Podstawowe

 terminy  związane    
z  metodyką  Six  Sigma  
Zebrał  i  opracował:  Łukasz  Kubacki,  lukasz.kubacki@octigo.pl  

Six  Sigma  

BPMS  
BPMS   (Business   Process   Management   System)   to   zbiór   zasad   umożliwiających   skuteczne  
zaplanowanie   i   monitorowanie   krytycznych   dla   firmy   procesów,   które   wymagają   współdziałania  
pomiędzy  różnymi  funkcjami  i  szczeblami  w  organizacji,  czyli  

•  jednoznaczne,  zgodne  ze  stanem  faktycznym,  graficzne  opisanie  zakresu  i  przebiegu  procesu,    

•  określenie   jego   celu   z   perspektywy   potrzeb   klientów   i   z   perspektywy   biznesu   i  

przetransferowanie   tego   celu   w   formie   spójnych   wymagań   na   wszystkie   osoby   realizujące  
proces    

•  regularne,   bazujące   na   kluczowych   danych   procesowych   przeglądy   procesu   w   celu  

podejmowania  skutecznych  decyzji  zarządczych    

CtQ  (Critical  to  Quality)  

Cecha  decydująca  o  jakości,  czyli  mierzalne  wymagania  klienta  dotyczące  produktu  lub  usług  

Mapa  procesu  
Graficzne   przedstawienie   przebiegu   procesu   zgodnie   z   chronologią   czynności.   Zależnie   od    
szczegółowości   opisu   określany   jest   poziom   mapy   0,   1,   2,   3   itd.     Poziom   0   i   1   to   poziomy   łańcucha  
wartości.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Wydolność  
Wydolność   procesu   odnosi   się   do   wymagań   odbiorców   –   oznacza   prawdopodobieństwo,   że   to   co  
otrzymamy  na  wyjściu  procesu  spełnia  stawiane  wymagania.  Wysoka  wydolność  procesu  oznacza  że  
prawdopodobieństwo  nie  dostarczenia  spodziewanych  rezultatów  jest  niskie.  Wydolność  rozumiana  
jako   prawdopodobieństwo   spełnienia   oczekiwań   odnosi   się   do   przyszłości  –   jest   kluczową   informacją  
zarządczą   umożliwiającą   podejmowanie   decyzji   z   wyprzedzeniem.   Uniwersalna   miara   procesu   –  
umożliwienie  porównania  między  sobą  kilku  różnych  procesów  lub  kilku  etapów  procesu.  Warunkiem  
wyliczenia   wydolności   jest   poznanie   kluczowych   wymagań   odbiorców.   Proces   wydolny   to   taki,   w  
którym  za  każdym  razem  spełniane  są  zintegrowane  oczekiwania  wobec  procesu.  

Zmienność  
“Zmienność,  to  ruch!  Można  ją  określić  jako    różnicę  między  faktycznymi  wynikami,  czyli  wykresami  
danych,    a  porównanymi  z  nimi    limitami  lub  istotnymi      standardami”.  Zmienność,  to  “głos  procesu”  
–   do   jego   zrozumienia   używane   są   karty   kontrolne.   Wszelkie   policzalne   różnice   w   indywidualnych  
pomiarach,  będące  wynikiem  przyczyn  zwykłych  i  szczególnych  

Stabilny  proces  to  taki  w  którym  zmienność  jest  wynikiem  wyłącznie  przyczyn  zwykłych  

Limity  kontrolne  
Definiowane   w   oparciu   o   wyniki   procesu   (+/-­‐   3   obliczone   odchylenie     standardowe     od   średniej).  
Pomagają  ustalić,  czy  proces  jest  “pod  kontrolą”  (bez  zmienności  przyczyny  szczególnej).  Naniesione  
na  wykresy  kontrolne.  Zmieniają  się,  gdy  nastąpi  sprawdzona  i  istotna  zmiana  procesu.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Limity  specyfikacji  
Definiowane   w   oparciu   o   informacje   zwrotne   od   klientów.   Pomagają   ustalić,   czy   proces   rodzi   usterki.  
Naniesione  na  histogramy  (nie  wykresy  kontrolne).  Zmieniają  się,  gdy  rosną  wymagania  klienta.  

KPI  (Key  Performance  Indicator)  

Wskaźniki   wydajności   zespołowej   i   indywidualnej,   wydolność   procesu   (poziom   sigma),   liczona   jako  
prawdopodobieństwo   wykonania   normy   zespołowej   w   okresie     miesiąca,   normy   miesięczne  
wynikające  z  planów  wolumenowych,  analiza  spójności.  

Dashboard  –  Karta  wyników  

Dashboard  jest  narzędziem  zarządzania  przez:  

• prezentowanie   wspólnych   dla   wszystkich   obszarów   danych   (faktów)   stanowiących   punkt  

odniesienia  dla  analizy  i  podejmowania  decyzji  (wspólna  platforma  komunikacyjna  bazująca  
na  danych)  

• Regularne   przeglądy   danych   procesowych   ich   analizę,   w   celu   szybkiego   reagowania   na  

negatywne  trendy    

• możliwość  przewidywania  konsekwencji  decyzji  zarządczych.  

Jest  też  zestawem  krytycznych  wskaźników.  Narzędziem  wymagającym:  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

 • stworzenia  

• przetestowania  

• skalibrowania  

Powstaje  ewolucyjnie.  

DPU/DPO/DPMO      
DPU   (defects   per   unit)   –   współczynnik   liczby   wszystkich   błędów   do   liczby   analizowanych   przypadków  
Przykład:  ile  wynosi  DPU  jeżeli  znaleziono  55  błędów  w  220  dostarczonych  wnioskach  kredytowych?  

DPU=55/220=0,04  

DPO   (defects   per   opportunity)   –   współczynnik   liczby   defektów   do   wszystkich   możliwości   ich  
popełnienia.   Przykład:   ile   wynosi   DPO   jeżeli   w   każdym   wniosku   istnieje   20   możliwości   popełnienia  
błędu?  

                      DPO=55/(220x20)=  

DPMO  (defects  per  milion  opportunities)  

DPMO=DPOx1  000  000  

Histogram  
Wykres  słupków  przylegających  do  siebie  prezentujący  graficznie  rozkład  częstości.  Przedstawiony  w  
postaci   histogramu   wykres   prezentuje   rozkład     zmiennej   Y(   efekt   procesu)   z   uwzględnieniem  
frekwencji  czyli  częstości  występowania.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

  

Wykres  kontrolny  

Wykres   pojedynczych   pomiarów   zmiennej   w   czasie   z   uwzględnieniem   linii   prezentujących   wartość  

średnią  i  wartości  limitów  kontrolnych  

Sigma  
Symbol  odchylenia  standardowego;  dystans  pomiędzy  średnią  a  wartością  1  sigma  po  obu  stronach  
średniej   odpowiada   68,26%   rozkładu,   pomiędzy   średnią   a   2   sigma   odpowiada   95,44%,   pomiędzy  
średnią  a  3  sigma  odpowiada  99,73%,  pomiędzy  średnią  a  4  sigma  odpowiada  99,9%.  Poziom  sigma  –  
statystyczne  oszacowanie  błędowości  procesu  

Właściciel  Procesu  
W   fazie   przygotowania   BPMS   jest   odpowiedzialny   za   terminowe   uruchomienie   pomiarów   i  
prezentację   dashboardów.   Ustala   na   podstawie   VOC   założenia   dotyczące   całego   procesu   (end-­‐to-­‐
end)   z   punktu   widzenia   Klienta   oraz   definiuje   zakres   podprocesów   -­‐     pełni   funkcję   ambasadora  
klienta.  Jest  odpowiedzialny  za  optymalizowanie  procesu  poprzez:  

• zorientowanie  na  wymagania  klienta  (VoC)  

• upraszczanie,  

• standaryzację,  

• automatyzację.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Dba  o  zapewnienie  wzrostu  efektywności  procesu  przy  akceptowalnym  poziomie  jego  kosztu.  Dba  o  
zapewnienie   zasobów   do   realizacji   procesu   zgodnie   z   ustalonymi   parametrami:   jakościowymi,  
finansowymi,   wolumenowymi,   wydajnościowymi.   Ma   wpływ   na   wyznaczanie   KPI   dla   wykonawców  
podprocesu  (zadania  związane  z  procesami  kluczowymi  powinny  mieć  wagę  min.  50%),  wyznaczanie  
zadań  wypracowywanych  przez  zespół  procesowy  dla  jednostek  Banku  zaangażowanych  w  realizację  
procesu,  i  egzekwowanie.  

Zespół  Procesowy  
Analizuje  dane.  Podejmuje  działania  usprawniające.  Przygotowuje  sprawozdania  z  przeprowadzonych  
działań  (usprawnień).  Egzekwuje  wyznaczone  zadania    

Koordynator  Zespołu  Procesowego  

Przygotowuje   od   strony   logistycznej   warsztaty   i   spotkania   robocze   z   zespołem   procesowym   celem  
wypracowania   dashboardu.   Prowadzi   cykliczne   spotkania   z   zespołem   celem   bieżącego  
monitorowania   realizacji   parametrów   procesu,   prowadzi   i   wysyła   minutki   po   spotkaniach   zespołu.  
Koordynuje   podejmowane   działania   usprawniające.   Przedstawia   do   informacji/decyzji   Właścicielowi  
propozycje   usprawnień   procesów   wypracowanych   w   ramach   warsztatów   zespołów   procesowych.  
Dba  o  komunikację  i  bieżący  przepływ  informacji  w  zespole  

Green  Belt/Black  Belt  

Rola   Green   Belta   to   dostarczanie   wsparcia   merytorycznego   dla   Właścicieli   procesów   i   zespołów  
procesowych   w   zakresie   kart   wyników,   wyznaczania   KPI,   użycia   narzędzi   i   działań   optymalizujących  
procesy.   Przygotowanie   od   strony   merytorycznej   warsztatów   z   zespołem   procesowym   celem  
wypracowania   zakresu   danych   do   wykorzystania   w     dashboardzie.   Przekazanie   wiedzy   na   temat  
stabilności   i   wydolności   procesu:   możliwych   kart   kontrolnych,   kart  wyników   w   zależności   od   specyfiki  
procesu.   Analiza   danych   z   użyciem   Minitaba,   (analiza   rozkładu   danych,   zmienności,   testowanie  
hipotez  itp.).  Rekomendowanie  trybu  prowadzenia  usprawnień:  Quick-­‐Wins,  Kaizen,  Lean,  DMAIC.  

Black  Belt  pełni  wiodącą  rolę  w  przygotowaniu  dashboardu  w  okresie  pierwszych  trzech  miesięcy  od  
wdrożenia  BPMS.  Po  tym  okresie  stopniowo  przekazuje  realizację  członkom  zespołu  procesowego.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Statystyka  

Średnia  arytmetyczna  

Średnia  arytmetyczna  jest  właśnie  tym,  co  w  potocznym  języku  określa  się  mianem  średniej.  Można  ją  również  
określić  jako  średnią  potęgową  rzędu  1.  Na  przykład  średnią  liczb  -­‐5,-­‐3,  0  i  12  jest  

Średnia   arytmetyczna   jest   jedną   z   najbardziej   intuicyjnych   miar   oceny   populacji,   stosowanych   często   w  
codziennym   życiu   –   przykładem   może   być   średnia   ocen   z   matematyki   ucznia   szkoły   podstawowej,   który  
otrzymał  następujące  noty:  2,  4,  4,  5,  6.  

W  podobny  sposób  można  mówić  o  średniej  płacy  w  danej  firmie,  średniej  cenie  pomarańczy  na  targowiskach  
w  lipcu  2004  roku  czy  średnim  wzroście  poborowych  w  danym  roczniku.  

Średnia   arytmetyczna   jest   dobrą  miarą   położenia   rozkładu  i   jednocześnie  miarą   tendencji   centralnej.   Jest  
to  miara  klasyczna  rozkładu,  czyli  każda  zmiana  dowolnego  elementu  badanego  zbioru  pociąga  za  sobą  zmianę  
wartości  średniej.  

Średnia  harmoniczna  

Średnią  harmoniczną    liczb  dodatnich    nazywamy  liczbę:  

Istnieje  również  wariant  zwany  ważoną  średnią  harmoniczną.  

Na  przykład  średnią  harmoniczną  liczb  2,  2,  5  i  7  jest:  

Średnia  harmoniczna  jest  średnią  potęgową  rzędu  –1.  

Średnia  geometryczna  

Średnią  geometryczną    dodatnich  liczb    nazywamy  liczbę  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Istnieje  również  wariant  średniej  geometrycznej  nazywany  ważoną  średnią  geometryczną.  

Na  przykład  średnią  geometryczną  liczb  2,  2,  5  i  7  jest  

Średnia  ta  jest  stosowana,  gdy  zmienna  ma  rozkład  logarytmiczno-­‐normalny.  

Kwartyl  

Kwartyl  -­‐  jest  jedną  z  miar  położenia  obserwacji  (z  dokładnością  +/-­‐1).  

• pierwszy   kwartyl  (notacja:   Q1)   =  kwartyl  rzędu   1/4   =  pierwszy   kwartyl  =  dolny   kwartyl  =   25%   obserwacji  
jest  położonych  poniżej  =  25.  procent  

• drugi  kwartyl  (notacja:  Q2)  =  mediana  =  kwartyl  rzędu  1/2  =  dzieli  zbiór  obserwacji  na  połowę  =  50.  procent  

• trzeci   kwartyl  (notacja:   Q3)   =  górny   kwartyl  =  kwartyl  rzędu   3/4   =   dzieli   zbiór   obserwacji   na   dwie   część  
odpowiednio  po  75%  położonych  poniżej  tego  kwartyla  i  25%  położonych  powyżej  =  75.  procent  

Różnica   między   trzecim   i   pierwszym   kwartylem   to   tzw.  rozstęp   kwartylny,   zaś   jego   połowa   to  odchylenie  
ćwiartkowe.  

Dominanta  

Dominanta  (wartość   modalna,  moda,  wartość   najczęstsza)   to   jedna   z  miar   tendencji  

centralnej,  statystyka  dla  zmiennych  o  rozkładzie   dyskretnym,   wskazująca   na   wartość   o   największym  
prawdopodobieństwie  wystąpienia,   lub   wartość   najczęściej   występująca   w   próbie.   Dla  zmiennej  
losowej  o  rozkładzie   ciągłym  jest   to   wartość,   dla   której  funkcja   gęstości   prawdopodobieństwa  ma   wartość  
największą.  Dominanta  może  być  szczególnie  użyteczna,  gdy  wartości  zmiennej  obserwowanej  nie  są  liczbowe  a  
opisowe   -­‐   co   uniemożliwia   (bez   przypisania   wartości   liczbowych)   zastosowania   m.in.  mediany  czy   średniej  
arytmetycznej.  

• w  zbiorze  {jabłko,  gruszka,  jabłko,  pomarańcza,  gruszka,  banan,  jabłko}  dominantą  jest  jabłko;  

• w  klasie  jest  5  brunetek,  3  blondynki  i  4  szatynki  -­‐  dominantą  jest  brunetka.  

Dominanta  jest   niedoceniana   w   zagadnieniach   społecznych   czy   ekonomicznych   np.   przy   analizowaniu  
zagadnień  płacowych  gdyż   lepiej   od   powszechnie   stosowanego  średniego   wynagrodzenia  oddaje   strukturę  
wynagrodzeń.  
Np.  w  sklepie  pracuje  5  osób:  kierownik  z  wynagrodzeniem  10000  zł;  zastępca  7000  zł  i  trzech  sprzedawców  po  
1000  zł  -­‐  średnie  wynagrodzenie  to  4  tysiące  a  najczęstsze  (dominanta)  to  1000  złotych.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Rozstęp  

Rozstęp  to  różnica  między  największą  i  najmniejszą  wartością  cechy  statystycznej  w  zbiorze  (lub  różnica  między  
najwyższą  i  najniższą  zaobserwowaną  wartością  zmiennej).  

Rozstęp   jest   najprostszą   z   miar  rozrzutu,   mało   precyzyjną,   gdyż   opiera   się   tylko   na   dwu   zaobserwowanych  
wartościach  zmiennej,  a  pozostałe  wartości  nie  mają  wpływu  na  jej  wielkość.  

Przykład  zastosowania:  w  pedagogice  w  analizie  ilościowej  wyników  egzaminowania  rozstęp  bywa  obliczany  dla  
uzyskania  wstępnej  orientacji  co  do  rezultatów  egzaminowania  albo  wtedy,  gdy  chodzi  wyłącznie  o  krańcowe  
wyniki.  

Odchylenie  standardowe  

Odchylenie   standardowe  –  klasyczna  miara  zmienności,   obok  średniej   arytmetycznej  najczęściej   stosowane  
pojęcie  statystyczne.  

Intuicyjnie   rzecz   ujmując,   odchylenie   standardowe   mówi,   jak   szeroko   wartości   jakiejś  wielkości  (takiej   jak   np.  
[1]
wiek,  inflacja,  kurs   akcji  itp.)   są   rozrzucone   wokół   jej  średniej .   Im   mniejsza   wartość   odchylenia   tym  
obserwacje  są  bardziej  skupione  wokół  średniej.  

Odchylenie   standardowe   jest  pierwiastkiem   kwadratowym  z  wariancji.   Pojęcie   odchylenia   zostało  

[2]
wprowadzone  przez  pioniera  statystyki,  Karla  Pearsona  w  1894  roku .  Wyróżnia  się:  

• odchylenie  standardowe  zmiennej  losowej,  będące  właściwością  badanego  zjawiska.  Daje  się  ono  obliczyć  
[3]
na   podstawie   ścisłych   informacji   o  rozkładzie   zmiennej   losowej .   Rozkład   ten   w   praktycznych   badaniach  
nie  jest  zwykle  znany.  

• odchylenie   standardowe   w   populacji,   które   jest   liczbą   dającą   się   obliczyć   dokładnie,   jeśli   znane   byłyby  
wartości   zmiennej   dla   wszystkich   obiektów  populacji;   odpowiada   odchyleniu   zmiennej   losowej,   której  
rozkład  jest  identyczny  z  rozkładem  w  populacji.  

• odchylenie   standardowe   z   próby,   które   jest   oszacowaniem   odchylenia   standardowego   w   populacji   na  

podstawie  znajomości  wyłącznie  części  jej  obiektów,  czyli  właśnie  tzw.  próby  losowej.  Stosowane  do  tego  
celu  wzory  nazywane  są  estymatorami  odchylenia  standardowego.  

Wariancja  
Wariancja  to  w  statystyce  klasyczna  miara  zmienności.  Intuicyjnie  utożsamiana  ze  zróżnicowaniem  zbiorowości;  
jest  średnią   arytmetyczną  kwadratów  odchyleń  (różnic)   poszczególnych   wartości  cechy  od   wartości  
oczekiwanej.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Mediana  

Mediana  (zwana  też  wartością  środkową,  wartością  przeciętną  lub  drugim  kwartylem)  –  w  statystyce  wartość  
cechy  w  szeregu  uporządkowanym,  powyżej  i  poniżej  której  znajduje  się  jednakowa  liczba  obserwacji.  Mediana  
spełnia  następujący  warunek:  jeśli  szukamy  liczby  takiej,  że  średnia  modułów  odchyleń  wartości  dla  wszystkich  
obserwacji  od  niej  byłaby  najmniejsza,  to  liczbą  tą  jest  właśnie  mediana.  Dzięki  temu  mediana  ma  interpretację  
jako   optymalne   przewidywanie   wartości   za   pomocą   jednej   liczby,   jeśli   przyjętą   funkcją   błędu   przewidywania  
jest  moduł  odchylenia  (różnicy).  

Aby   obliczyć   medianę   ze   zbioru  n  obserwacji,   sortujemy   je   w   kolejności   od   najmniejszej   do   największej   i  

numerujemy   od   1   do  n.   Następnie,   jeśli  n  jest   nieparzyste,   medianą   jest   wartość   obserwacji   w   środku   (czyli  

obserwacji   numer   ).   Jeśli   natomiast  n  jest   parzyste,   wynikiem   jest  średnia   arytmetyczna  między   dwiema  

środkowymi  obserwacjami,  czyli  obserwacją  numer    i  obserwacją  numer   .  

Niekiedy  używane  są  też  inne  wersje  mediany:  

• Wersja,   w   której   dla   parzystego  n  zamiast   średniej   arytmetycznej   losuje   się   jedną   z   wartości   dla   dwóch  
obserwacji:   numer  n/2   lub  n/2+1.   Taka   mediana   nie   wyprowadza   wyniku   poza   zbiór   dotychczasowych  
wartości.   Znajduje   zastosowanie   szczególnie   przy   obróbce   dwubarwnych  map   bitowych.   Klasyczna  
mediana  wymagałaby  wówczas  wprowadzenia  obok  istniejących  kolorów  białego  i  czarnego  także  koloru  
szarego.  

• Mediana   ważona  w   której   każda   obserwacja    ma   przypisaną   wagę   .   Jeśli    są   liczbami  
naturalnymi,   jej   obliczenie   sprowadza   się   do   obliczenia   klasycznej   mediany,   w   której   obserwacja    jest  
wzięta  pod  uwagę    razy.  

• Przyjąć   można   również,   iż   jeśli  n  jest   parzyste,   to   medianą   może   być   równie   dobrze   każda   liczba   z  
przedziału  od  wartości  dla  obserwacji  numer  n/2  do  wartości  obserwacji  n/2+1.  Każda  z  tych  liczb  spełnia  
bowiem  warunek  minimalizacji  średniej  z  modułów  odchyleń.  

Mediana   znalazła   szerokie   zastosowanie   w   statystyce   jako  średnia  znacznie   bardziej   odporna   na  elementy  
odstające  niż  średnia   arytmetyczna.   Używana   jest   także   w  grafice   komputerowej  i  cyfrowym   przetwarzaniu  
sygnałów  w   celu   odszumiania   -­‐   na   obrazie   zachowuje   ona   ostre   krawędzie   przy   jednoczesnym   usunięciu  
szumów.  

Mediana  z  próby  jest  zgodnym  i  asymptotycznie  nieobciążonym  estymatorem  wartości  oczekiwanej  w  populacji  
dla  dowolnego  rozkładu.  

Odporność   na   elementy   odstające   jest   na   ogół   zaletą,   jednak   czasem   może   być   uważana   za   wadę   —   nawet  
olbrzymie   zmiany   skrajnych   obserwacji   nie   wpływają   na   jej   wartość.   Stąd   pojawiły   się   propozycje   pośrednie  
pomiędzy  nimi,  takie  jak  średnia  ucinana,  stosowana  na  przykład  w  konkursach  tańca  na  lodzie.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Odchylenie  ćwiartkowe  
Odchylenie   ćwiartkowe  (lub   inaczej  odchylenie   kwartylne)   to   połowa  rozstępu   ćwiartkowego,   czyli   połowa  
różnicy  pomiędzy  trzecim  i  pierwszym  kwartylem.  

Współczynnik  zmienności  

Współczynnik   zmienności  to  klasyczna  miara  zróżnicowania  rozkładu   cechy.   W   odróżnieniu   od  odchylenia  
standardowego,   które   określa   bezwzględne   zróżnicowanie   cechy,   współczynnik   zmienności   jest  
miarą  względną,  czyli  zależną  od  wielkości  średniej  arytmetycznej.  Definiowany  jest  wzorem:  

gdzie  

 to  odchylenie  standardowe  z  próby,  

 to  średnia  arytmetyczna  z  próby.  

Współczynnik  ten  jest  estymatorem  swojego  odpowiednika  w  populacji:  

gdzie  

 to  odchylenie  standardowe  w  populacji  

 to  wartość  oczekiwana  

Jest   to   dla   dowolnego   rozkładu  estymator   zgodny,   jednak   w   ogólnym   przypadku   jest  obciążony  (również  
asymptotycznie).  

Współczynnik  zmienności  zazwyczaj  podaje  się  w  procentach.  

Współczynnik  zmienności  jest  stosowany  najczęściej  przy  porównywaniu  zróżnicowania  cechy  w  dwóch  różnych  
rozkładach.  

Wskaźnik  skośności  

Współczynnik  skośności  rozkładu  to  miara  asymetrii  rozkładu  wyznaczana  według  jednego  ze  wzorów:  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

  

gdzie  

 –  średnia  arytmetyczna,  
 –  mediana,  

 –  dominanta  (moda),  
 –  odchylenie  standardowe,  

 -­‐  pierwszy  i  trzeci  kwartyl,  

 -­‐  odchylenie  ćwiartkowe.  

Współczynnik  skośności  przyjmuje  wartość  zero  dla  rozkładu  symetrycznego,  wartości  ujemne  dla  rozkładów  o  
lewostronnej   asymetrii   (wydłużone   lewe   ramię   rozkładu)   i   wartości   dodatnie   dla   rozkładów   o   prawostronnej  
asymetrii  (wydłużone  prawe  ramię  rozkładu).  

Nie  ma  gwarancji,  że  powyższe  wzory  będą  miały  ten  sam  znak.  

Jeśli  funkcja   gęstości   prawdopodobieństwa  (dla   rozkładów   ciągłych)   lub  funkcja   masy  
prawdopodobieństwa  (dla   rozkładów   dyskretnych)   po   prawej   stronie   swojego   maksimum   (mody)   maleje  
wolniej   niż   po   lewej   stronie   (rozkład   ma   "prawy   ogon   dłuższy"),   to   rozkład   nazywamy  prawostronnie   skośnym,  
dodatnio   skośnym,  prawostronnie   asymetrycznym  lub  o   prawostronnej   asymetrii.   Rozkład   taki   ma   wartość  
oczekiwaną  (średnią)  większą  od  mediany.  

Kurtoza    

Kurtoza  -­‐  jedna  z  miar  spłaszczenia  rozkładu  wartości  cechy.  Definiuje  się  ją  następującym  wzorem:  

gdzie    jest  czwartym  momentem  centralnym,  zaś  σ  to  odchylenie  standardowe.  

Prawdopodobieństwo  

Prawdopodobieństwo     –   ogólne   określenie   jednego   z   wielu   pojęć   służących  modelowaniu  doświadczenia  

losowego  poprzez  przypisanie  poszczególnym  zdarzeniom  losowym  liczb,  zwykle  z  przedziału  jednostkowego  (w  
zastosowaniach   często   wyrażanych  procentowo),   wskazujących   szanse   ich   zajścia.   W   rozumieniu   potocznym  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

wyraz   „prawdopodobieństwo”   odnosi   się   do   oczekiwania   względem   rezultatu   zdarzenia,   którego   wynik   nie   jest  
znany   (niezależnie   od   tego,   czy   jest   ono   w   jakimś   sensie   zdeterminowane,   miało   miejsce   w   przeszłości,   czy  
dopiero  się  wydarzy);  w  ogólności  należy  je  rozumieć  jako  pewną  miarę  nieprzewidywalności.  

Istnieje   wiele   interpretacji   zagadnienia   prawdopodobieństwa:  a   posteriori,   czyli   częstotliwościowe  

(zob.  Definicja   von   Misesa),   albo  a   priori,   czyli   bayesowskie   (od   nazwiska  Thomasa   Bayesa,   zob.  twierdzenie  
Bayesa),   które   dzieli   się   z   kolei   na  subiektywne,   które   oddawać   ma   stan   wiedzy   osoby   używającej   rozumowania  
bayesowskiego,  oraz  obiektywne,  które  powinno  być  takie  samo  dla  każdego  używającego  tego  rozumowania.  
Osobną  jest  interpretacja  skłonnościowa  Karla  Raimunda  Poppera.    

Rozkład  normalny  

Rozkład   normalny,   zwany   też  rozkładem   Gaussa  –   jeden   z   najważniejszych  rozkładów   prawdopodobieństwa.  
Odgrywa   ważną   rolę   w   statystycznym   opisie   zagadnień   przyrodniczych,   przemysłowych,   medycznych,  
społecznych  itp.  Wykres  funkcji  prawdopodobieństwa  tego  rozkładu  jest  krzywą  dzwonową.  

Przyczyną   jego   znaczenia   jest   częstość   występowania   w   naturze.   Jeśli   jakaś   wielkość   jest   sumą   lub   średnią  
bardzo  wielu  drobnych  losowych  czynników,  to  niezależnie  od  rozkładu  każdego  z  tych  czynników,  jej  rozkład  
będzie   zbliżony   do   normalnego,   stąd   można   go   bardzo   często   zaobserwować   w   danych.   Ponadto   rozkład  
normalny   ma   interesujące   właściwości   matematyczne,   dzięki   którym   oparte   na   nim   metody   statystyczne   są  
proste  obliczeniowo.  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

  

Przedziały  ufności  

Niech  cecha  X  ma  rozkład  w  populacji  z  nieznanym  parametrem  θ.  Z  populacji  wybieramy  próbę  losową  (X1,  X2,  
...,  Xn).  Przedziałem   ufności  o  współczynniku   ufności  1   −   α  nazywamy   taki   przedział(θ1,   θ2),   który   spełnia  
warunek:  

gdzie  θ1  i  θ2  są  funkcjami  wyznaczonymi  na  podstawie  próby  losowej.  

Podobnie  jak   w   przypadku  estymatorów  definicja  pozwala  na  dowolność  wyboru  funkcji  z  próby,  jednak  tutaj  
kryterium  wyboru  najlepszych  funkcji  narzuca  się  automatycznie  –  zazwyczaj  będziemy  poszukiwać  przedziałów  
najkrótszych.  

Współczynnik   ufności  1   −   α  jest   wielkością,   którą   można   interpretować   w   następujący   sposób:   jest   to  
prawdopodobieństwo  wyznaczenia  takiego  przedziału,  że  rzeczywista  wartość  parametru  θ  w  populacji  znajdzie  
się   w   tym   przedziale.   Im   większa   wartość   tego   współczynnika,   tym   szerszy   przedział   ufności,   a   więc   mniejsza  
dokładność   estymacji   parametru.   Im   mniejsza   wartość  1   −   α,   tym   większa   dokładność   estymacji,   ale  
jednocześnie  tym  większe  prawdopodobieństwo  popełnienia  błędu.  Wybór  odpowiedniego  współczynnika  jest  
więc   kompromisem   pomiędzy   dokładnością   estymacji   a   ryzykiem   błędu.   W   praktyce   przyjmuje   się   zazwyczaj  
wartości:  0,99;  0,95  lub  0,90,  zależnie  od  parametru.  

Poziom  istotności  testu  

Poziom   istotności  –   jest   to   maksymalne   dopuszczalne   prawdopodobieństwo   popełnienia  błędu   I  

rodzaju  (zazwyczaj  oznaczane  symbolem  α).  Określa  tym  samym  maksymalne  ryzyko  błędu,  jakie  badacz  jest  
skłonny  zaakceptować.  Wybór  wartości  α  zależy  od  badacza,  natury  problemu  i  od  tego,  jak  dokładnie  chce  on  
weryfikować   swoje   hipotezy,   najczęściej   przyjmuje   się   α   =   0,05;   rzadziej   0,1,   0,03,   0,01   lub   0,001.   Wartość  
założonego   poziomu   istotności   jest   porównywana   z   wyliczoną   z  testu   statystycznego  p-­‐wartością  (czasem  
porównuje  się  od  razu  wartości  statystyki  testowej  z  wartością  odpowiadającą  danemu  poziomowi  istotności).  
Jeśli   p-­‐wartość   jest   większa,   oznacza   to,   iż   nie   ma   powodu   do   odrzucenia   tzw.  hipotezy   zerowej  H0,   która  
zwykle  stwierdza,  że  obserwowany  efekt  jest  dziełem  przypadku.  

Regresja  

Regresja  −   metoda  statystyczna  pozwalająca   na   badanie   związku   pomiędzy   wielkościami   danych   i  

przewidywanie  na  tej  podstawie  nieznanych  wartości  jednych  wielkości  na  podstawie  znanych  wartości  innych.  

Formalnie   regresja   to   dowolna   metoda   statystyczna   pozwalającą  estymować  warunkową  wartość  

[1]
oczekiwaną  zmiennej  losowej,  zwanej  zmienną  objaśnianą ,  dla  zadanych  wartości  innej  zmiennej  lubwektora  
[1]
zmiennych  losowych  (tzw.  zmiennych  objaśniających ).  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Użycie  regresji  w  praktyce  sprowadza  się  do  dwóch  faz:  

• konstruowanie   modelu  -­‐   budowa   tzw.  modelu   regresyjnego,   czyli  funkcji  opisującej,   jak   zależy   wartość  
oczekiwana   zmiennej   objaśnianej   od   zmiennych   objaśniających.   Funkcja   ta   może   być   zadana   nie   tylko  
czystym   wzorem   matematycznym,   ale   także   całym  algorytmem,   np.   w   postaci  drzewa   regresyjnego,  sieci  
neuronowej,   itp..   Model   konstruuje   się   tak,   aby   jak   najlepiej   pasował   do   danych   zpróby,   zawierającej  
zarówno  zmienne  objaśniające,  jak  i  objaśniane  (tzw.  zbiór  uczący).  Mówiąc  o  wyliczaniu  regresji  ma  się  na  
myśli  tę  fazę.  

• stosowanie   modelu  (tzw.  scoring)   -­‐   użycie   wyliczonego   modelu   do   danych   w   których   znamy   tylko   zmienne  
objaśniające,  w  celu  wyznaczenia  wartości  oczekiwanej  zmiennej  objaśnianej.  

Korelacja  

Współczynnik  korelacji  –  liczba  określająca  w  jakim  stopniu  zmienne  są  współzależne.  Jest  miarą  korelacji  dwu  
(lub   więcej)   zmiennych.   Istnieje   wiele   różnych   wzorów   określanych   jako   współczynniki   korelacji.   Większość   z  
nich   jest   normalizowana   tak,   żeby   przybierała   wartości   od   −1   (zupełna   korelacja   ujemna),   przez   0   (brak  
korelacji)  do  +1  (zupełna  korelacja  dodatnia).  

Najczęściej   stosowany   jest  współczynnik   korelacji  r  Pearsona.   W   przypadku  rozkładu  dalekiego  

od  dwuwymiarowego   normalnego  lub   istnienia   w  próbie  obserwacji   odstających  współczynnik   korelacji  
Pearsona   może   fałszywie   wskazywać   na   nieistniejącą   korelację   (zjawisko   to   widać   na   przykładzie  kwartetu  
Anscombe'a).   Wady   tej   nie   mają  współczynniki   rangowe,   które   z   kolei   mają   mniejszą  efektywność   dla  
rozkładów  bliskich  normalnemu.  

H0  i  Ha  

Hipotezą   statystyczną  nazywamy   każde   przypuszczenie   dotyczące  rozkładu  cechy   w  populacji   generalnej,   czyli  
rozkładu  teoretycznego  sformułowane  bez  przeprowadzenia  badania  pełnego  wyłącznie  na  podstawie  danych  z  
próby.  

Hipotezy   statystyczne   mogą   dotyczyć   parametrów   nieznanego   rozkładu   cech   w   populacji   generalnej,   są   to   w  
tedy   hipotezy   parametryczne   np.   wartość  średnia  badanej   cechy   całej   zbiorowości   jest   równa   5.   hipotezy   mogą  
też   mówić   jakiego   typu   jest   nieznany   rozkład   teoretyczny,   mogą   dotyczyć   współzależności   cech   badanej  
zbiorowości   są   to   w   tedy   hipotezy   nieparametryczne.   Hipotezę   którą   sprawdzamy   nazywamy   hipotezą   zerową   i  
oznaczmy   H0.   Hipotezę   alternatywną   oznaczamy   H1   nazywamy   każdą   inną   hipotezę   którą   skłonni   jesteśmy  
przyjąć  po  odrzuceniu  hipotezy  zerowej  H0,  decyzję  o  odrzuceniu  lub  przyjęciu  H0  podejmujemy  na  podstawie  
wyników  próby  losowej  .  

Rodzaje  hipotez:  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

! parametryczne  (o  wartości  przeciętnej,  o  wskaźniku  struktury,  o  wariancji,  itp.)  

! nieparametryczne  (o  rozkładzie  cechy,  o  niezależności  cech  X  i  Y,  itp.).  

! zerowa   (H0),   jest   hipotezą   o   wartości   jednego   (lub   wielu)   parametru   populacji.   Hipotezę   traktujemy   jako  
prawdziwą  dopóki  nie  uzyskamy  informacji  statystycznych  dostatecznych  do  zmiany  naszego  stanowiska.  
! alternatywna   (H1),   jest   hipoteza   przypisująca   parametrowi   populacji   wartość   niezgodną   z   przypisaną   mu  
przez  hipotezę  zerową  (H0).  
 
Hipoteza   to   pewne   twierdzenie   wynikające   z   naszego   pytania   badawczego.   Nasze   pytanie   badawcze   z   kolei  
wynika   ze   zgłębienia   pewnego   obszaru   wiedzy   jakiejś   dziedziny   nauki   (lub   wielu   dziedzin   różnych   nauk).  
Hipoteza  zazwyczaj  jest  postawiona  po  to  by  ją  potwierdzić  lub  odrzucić.  W  statystyce  stawiamy  zazwyczaj  dwa  
rodzaje  hipotez  –  zerową  i  alternatywną.  
Hipoteza  zerowa  (H0),  którą  poddajemy  weryfikacji/falsyfikacji  mówi  o  tym,  że  czegoś  nie  ma    …ale  czego?  Tego  
na   czym   najczęściej   nam   zależy.  Jeśli   badamy   wpływ   naszego   leku   na   poprawę   pamięci   hipoteza   zerowa   będzie  
mówiła  o  tym,  że  lek  nie  wpływa  na  poprawę  pamięci.  Jeśli  sprawdzamy  czy  IQ  uczniów  jest  skorelowane  z  ich  
poziomem  agresji  hipoteza  zerowa  będzie  mówiła  o  tym,  że  inteligencja  nie  jest  powiązana  z  agresją.  
Do   hipotezy   zerowej   zawsze   formułujemy   hipotezę   alternatywną   (H1).   Jest   ona   zaprzeczeniem   hipotezy  
zerowej   i   mówi   właśnie   o   tym   na   czym   najczęściej   nam   zależy.    Analogicznie   do   powyższych   przykładów  
hipoteza   alternatywna   będzie   mówiła,   że   pamięć   badanych   będzie   lepsza   po   podaniu   leku   niż   przed   jego  
podaniem  lub,  że  iloraz  inteligencji  jest  istotnie  powiązany  z  agresją  uczniów  w  szkołach.  
Wszystkie   analizy   statystyczne   będziemy   wykonywać   po   to   by   próbować   odrzucić   hipotezę   zerową.   Jeśli   nam  
się  to  nie  uda  będziemy  musieli  ją  przyjąć.  Pamiętajcie,  że  właśnie  hipoteza  zerowa  jest  tą,  na  której  pracujemy.  
To   do   niej   odnosimy   wyniki   uzyskane   w   toku   analiz   statystycznych.   Punktem   wyjścia   jest   fakt,   że   nie   ma  
żadnych  różnic,  związków,  zależności  itp.  Jeśli  wynik  testu  będzie  istotny  na  poziomie  p<0,05  będziemy  mogli  ją  
odrzucić.  W  przeciwnym  wypadku  zostaje  tak  jak  jest.  
Czasami   niełatwo   jest   zrozumieć   jaka   jest   różnica   między   dążeniem   do   odrzucenia   hipotezy   zerowej   (to   co  
robimy),  a  dążeniem  do  potwierdzenia  hipotezy  alternatywnej  (tym  czego  nie  robimy).  
Żeby   to   ułatwić   warto   porównać   proces   przeprowadzania   analiz   statystycznych   (czyli   weryfikacji   hipotez)   do  
rozprawy   sądowej   i   tak   zwanej   zasady   domniemania   niewinności.   Kiedy   przed   sądem   staje   oskarżony   to   jest   on  
na   pozycji   hipotezy   zerowej.   Nie   jest   mu   przypisane   domyślnie   to   o   co   się   go   oskarża.   W   trakcie   trwającego  
dochodzenia/procesu   sądowego   prokurator   stara   się   udowodnić,   że   oskarżony   jest   winny.   Stara   się   zatem  
odrzucić  hipotezę  zerową  i  wsadzić  złoczyńcę  za  kratki  (czyli  przyjąć  hipotezę  alternatywną  –  ten  człowiek  jest  
winny).   Jeśli   zdobędzie   dostatecznie   dużo   dowodów   będzie   mógł   to   zrobić.   W   przeciwnym   wypadku   nie   będzie  
mógł  odrzucić  hipotezy  zerowej  i  oskarżonego  uznać  za  winnego.  
W   tym   miejscu   widać   również   jak   ważne   jest   nie   popełnianie  błędu   I   rodzaju.   Chyba   nikt   z   nas   nie   chciałby  
znaleźć  się  w  więzieniu  będąc  niewinnym.  Tak  niestety  dzieje  się  kiedy  nie  mając  dostatecznie  dużo  dowodów  
w   postaci   istotnych   statystycznie   wyników   lub   mając   złamane   istotne   założenia   testów   parametrycznych   i  
istotne  wyniki  testów  weryfikujących  hipotezy  nie  bacząc  na  nic  przyjmujemy  hipotezę  alternatywną.  
 

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

p-­‐value    
[1] [1]
Prawdopodobieństwo   testowe  (ang.  p-­‐value),  p-­‐wartość  graniczny   poziom   istotności  –   w  analizie  
danych  prawdopodobieństwo,   że   uzyskalibyśmy   takie   jak   faktycznie   obserwujemy,   lub   bardziej   oddalone   od  
zera   wartości   pewnej  statystyki  (np.   różnicy  średnich),   przy   założeniu   że  hipoteza   zerowa  jest   spełniona.  
Stosowane   jako  miara   prawdopodobieństwa  popełnienia  błędu   pierwszego   rodzaju,   czyli   liczbowe  
wyrażenie  istotności  statystycznej.  

Użycie   unormowanej   wielkości,   pozwala   bezpośrednio   ocenić   wiarygodność   hipotezy.   Jest   to   bardziej  
elastyczna  alternatywa  klasycznych  przedziałów  ufności,  gdyż  nie  wymaga  zakładania  z  góry  żadnego  poziomu  
ufności.  

Istnieją  sytuacje  w  których  wniosek  do  którego  prowadzi  obliczanie  p-­‐wartości  jest  błędny.  

Wyobraźmy   sobie   eksperyment   sprawdzający,   czy   moneta   jest   symetryczna   (jednakowa   jest   szansa   otrzymania  
orła   jak   i   reszki).  Hipoteza   zerowa  jest   więc   taka,   że   moneta   jest   symetryczna   i   każde   odchylenie   liczby  
otrzymanych   orłów   od   liczby   reszek   jest   tylko   przypadkiem.   Przypuśćmy,   że   wyniki   eksperymentu   to   14   orłów   z  
20   rzutów.   P-­‐wartość   takiego   wyniku   jest   szansą   na   to,   żeby   uczciwa   moneta   dała   przynajmniej   14   orłów  na   20  
rzutów  lub  najwyżej  6  reszek  na  20  rzutów.  Prawdopodobieństwo  tego,  że  na  20  rzutów  symetrycznej  monety  
otrzymamy   co   najmniej   14   orłów   wynosi   0,0577.   Otrzymujemy   zatem   p-­‐wartość   większą   od  
konwencjonalnego  poziomu   istotności  0,05,   tak   więc   nie   ma   podstaw   do   podważania   hipotezy   o   tym,   że  
moneta  jest  symetryczna.  

Źródła:  
• http://pl.wikipedia.org/  

• http://matematyka.pisz.pl  
• http://pl.wikibooks.org/wiki  

• http://www.naukowiec.org  

   

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

Łukasz  Kubacki  
Specjalizuje   się   w   usprawnianiu,   optymalizacji   procesów   i   poprawie  
efektywności  operacyjnej  oraz  szkoleniach  z  metodyki  Lean  Six  Sigma.  
Współautor   wdrożenia   programu   optymalizacji   procesów   dla   dużego  
polskiego   banku.   Twórca   cyklu   seminariów   ze   studentami  
Uniwersytetu  Ekonomicznego  we  Wrocławiu  w  zakresie  optymalizacji  
i  stabilności  procesów  w  oparciu  o  Lean  Six  Sigma  w  ramach  Kapitał  Ludzki  –  Kuźnia  Kadr.  Mentor  w  
projekcie  planowania  ścieżek  rozwoju  dla  studentów  Uniwersytetu  Ekonomicznego  i  Wyższej  Szkoły  
Bankowej  w  ramach  projektów  realizowanych  przez  uczelniane  Biura  Karier.  Wykładowca  na  WSB  w  
Chorzowie  na  kierunku  Six  Sigma  i  optymalizacja  procesów.  

O  firmie  Octigo  
Octigo  sp.  z  o.o.  specjalizuje  się  w  tworzeniu  i  prowadzeniu  nowoczesnych  szkoleń  wzbogaconych  o  
gry  szkoleniowe  i  symulacje.  

Prowadzimy   też    unikalne   kierunki   studiów   podyplomowych   z   zakresu   zarządzania   projektami,  

projektami  IT  oraz  optymalizacji  procesów  Six  Sigma  oparte  w  dużej  części  na  grach  szkoleniowych.  

Więcej  na  http://octigo.pl/category/blog/.  

Nasz  misja  

Uważamy,   że   człowiek   oczekuje   od   szkolenia   interesującego   i   angażującego   kontaktu   z   trenerem   i  

grupą  innych  ludzi.  Co  daje  mu  szansę  sprawdzenia  i  nauczenia  się  w  praktyce  wiedzy,  którą  zdobywa.  
Treści   podawcze   powinny   być   dostarczone   w   taki   sposób,   aby   jak   najefektywniej   wykorzystać   czas  
szkolenia.   Dlatego   dostarczamy   wiedzę   w   formie   interaktywnych   narzędzi,   gier,   symulacji   i  
darmowych  podręczników.  

Staramy   się   dostarczać   najlepsze   w   swojej   klasie   produkty.   Nasze   szkolenia   były   wielokrotnie  
nagradzane  przez  Project  Management  Institute  w  USA  oraz  w  Polsce:  PMI  Award  2007,  2009,  2010,  
2013  oraz  PMI  Poland  Chapter  2010  Product  Award,  co  czyni  z  nas  najczęściej  nagradzaną  przez  PMI  
firmą   szkoleniową   świecie.   Posiadamy   wiedzę   i   certyfikaty   z   prowadzenia   szkoleń   oraz   zarządzania  

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl          

projektami:  PMP,  PgMP,  Lean  Six  Sigma  Black  Belt,  PRINCE2  Foundation.  Nasi  trenerzy  to  wyłącznie  
praktycy  w  swoich  branżach.  

Jesteśmy  instytucjonalnym  członkiem  IPMA  oraz  PMI  R.E.P.  

         

                       Słownik  terminów  Six  Sigma,  Octigo  sp.  z  o.o.,  www.octigo.pl  ,  szkolenia@octigo.pl