Data 

Analytics for Lean Six Sigma
 www.coursera.org/learn/data‐analytics‐for‐lean‐six‐sigma
Module Video No. Video title Time Learning Objective Level
Each module is a cluster of related videos. Modules finish with exercise videos. Videos discuss theory, show Minitab instructions and provide  (min.) Remember, understand, apply, 
intepretation of data analyses. analyze, evaluate.
M0 Introduction M0‐V1 Introduction Data Analytics for Lean Six Sigma 4 n/a
M0‐V2 Introduction Inez Zwetsloot 1 n/a
M1 Data and Lean Six Sigma M1‐V1 Introduction to Lean Six Sigma 5 Explain what Lean Six Sigma is Understand
This module introduces Lean Six Sigma and shows you where data and data analytics have their place  M1‐V2 Data and DMAIC 4 Distinguish between the five phases of DMAIC Understand
within the DMAIC framework.  It also introduces the software package Minitab. This package is used  M1‐V3 Selecting CTQs 6 Use CTQs to make a problem quantifiable and measurable Understand
throughout the videos for data analytics.   M1‐V4 Units and operational definition 5 Define an operational defintion corresponding to a CTQ Understand
M1‐V5 Sampling 8 Collect a representative sample Understand
M1‐V6 Organizing your data 5 Organize data and distinguish between units and variables Understand
M1‐V7 Installing Minitab 3 n/a
M1‐V8 Introduction to Minitab 6 n/a
M1‐V9 Loading data into Minitab 2 n/a
M2 Understanding and visualizing data M2‐V1 Numerical and categorical data 5 Judge if data is numerical or categorical Evaluate
This module explains how to visualize data. It discusses visualizing single variables as well as visualizing  M2‐V2 Descriptive statistics 7 Interpret descriptive statistics Apply
two variables. You will learn to select the appropriate graph. For this it is essential to first learn the  M2‐V3 Visualizing numerical data 6 Create a histogram and boxplot, and interpret both graphs Analyze
distinction between numerical and categorical data.  M2‐V4 Visualizing categorical data 5 Create a bar chart, a pie chart or a tally table, and interpret the results Analyze
M2‐V5 Pareto analysis 5 Create a Pareto chart and interpret the chart Analyze
M2‐V6 Visualizing two variables 9 Create a suitable graphical visualization for two variables and interpret Remember
M2‐V7 Exercise ‐ Investigation time 4 n/a
M2‐V8 Exercise ‐ Coffee batches 3 na/
M3 Using probability distributions M3‐V1 Population versus sample 5 Understand the relationship between a sample and its population Understand
In  this module on using probability distributions, you will learn how to quantify uncertainty.  M3‐V2 Estimation and confidence intervals 9 Understand the concept and use of estimation Understand
Furthermore you will learn to answer an important business question:  “what percentage of products or  Quantify the precision of an estimate (using confidence intervals) Apply
cases meet our specifications?". M3‐V3 Normal, Lognormal and Weibull distributions 4 Distinguish between different types of probability distributions (normal, lognormal, weibull) Apply
M3‐V4 Probability plot 6 Determine the distribution of a numerical variable using probability plots Evaluate
M3‐V5 Empirical CDF 6 Determine probabilities or percentages using the Empirical CDF Evaluate
Understand the parameters of the normal distribution Understand
M3‐V6 Properties of the normal distribution 4 Use rules of thumb to compute probabilities for normally distributed variables Apply
M3‐V7 Exercise ‐ Length of Stay 5 n/a
M4 Introduction to testing M4‐V1 Introduction to data analysis 5 Identify Xs and Ys in practice, and select the appropriate test Apply
You we learn to model your CTQ and influence factor(s) and to use a decision tree to select the  M4‐V2 Hypothesis testing 7 Interpret p‐values of hypothesis tests Analyze
appropriate tool for data based testing of this model. Furthermore, causality is introduced. M4‐V3 Causality 9 Interpret results correctly by distinguishing between causality and relation Evaluate
M5 Testing: numerical Y and categorical X M5‐V1 Introduction to ANOVA 6 Judge when ANOVA is the applicable method Evaluate
In this module on statistical testing, you will learn how to establish relationship between a numerical Y  M5‐V2 ANOVA analysis 7 Perform an ANOVA and interpret the output, especially p‐value and R‐squared Evaluate
variable (the CTQ) and categorical influence factors (the X variables).  M5‐V3 ANOVA residual analysis 6 Judge the validity of ANOVA using a residual analysis Evaluate
Judge when Kruskal‐Wallis is the applicable method Evaluate
M5‐V4 Kruskal‐Wallis test 5 Perform and interpret a Kruskal‐Wallis test Apply
M5‐V5 Two sample t‐test 8 Compare two groups by means of the two sample t‐test Apply
M5‐V6 Test for equality of variances 6 Test whether different groups have equal variance Analyze
M5‐V7 Exercise ‐ Productivity 7 n/a
M5‐V8 Exercise ‐ Department 7 n/a
M6 Testing: numerical Y and numerical X M6‐V1 Correlation 4 Interpret and use correlation Apply
What is the relation between the length of stay and the age of a patient? In this module you will learn  M6‐V2 Introduction to regression 4 Judge when regression is the applicable method Evaluate
to answers these types of questions using statistical tests to relate a numerical CTQ (the Y variable) to a  M6‐V3 Regression analysis 6 Perform a regression and interpret output, especially p‐value and R‐squared Evaluate
numerical influence factor (the X variable). M6‐V4 Regression residual analysis 4 Judge the validity of regression using a residual analysis Evaluate
M6‐V5 Regression prediction interval 5 Compute and interpret a prediction interval Analyze
M6‐V6 Quadratic regression 5 Perform and interpret a quadratic regression Apply
M6‐V7 Exercise ‐ picking 6 n/a
M7 Testing: categorical Y M7‐V1 Chi‐square analysis 5 Perform and interpret a Chi‐square analysis Apply
Finally you will learn how to test a relationship between a Y and a X variable whenever your Y variable  Judge when a Chi‐square analysis is the applicable method Evaluate
(the CTQ) is a categorical variable.  M7‐V2 Logistic regression 8 Perform and interpret a logistic regression analysis Apply
Judge when a logistic regression analysis is the applicable method Evaluate
M7‐V3 Exercise ‐ printers 5 n/a
M7‐V4 Exercise ‐ students 7 n/a
All videos can found and watched at www.coursera.org/learn/data-analytics-for-lean-six-sigma. All materials are published under a creative common license and are copyright of the University of Amsterdam. All material and videos have been created and developed by IBIS UvA, the Lean Six Sigma institute of the University of Amsterdam (www.ibisuva.nl).