{"title":"Normality Test","outputs":{"statistics":{"type":"table","title":"Statistics of Percent Fat","rows":[{"Column":"Percent Fat","N":10,"Mean":17.34,"Std Dev":0.5699902533,"Method":"AD","Statistic":0.2184933607,"P-Value":0.7773704367,"Result":"Data is normally distributed."}]},"table_interpretation":{"type":"table","title":"Interpretation of Percent Fat","rows":[{"Case":"Anderson-Darling Test","Method Description":"The Anderson-Darling test is more effective at detecting non-normality in the tails of the distribution. It is particularly good at detecting deviations from normality in the tail regions of the distribution.","Interpretation":"p-value > 0.05(significance level): Fail to reject null hypothesis -> Data appears to follow a normal distribution","Summary":"p-value = 0.78 is greater than the significance level 0.05. The data can be interpreted as normally distributed."}]}}}
curl --location --request POST 'https://zylalabs.com/api/13195/statistical+quality+analytics+api/26905/normality+test' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"data":[{"Percent Fat":16.9},{"Percent Fat":18.0},{"Percent Fat":17.2},{"Percent Fat":17.9},{"Percent Fat":16.4},{"Percent Fat":17.5},{"Percent Fat":18.1},{"Percent Fat":16.8},{"Percent Fat":17.0},{"Percent Fat":17.6}],"config":{"var_column":"Percent Fat","alpha":0.05,"method_of_analysis":"AD"}}'
{"title":"Descriptive Statistics: value","outputs":{"descriptive_statistics_table":{"type":"table","title":"Statistics","rows":[{"variable":"value","n_total":5,"mean":10.0,"std_dev":0.158113883,"min":9.8,"median":10.0,"max":10.2}]}}}
curl --location --request POST 'https://zylalabs.com/api/13195/statistical+quality+analytics+api/26906/descriptive+statistics' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"data":[{"value":9.8},{"value":10.2},{"value":9.9},{"value":10.1},{"value":10.0}],"config":{"variables":["value"],"confidence_level":0.95,"statistics_options":["n_total","mean","std_dev","min","median","max"],"graph_options":[]}}'
{"title":"Correlation","outputs":{"method_table":{"type":"table","title":"Method_table","rows":[{"method":"correlation_type","value":"pearson"},{"method":"number_of_rows_used","value":5}]},"pairwise_correlation_table":{"type":"table","title":"Pairwise pearson Correlation_table","rows":[{"sample_1":"x","sample_2":"y","n":5,"correlation":0.9986517556,"p_value":0.0000594154,"ci_low":0.9786605332,"ci_high":0.9999156156}]}}}
curl --location --request POST 'https://zylalabs.com/api/13195/statistical+quality+analytics+api/26907/correlation' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"data":[{"x":1,"y":2.1},{"x":2,"y":3.9},{"x":3,"y":6.2},{"x":4,"y":7.8},{"x":5,"y":10.1}],"config":{"var_column":["x","y"],"confidence_level":0.95,"methods_of_analysis":"pearson","graph_opption":[]}}'
{"title":"Normal Capability Analysis","outputs":{"statistics_table":{"type":"table","title":"Process Data","rows":[{"Mean":74.006,"StDev (Overall)":0.0172378321,"N":15,"USL":74.05,"LSL":73.95,"Target":74.0,"Variable":"Diameter","StDev (Within)":0.0200630553}]},"capability_statistics":{"type":"table","title":"Capability Statistics","rows":[{"Cp":0.8307142857,"Cpl":0.9304,"Cpu":0.7310285714,"Cpk":0.7310285714,"Pp":0.9668655852,"Ppl":1.0828894554,"Ppu":0.850841715,"Ppk":0.850841715,"Cpm":0.7958862146}]},"capability_ppm":{"type":"table","title":"Capability PPM","rows":[{"Type":"PPM Below LSL","Observed":0.0,"Exp. Overall":579.7328456759,"Exp. Within":2625.6506421635},{"Type":"PPM Above USL","Observed":0.0,"Exp. Overall":5347.2594868867,"Exp. Within":14150.6020432928},{"Type":"PPM Total","Observed":0.0,"Exp. Overall":5926.9923325626,"Exp. Within":16776.2526854563}]}}}
curl --location --request POST 'https://zylalabs.com/api/13195/statistical+quality+analytics+api/26908/normal+capability+analysis' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"data":[{"Diameter":74.03},{"Diameter":74.0},{"Diameter":74.01},{"Diameter":74.02},{"Diameter":73.99},{"Diameter":73.98},{"Diameter":74.01},{"Diameter":74.0},{"Diameter":74.02},{"Diameter":74.03},{"Diameter":74.0},{"Diameter":73.97},{"Diameter":74.01},{"Diameter":74.02},{"Diameter":74.0}],"config":{"variable":"Diameter","subgroup_size":5,"lower_spec":73.95,"upper_spec":74.05,"target_number":74.0,"methods_of_analysis":"rbar"}}'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Análisis de Calidad Estadística API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
(Ahorra 2 meses pagando anualmente 🎉)
Empresas líderes confían en nosotros
La API de Análisis de Calidad Estadística lleva estadísticas de nivel ingenieril a cualquier aplicación a través de una interfaz HTTP simple. Envía una tabla de datos de medición y un pequeño objeto de configuración, y recibe resultados JSON limpios y estructurados. Está diseñada para equipos de manufactura, ingeniería de calidad, laboratorio y datos que necesitan resultados estadísticos defendibles para informes, tableros, auditorías y pipelines automatizados
Calcula estadísticas descriptivas (media, desviación estándar, cuartiles, intervalos de confianza), pruebas de normalidad (Anderson-Darling, Shapiro-Wilk, Kolmogórov-Smirnov), correlación (Pearson, Spearman, Kendall con intervalos de confianza y valores p), y capacidad del proceso (Cp, Cpk, Pp, Ppk, Cpm con PPM). Cada endpoint tiene la misma forma: un array de datos más un objeto de configuración, y devuelve tablas JSON etiquetadas. Los resultados son validados numéricamente con alta precisión contra software de referencia estándar en la industria
Cada endpoint devuelve datos JSON estructurados Por ejemplo el endpoint de la Prueba de Normalidad proporciona estadísticas como la estadística de prueba y el valor p mientras que el endpoint de Estadísticas Descriptivas devuelve métricas resumen como la media la desviación estándar y los cuartiles
Los campos clave varían según el punto final. Para la Prueba de Normalidad, los campos incluyen "Estadística" y "Valor-P" En Estadísticas Descriptivas, los campos incluyen "media," "desviación estándar," y "mínimo" La respuesta de cada punto final está adaptada a su análisis específico
Los datos de respuesta están organizados en tablas etiquetadas Cada tabla contiene filas de estadísticas o interpretaciones relevantes Por ejemplo el endpoint de Correlación incluye una "tabla_de_correlación_por_pares" con valores de correlación y valores p para cada par de variables
Cada endpoint acepta un array de datos y un objeto de configuración. Por ejemplo, la Prueba de Normalidad requiere una columna numérica y el método de prueba elegido (Anderson-Darling, Shapiro-Wilk o Kolmogorov-Smirnov) como parámetros
Los usuarios pueden personalizar las solicitudes especificando las columnas numéricas a analizar y seleccionando los métodos estadísticos en el objeto de configuración. Por ejemplo, en el punto final de Correlación, los usuarios pueden elegir entre los métodos de Pearson, Spearman o Kendall
Los casos de uso típicos incluyen el control de calidad en la manufactura la elaboración de informes estadísticos para auditorías y el análisis de datos en laboratorios Los usuarios pueden aprovechar la API para generar paneles de control o automatizar flujos de trabajo de análisis estadístico
La precisión de los datos se mantiene a través de la validación numérica contra software de referencia de estándares industriales Esto asegura que los resultados estadísticos proporcionados por la API sean confiables y defensibles para aplicaciones de ingeniería de calidad
Los usuarios pueden esperar patrones de datos consistentes en los puntos finales, como estadísticas resumidas en Estadísticas Descriptivas y coeficientes de correlación en el punto final de Correlación. Los resultados están estructurados para facilitar una fácil interpretación e integración en informes