına gelmez).
Takvim tarihi/saat: 2 Ocak ile 4 Ocak arasındaki fark = 4 Ocak ile 6 Ocak arasındaki fark (2 gün). Ancak 4 Ocak, 2 Ocak'ın "iki katı zaman" değildir.
IQ puanı, standart test puanları: 100 ile 110 arasındaki fark, 120 ile 130 arasındaki farkla eşittir. 0 IQ puanı "sıfır zeka" anlamına gelmez.

Not: Pratikte sıcaklık Kelvin cinsinden ölçüldüğünde gerçek sıfır noktasına sahip olduğundan ratio ölçeğe dönüşür.

Kullanılabilecek istatistikler: Ortalama, standart sapma, Pearson korelasyonu, t-testi, ANOVA, regresyon analizi.

4. Ratio Ölçek (Ratio Scale)

Ratio ölçek, interval ölçeğe gerçek (mutlak) sıfır noktası ekleyen en gelişmiş ölçek türüdür. Sıfır değeri "yokluk" anlamına gelir. Bu sayede oran karşılaştırmaları anlamlıdır ve tüm matematiksel işlemler yapılabilir.

Temel özellikleri:

Kategorilere ayırma yapılabilir
Sıralama yapılabilir
Eşit aralıklar mevcuttur
Gerçek sıfır noktası vardır (oran karşılaştırması yapılabilir)
Tüm matematiksel işlemler (toplama, çıkarma, çarpma, bölme) anlamlıdır

Kalite ve üretim örnekleri:

Ağırlık: 100 gram, 50 gramın tam iki katıdır. 0 gram = hiç ağırlık yok.
Uzunluk/ölçü: Mil çapı 25,00 mm. 0 mm = sıfır uzunluk.
Hata sayısı: Bir partide 0 hata = hiç hata yok. 10 hata, 5 hatanın iki katıdır.
PPM (Parts per Million): 50 ppm, 25 ppm'in iki katı kusur oranıdır.
Çevrim süresi: 45 saniye, 15 saniyenin üç katı süre demektir. 0 saniye = hiç süre yok.
Basınç (mutlak): 0 bar = basınç yokluğu.
Sıcaklık (Kelvin): 0 K = mutlak sıfır, enerjinin yokluğu.
Cp/Cpk değerleri: Proses yeterlilik indeksleri gerçek sıfıra sahiptir.

Kullanılabilecek istatistikler: Tüm istatistiksel yöntemler -- geometrik ortalama, harmonik ortalama, varyasyon katsayısı dahil olmak üzere her türlü analiz uygulanabilir.

Dört Ölçek Türünün Karşılaştırma Tablosu

Aşağıdaki tablo, dört ölçek türünün tüm temel özelliklerini, izin verilen istatistikleri ve kalite yönetiminden örnekleri bir arada sunar.

Özellik	Nominal	Ordinal	Interval	Ratio
Sınıflama	Var	Var	Var	Var
Sıralama	Yok	Var	Var	Var
Eşit aralık	Yok	Yok	Var	Var
Gerçek sıfır	Yok	Yok	Yok	Var
Merkezi eğilim	Mod	Mod, Medyan	Mod, Medyan, Ortalama	Mod, Medyan, Ortalama, Geometrik Ort.
Dağılım ölçüsü	Frekans tablosu	Yüzdelikler, IQR	Standart sapma, Varyans	Tümü + Varyasyon katsayısı
Toplama/Çıkarma	Anlamsız	Anlamsız	Anlamlı	Anlamlı
Çarpma/Bölme (Oran)	Anlamsız	Anlamsız	Anlamsız	Anlamlı
Kalite örneği	Hata tipi kodu, Vardiya	Memnuniyet skoru, Hata sınıfı	Sıcaklık (Celsius), Tarih	Ağırlık, Uzunluk, PPM, Hata sayısı
Parametrik test	Hayır	Hayır	Evet	Evet
Non-parametrik test	Ki-kare	Mann-Whitney, Kruskal-Wallis	Uygulanabilir	Uygulanabilir

Veri Türüne Göre Doğru İstatistiksel Test Seçimi

Doğru istatistiksel testi seçmek, veri türünüzü bilmekle başlar. Aşağıdaki tablo, yaygın analiz senaryolarında hangi testlerin kullanılacağını gösterir.

Analiz Amacı	Nitel/Nominal Veri	Ordinal Veri	Nicel (Interval/Ratio) Veri
Tek grup dağılım testi	Ki-kare uyum testi	Tek örneklem Wilcoxon	Tek örneklem t-testi
İki bağımsız grup karşılaştırması	Ki-kare bağımsızlık testi	Mann-Whitney U testi	Bağımsız örneklem t-testi
İki bağımlı grup karşılaştırması	McNemar testi	Wilcoxon işaretli sıralar testi	Eşleştirilmiş t-testi
Üç veya daha fazla bağımsız grup	Ki-kare testi	Kruskal-Wallis testi	Tek yönlü ANOVA
Üç veya daha fazla bağımlı grup	Cochran Q testi	Friedman testi	Tekrarlı ölçümler ANOVA
İki değişken arası ilişki	Cramer's V, Phi katsayısı	Spearman korelasyonu	Pearson korelasyonu
Tahmin modeli	Lojistik regresyon	Ordinal regresyon	Doğrusal regresyon

Pratikte karar verme süreci:

Bağımlı değişkeninizin veri türünü belirleyin (nominal, ordinal, interval, ratio).
Grup sayısını belirleyin (tek grup, iki grup, üç ve üzeri grup).
Grupların bağımlı mı bağımsız mı olduğunu kontrol edin.
Normal dağılım varsayımını test edin (nicel veriler için).
Varsayım sağlanıyorsa parametrik, sağlanmıyorsa non-parametrik test uygulayın.

Size Uygun Eğitimi Bulun

Bireysel mi yoksa kurumsal mı eğitim arıyorsunuz?

Veri Türüne Göre SPC Kontrol Diyagramı Seçimi

SPC (Statistical Process Control) uygulamalarında doğru kontrol diyagramını seçmek, veri türüne doğrudan bağlıdır. Veri türü yanlış belirlenirse yanlış diyagram kullanılır ve bu da süreç hakkında hatalı kararlar alınmasına yol açar.

Değişken (Variable) Veri Kontrol Diyagramları

Değişken veri, sürekli ölçüm verileri için kullanılır. Bu veriler interval veya ratio ölçektedir.

Kontrol Diyagramı	Alt Grup Büyüklüğü	Kullanım Alanı	Kalite Örneği
X-bar / R	2-10 (tipik: 5)	Sürekli veri, küçük alt gruplar	Her yarım saatte 5 parçanın mil çapı ölçümü
X-bar / S	>10	Sürekli veri, büyük alt gruplar	25'lik örneklemde yüzey pürüzlülüğü ölçümü
I-MR (Bireysel-Hareketli Aralık)	1	Sürekli veri, tek ölçüm	Kimyasal konsantrasyon, proses sıcaklığı

Öznitelik (Attribute) Veri Kontrol Diyagramları

Öznitelik veri, sayma verileri ve kategorik veriler için kullanılır. Genellikle nominal veya ordinal ölçekteki verilerdir.

Kontrol Diyagramı	Veri Türü	Alt Grup Büyüklüğü	Kalite Örneği
p diyagramı	Hatalı oranı (proportion)	Değişken olabilir	Partilerdeki hatalı ürün oranı (% olarak)
np diyagramı	Hatalı sayısı	Sabit	Her 100 birimlik lotta bulunan hatalı ürün adedi
c diyagramı	Hata (kusur) sayısı	Sabit alan/birim	Bir metrekarelik kumaştaki leke sayısı
u diyagramı	Hata yoğunluğu	Değişken alan/birim	Farklı boyuttaki devrelerdeki lehim hatası yoğunluğu

Karar kuralı:

Veriniz ölçüm verisi mi (uzunluk, ağırlık, sıcaklık)? Evet ise değişken veri diyagramı kullanın.
Veriniz sayma verisi mi (hatalı sayısı, kusur sayısı)? Evet ise öznitelik veri diyagramı kullanın.
Hatalı "birim" mi sayıyorsunuz? Evet ise p veya np.
Bir birimdeki "kusur (hata) sayısını" mı sayıyorsunuz? Evet ise c veya u.

SPC'de Değişken Veri vs Öznitelik Veri

SPC terminolojisinde veriler "değişken (variable)" ve "öznitelik (attribute)" olarak iki ana kategoriye ayrılır. Bu sınıflandırma, istatistik ölçek türleriyle doğrudan ilişkilidir.

Değişken veri (Variable Data):

Sürekli ölçek üzerinde yer alır
Interval veya ratio ölçeğindedir
Ölçüm cihazıyla elde edilir (kumpas, mikrometre, terazi, termometre)
Daha fazla bilgi içerir, bu nedenle daha küçük örneklem büyüklüğüyle bile anlamlı sonuç verir
Proses yeterliliği (Cp, Cpk) hesaplanabilir

Öznitelik veri (Attribute Data):

Kesikli (sayma) veya kategorik veridir
Nominal veya ordinal ölçeğindedir
Sayma veya görsel muayene ile elde edilir (geçti/kaldı, hata var/yok)
Daha az bilgi içerir, bu nedenle daha büyük örneklem büyüklüğü gerektirir
Doğrudan Cp/Cpk hesaplanamaz (eşdeğer metrikler kullanılır)

Avantaj karşılaştırması:

Mümkün olduğunda değişken veri toplamak tercih edilmelidir. Örneğin bir boya kalınlığı kontrol sürecinde "uygun/uygun değil" şeklinde öznitelik veri toplamak yerine, mikrometre ile gerçek kalınlık değerini ölçerek değişken veri toplamak, süreç hakkında çok daha fazla bilgi sağlar ve daha erken uyarı verir.

Pratik Örnekler: Üretim ve Kalite Senaryoları

Senaryo 1: Otomotiv Parça Üretimi

Bir otomotiv fabrikasında fren diski üretim hattında toplanan veriler:

Disk kalınlığı (mm): Ratio ölçek, sürekli veri. X-bar/R diyagramı ile izlenir. Cp/Cpk hesaplanır.
Yüzey pürüzlülüğü derecesi (Ra): Ratio ölçek, sürekli veri. I-MR diyagramı ile izlenebilir.
Hata türü (çatlak, boşluk, yüzey hatası): Nominal ölçek, nitel veri. Pareto analizi ile en sık hata türü belirlenir.
Hata sayısı (her diskteki toplam kusur): Ratio ölçek, kesikli veri. c diyagramı ile izlenir.
Operatör değerlendirmesi (İyi/Kabul edilebilir/Ret): Ordinal ölçek, nitel veri.

Senaryo 2: Gıda Üretim Tesisi

Bir süt işleme tesisinde toplanan veriler:

Pastörizasyon sıcaklığı (Celsius): Interval ölçek, sürekli veri. I-MR diyagramı ile izlenir.
Ambalaj ağırlığı (gram): Ratio ölçek, sürekli veri. X-bar/R diyagramı kullanılır.
Üretim hattı numarası (Hat 1, Hat 2, Hat 3): Nominal ölçek, nitel veri.
Tat paneli skoru (1-10): Ordinal ölçek (eşit aralık varsayılmadığında), nitel veri.
Partide koliform bakteri sayısı: Ratio ölçek, kesikli veri. c veya u diyagramı kullanılır.

Senaryo 3: Elektronik Kart Üretimi

Bir SMT (Surface Mount Technology) hattında toplanan veriler:

Lehim pastası kalınlığı (mikron): Ratio ölçek, sürekli veri. SPC ile izlenir.
Karttaki lehim hatası sayısı: Ratio ölçek, kesikli veri. u diyagramı (kart boyutu değişken olduğundan).
Hatalı kart oranı (defective rate): Ratio ölçek, kesikli veri (oran). p diyagramı ile izlenir.
Hata sınıfı (Class 1, Class 2, Class 3 / IPC standardı): Ordinal ölçek, nitel veri.
Makine/Hat tanımı: Nominal ölçek, nitel veri.

Sıkça Sorulan Sorular (FAQ)

Nominal ve ordinal ölçek arasındaki temel fark nedir?

Nominal ölçekte kategoriler yalnızca adlandırılır ve aralarında herhangi bir sıralama yoktur (hata tipi kodları gibi). Ordinal ölçekte ise kategoriler arasında doğal bir sıralama mevcuttur (düşük-orta-yüksek gibi) ancak kategoriler arası mesafe eşit veya ölçülebilir değildir. Örneğin hata türleri (çizik, çapak, renk) nominal; hata şiddeti (minör, majör, kritik) ordinal ölçektedir.

Interval ile ratio ölçek arasındaki fark neden önemlidir?

Temel fark gerçek sıfır noktasının varlığıdır. Interval ölçekte sıfır, "yokluk" anlamına gelmez (0 derece Celsius sıcaklık yokluğu değildir). Ratio ölçekte sıfır gerçek yokluktur (0 kg ağırlık yokluğudur). Bu fark, oran karşılaştırmaları açısından kritiktir: 100 kg, 50 kg'ın iki katı ağırlıktır denilebilir (ratio); ancak 40 derece C, 20 derece C'nin iki katı sıcak denilemez (interval).

Likert ölçeği hangi ölçek türüne girer?

Likert ölçeği (1 = Kesinlikle katılmıyorum ... 5 = Kesinlikle katılıyorum) temelde ordinal ölçektir, çünkü kategoriler arası mesafenin eşit olduğu garanti edilemez. Ancak pratikte birçok araştırmacı, yeterli sayıda maddeye sahip Likert ölçeklerinin toplam puanlarını interval ölçek gibi işlem yaparak parametrik testler uygular. Bu, akademik tartışma konusudur ve araştırmanın bağlamına göre karar verilmelidir.

SPC'de neden değişken veri tercih edilir?

Değişken (sürekli) veri, öznitelik (kategorik/sayma) veriye göre daha fazla bilgi taşır. Bir ürünü "uygun/uygun değil" olarak sınıflandırmak yerine gerçek ölçüm değerini kaydetmek, süreçteki kaymaları ve eğilimleri çok daha erken tespit etmeyi sağlar. Ayrıca daha küçük örneklem büyüklüğüyle bile güvenilir sonuçlar elde edilir ve proses yeterlilik indeksleri (Cp, Cpk) hesaplanabilir.

Hata sayısı hangi ölçek türündedir?

Hata sayısı ratio ölçektedir. Gerçek bir sıfır noktası vardır (0 hata = hiç hata yok), eşit aralıklar mevcuttur (2 hata ile 4 hata arasındaki fark, 4 hata ile 6 hata arasındaki farkla eşittir) ve oran anlamlıdır (6 hata, 3 hatanın iki katıdır). Ancak hata sayısı kesikli (discrete) bir veridir, çünkü yalnızca tam sayı değerler alabilir. Bu nedenle SPC'de c veya u diyagramları kullanılır.

Veri türünü yanlış belirlemenin sonuçları nelerdir?

Veri türünü yanlış belirlemek, zincirleme hatalara yol açar. Ordinal veriyi ratio gibi işleyip ortalama almak istatistiksel olarak anlamsız sonuçlar üretir. Sürekli veriye öznitelik diyagramı uygulamak bilgi kaybına neden olur. Nominal veriye parametrik test uygulamak tamamen geçersiz sonuçlar verir. Bu nedenle her istatistiksel analizin ilk adımı, veri türünü doğru belirlemektir.

Kalite yönetiminde en sık kullanılan ölçek türü hangisidir?

Kalite yönetiminde en sık ratio ölçek ve nominal ölçek kullanılır. Ratio ölçek, ölçüm tabanlı kalite kontrol süreçlerinde (boyut, ağırlık, dayanım gibi fiziksel ölçümler) yaygındır. Nominal ölçek ise sınıflandırma tabanlı kalite kontrol süreçlerinde (hata tipi kodları, uygun/uygun değil kararları, makine/hat tanımlamaları) sıklıkla kullanılır.

Veri türü ile örneklem büyüklüğü arasındaki ilişki nedir?

Değişken (sürekli) veriler daha fazla bilgi taşıdığı için genellikle daha küçük örneklem büyüklükleriyle bile güvenilir sonuçlar verir. Örneğin bir SPC uygulamasında X-bar/R diyagramı için 5'lik alt gruplar yeterliyken, öznitelik veriye dayalı p diyagramı için en az 50 birimlik alt gruplar gerekebilir. Dolayısıyla maliyet ve zaman açısından mümkün olduğunda sürekli veri toplamak daha verimlidir.