六西格玛方差分析--214601705

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,拥有庞大的管理资料库,方 差 分 析,6,1,Chi-square,(卡方分析）,单-X,多个XS,单-Y,Regression,（回归分析）,ANOVA,Means,Medians Tests,（方差分析）,Logistic,Regression,(逻辑回归分析）,Chi-square,(卡方分析）,Multiple,Regression,（多元回归分析）,2,3,4 way,ANOVA,Medians Tests,（方差分析）,Multiple,Logistic,Regression,(多元回归分析）,Y-Date,连续,离散,连续,离散,Y-Date,离散,连续,连续,离散,分析指南,P-Vaule0.05 元相关性,25 or transformed),Kruskal-Wallis/Moods Median,(Med A=Med B=Med C),Kruskal-Wallis/Moods Median,(Med A=Med B=Med C),Small P-Value(0.5) 方差不相等,Small P-Value(0.5),两个母体的Centering 不想等,Levens Test,Ho:,2,A,=,2,B,是否有任何明显的变化趋势或模式，足以,证明资料并非来自,单一的,母体/流程？,资料是否为正态分布？,小P-Value（0.05,P0.05,8,分析 Roadmap:3+Samples,3 Level ANOVA,Cust 1,Cust 2,Cust 3,25.2969,26.0056,28.4268,26.0578,28.9400,27.5085,24.0700,26.0063,27.5825,24.8199,26.4356,27.4018,25.9851,25.9927,24.9209,实际问题,比较Customer 1, Customer 2和Customer 3,所经历的运送时间的数据资料,9,分析Roadmap：3个或更多样本,+3 Level X 的比较,研究 Stability,（若可行）,研究 Shape,研究Spread,Minitab,焦点或问题是?,Descriptive,统计与正态,检验,SPC Chart,I-MR,Bartlett Test (F-Test),Ho:,2,A,=,2,B,Small P-Value(0.5) 方差不祥等,Levens Test,Ho:,2,A,=,2,B,是否有任何明显的变化趋势或,模式，足以证明资料并非来自,单一的,母体/流程？,资料是否为正态分布？,小P-Value（25 or transformed),Kruskal-Wallis/Moods Median,(Med A=Med B=Med C),Kruskal-Wallis/Moods Median,(Med A=Med B=Med C),Small P-Value(0.5) 方差不相等,Small P-Value(0.5),两个母体的Centering 不想等,Levens Test,Ho:,2,A,=,2,B,是否有任何明显的变化趋势或模式，足以,证明资料并非来自,单一的,母体/流程？,资料是否为正态分布？,小P-Value（ 检验不同分布的中位数是否相等,-,Kruskal Wallis,Medians,检验, 假设每一个被分析的分布有相同的形状, 对很多分布而言,此方法比,Kruskal Wallis,的检验能力低, 与,Moods 中位数检验一样的基本假设, 对更多的分布而言更具有检验能力，但较难应付,outliers,(分离点，,非正常值,37,Moods-Median Test,Minitab,Stat,Nonparameltrics,Moods Median Test,Ho: ,Cust1,=,Cust2,=,Cust3,Ha: Not all ,Cust,are =,其中 s are 为母体中位数,38,Moods-Median Test,Mood Median Test,Mood median test for Delivery,A P-Value!,我们应做何决定?,39,Minitab,Stat,Nonparameltrics,Kruskal-Wallis,Ho: ,Cust1,=,Cust2,=,Cust3,Ha: Not all ,Cust,are =,Wheres are the population medians,Kruskal-Wallis Test,40,Kruskal-Wallis Test,A P-Value!,我们应做何决定?,41,单因子实验的概念,当输入变量,(,因子,),有多个样本时,我们实际上正在执,行一单因子实验,通常我们想确认,因子的不同水平之间是否存在差异,- 范例:评估三家供应商的相同材料,- 范例:对5个不同的焊接工,评估他们是否一致,我们开始讨论第一个实验,让,我们来看一看,42,单因子实验的概念,考虑某个实例：一产品开发工程师，欲调查目前的,5,种,焊接设定对电阻式焊接系统的焊接强度的影响,她,准备调查的范围介于,15-19,Amps,之间,- 她将观察此输入变量,（Factor）,的5个,levels,：15A，16A，,17A，18A及19A,- 对每一,levels,测试5个样本,输出：,Weld Strength,输入,：,Current,此为单,因子实验的范例：,X = Current with 5 levels,43,范例 Continued,下列设计矩阵,练习：开启,ANOVA.MPJ,中的,Weld Strength,工作表，并执行dotplot 来比较每一 level 的 weld strengths,15,16,17,18,19,7,12,14,19,7,7,17,18,25,10,15,12,18,22,11,11,18,19,19,15,9,18,19,23,11,Current,Weld,Strength,44,资料分析练习,使用,ANOVA.MPJ,中的,Weld Strength,工作表，分析,welding example 资料,依循,roadmap,搂分析并和邻桌商讨,准备好在,15,分钟内，回答有关您的方法和结论的问题,45,BB 的提示,在,某些合适情形下，属性资料利用此工具也能达成良好,成效。请先试用,46,总结,简介,One-way ANOVA,基本统计模式,确认,One-way ANOVA,的统计假定,学习不同的探索性分析与图解的技巧,学习如何执行,F-test,（,假设试验）,研究方差比较的统计性检验,47,卡 方 分 析,6,48,Chi-square,(卡方分析）,单-X,多个XS,单-Y,Regression,（回归分析）,ANOVA,Means,Medians Tests,（方差分析）,Logistic,Regression,(逻辑回归分析）,Chi-square,(卡方分析）,Multiple,Regression,（多元回归分析）,2,3,4 way,ANOVA,Medians Tests,（方差分析）,Multiple,Logistic,Regression,(多元回归分析）,Y-Date,连续,离散,连续,离散,Y-Date,离散,连续,连续,离散,分析指南,P-Vaule0.05 元相关性,0.05 有很大相关性,49,目 的,介绍,卡方分析,-,独立性检验,的基本概念,连结卡,方分析独立性检验,与,MAIC,roadmap,50,分析 Roadmap,X 数据,离散,连续,卡方分析,逻辑回归分析,方差分析,平均值/,中位值,回归分析,离散,连续,Y 数据,离散,连续,X 数据,逻辑,回归分析,逻辑,回归分析,2,3,4方法,方差分析/,中位值,多变量,回归分析,离散,连续,Y 数据,单一X,多个Xs,单一X,多个Xs,多变量分析,(注意:这并不是Multi-Vari Studies),51,分析 Roadmap,单一 X vs. 单一 Y,X 数据,离散,连续,卡方分析,逻辑回归分析,方差分析,平均值/中位值,回归分析,离散,连续,Y 数据,52,资 料,受雇,不受雇,合计,Old,Young,合计,30,150,180,45,230,275,75,380,455,在此，你将如何作决策？,53,假 设,在卡方,分析独立性检验中，统计学家对大多数的变量,皆假设为独立的，因此：,Ho：资料相互独立（不相关）,Ha：资料相互不独立（相关）,如果 P 值 0.05,年龄与受聘不相关的,此数值告诉您好什么信息？,期望值和理论值很接近，,则Ho 接受,68,另一个范例,受雇,不受雇,Old,Young,45,135,45,230,P = 0.024 0.05 ,说明不独立,即有相关联,69,在 Minitab 中另一种卡方分析检验方法,同样资料,但 C9栏已取代 Margin 栏,我们现在有编码为 good / bad 的资料,但我们没有 X factors 缺陷的表,如何使用,卡方分析,?,Profitability.mpj,70,此选项要示 Minitab 为我们制作,一个暂时的观测频率表,此表仅为完成计算而存在,适用于一般表格(未统计出不同情况的总数),71,Tabulated Statistics,Rows : Year,Columns : Defect,0,1,All,36,24,60,43.00,17.00,60.00,1,38,22,60,43.00,17.00,60.00,2,55,5,60,43.00,17.00,60.00,3,129,51,180,129.00,51.00,180.00,All,Chi-Square = 17.893, DF = 2 , P-Value = 0.000,期望值,观察值,Null hypothesis ：,year 与defects数,是相互独立的,你觉得呢?,注意：该运行Chi-,square的选项并不会,显示 test statistic的,计算过程,1就,可积算,73,BB的提示,注意您的抽样数目，不可太少,74,回 顾,介绍,卡方分析,-,研究独立性检验,的基本概念,连结,卡方分析,-,研究独立性检验与,MAIC,roadmap,75,额外练习,1、测量系统评估,Stat,Tables,Chi-sguare Test,将数据表直接按矩形输入：,A,B,C,#Good,#Bad,232,590,45,434,119,83,操作员与产品鉴别标准之间，是否存在相互关系？,P=0.6370.05说明:Ho成立,说明操作员的影响因素不相关,可不考虑,如果有,是什么原因造成这种差异?,你下一步会做什么?,输入数据,76,额外练习,2、产品保证(warranty)评估,供应商和产品保证缺陷数之间，是否存在相互关系,Bad Good,21,627,33,467,10,424,Y,X,A,B,C,如果有,是什么原因造成这种差异?,你下一步会做什么?,P=0.0020.05说明:Ho不成立,说明供应商与产品缺陷有相互关系,输入数据,77,