Minitab全面培訓(xùn)教程

Minitab全面培訓(xùn)教程第1頁/共571頁Minitab介紹Minitab是眾多統(tǒng)計(jì)軟件當(dāng)中比較簡單易懂的軟件之一；相對(duì)來講，Minitab在質(zhì)量管理方面的應(yīng)用是比較適合的；Minitab的功能齊全，一般的數(shù)據(jù)分析和圖形處理都可以應(yīng)付自如。第2頁/共571頁Minitab與6Sigma的關(guān)系在上個(gè)世紀(jì)80年代Motolora開始在公司內(nèi)推行6Sigma，并開始借助Minitab使6Sigma得以最大限度的發(fā)揮；6Sigma的MAIC階段中，很多分析和計(jì)算都可以都通過Minitab簡單的完成；即使是對(duì)統(tǒng)計(jì)的知識(shí)不怎么熟悉，也同樣可以運(yùn)用Minitab很好的完成各項(xiàng)分析。第3頁/共571頁Minitab的功能計(jì)算功能計(jì)算器功能生成數(shù)據(jù)功能概率分布功能矩陣運(yùn)算第4頁/共571頁Minitab的功能數(shù)據(jù)分析功能基本統(tǒng)計(jì)回歸分析方差分析實(shí)驗(yàn)設(shè)計(jì)分析控制圖質(zhì)量工具可靠度分析多變量分析時(shí)間序列列聯(lián)表非參數(shù)估計(jì)EDA概率與樣本容量第5頁/共571頁Minitab的功能圖形分析直方圖散布圖時(shí)間序列圖條形圖箱圖矩陣圖輪廓圖三維圖點(diǎn)圖餅圖邊際圖概率圖莖葉圖特征圖第6頁/共571頁課程內(nèi)容安排由于時(shí)間有限，很多內(nèi)容只是做簡單的介紹；在兩天的時(shí)間里，主要的課程內(nèi)容安排如下：R&D研發(fā)支援生產(chǎn)

6σTransactionManufacturing第7頁/共571頁區(qū)分第一天第二天上午基本界面和操作介紹常用圖形的Minitab操作特性要因圖柏拉圖散布圖直方圖時(shí)間序列圖4）組間/組內(nèi)能力分析5）Weibull能力分析基礎(chǔ)統(tǒng)計(jì)和假設(shè)檢驗(yàn)1)描述統(tǒng)計(jì)2)單樣本Z測試3)單樣本T測試4)雙樣本T測試5)成對(duì)T測試6)1比率測試7)2比率測試8)正態(tài)分布下午SPC的Minitab操作

1)Xbar-RChart2)Xbar-SChart

3)I-MRChart4)Z-MRChart5)I-MR-R/SChart6)PChart7)NPChart

8)CChart9)UChart能力分析1）正態(tài)分布圖能力分析2）泊松分布圖能力分析3）二項(xiàng)分布圖能力分析方差分析1)單因數(shù)和雙因數(shù)方差分析回歸分析1)簡單回歸2)逐步回歸MSA測量系統(tǒng)分析1)測量重復(fù)和再現(xiàn)性

(交叉Crossed、嵌套Nested)2)測量走勢圖3)測量線性研究4)屬性測量R&R研究（計(jì)數(shù)）第8頁/共571頁Minitab界面和

基本操作介紹第9頁/共571頁Minitab界面SessionWindow:分析結(jié)果輸出窗口DataWindow:輸入數(shù)據(jù)的窗口每一列的名字可以寫在最前面的列每一列的數(shù)據(jù)性質(zhì)是一致的主菜單第10頁/共571頁Minitab界面同一時(shí)間只能激活一個(gè)窗口.每一個(gè)窗口可以單獨(dú)儲(chǔ)存.不同的要求選擇不同的保存命令第11頁/共571頁打開文件保存文件打印窗口之前之后命令查找數(shù)據(jù)查找下一個(gè)數(shù)據(jù)取消幫助顯示因子設(shè)計(jì)當(dāng)前數(shù)據(jù)窗口session窗口剪切復(fù)制粘貼恢復(fù)顯示worksheets折疊顯示GRAPH折疊狀態(tài)向?qū)э@示session窗口折疊項(xiàng)目窗口關(guān)閉所有圖形窗口重做編輯最近對(duì)話框歷史記錄報(bào)告便棧打開相關(guān)文件項(xiàng)目管理窗口插入單元格插入行插入列移除列工具欄的介紹第12頁/共571頁數(shù)據(jù)的生成

(MakeRandomData)例：生成一組男生身高的數(shù)據(jù)，要求：平均身高175cm，標(biāo)準(zhǔn)偏差5cm，數(shù)據(jù)個(gè)數(shù)100.Select:Calc>RandomData>Normal第13頁/共571頁數(shù)據(jù)的生成結(jié)果第14頁/共571頁生成有規(guī)律的數(shù)據(jù)Select:Calc>MakePatternedData>SimpleSetofNumber第15頁/共571頁結(jié)果輸出第16頁/共571頁數(shù)據(jù)類型的轉(zhuǎn)換

(ChangeDataType)Select:Data>ChangeDataType>NumerictoText需要轉(zhuǎn)換的列轉(zhuǎn)換后數(shù)據(jù)存放列，可以是原來的數(shù)據(jù)列第17頁/共571頁數(shù)據(jù)類型的轉(zhuǎn)換結(jié)果第18頁/共571頁數(shù)據(jù)的堆棧（Stack&Unstack）Select:Data>Stack>columns原始數(shù)據(jù)輸入需要堆棧的列，如果由前后順序，按前后順序進(jìn)行輸入輸入堆棧后存放列的位置注解可以用來區(qū)分?jǐn)?shù)據(jù)的來源第19頁/共571頁數(shù)據(jù)的堆棧結(jié)果第20頁/共571頁數(shù)據(jù)塊的堆棧(StackBlocks)Select:Data>Stack>Blocksofcolumns原始數(shù)據(jù)在對(duì)話框中輸入2~5列數(shù)據(jù)，注解列在前面輸入新工作表和注解的位置第21頁/共571頁數(shù)據(jù)塊的堆棧結(jié)果第22頁/共571頁轉(zhuǎn)置欄（TransposeColumns）Select:Data>TransposeColumns輸入需要轉(zhuǎn)置的列輸入新工作表的位置可以輸入注解列第23頁/共571頁轉(zhuǎn)置結(jié)果第24頁/共571頁連接（Concatenate）Select:Data>Concatenate原始數(shù)據(jù)輸入需要連接的數(shù)據(jù)列輸入新數(shù)據(jù)列的位置第25頁/共571頁連接結(jié)果第26頁/共571頁編碼（Code）Select:Data>code>NumerictoText原始數(shù)據(jù)被編碼的變量存儲(chǔ)編碼值的欄規(guī)則編碼第27頁/共571頁編碼結(jié)果第28頁/共571頁Minitab之常用圖形第29頁/共571頁QC手法常用的圖形如下:特性要因圖控制圖(參見SPC部分)柏拉圖散布圖直方圖時(shí)間序列圖σσσσσσ第30頁/共571頁特性要因圖決定特性Y頭腦風(fēng)暴找出可能的要因X將X依5M+1E方式列表將表輸出MINITAB中輸出結(jié)果圖形第31頁/共571頁練習(xí)人機(jī)料法環(huán)測不夠熟練設(shè)備沒有保養(yǎng)原料沒有檢查沒有設(shè)定標(biāo)準(zhǔn)化方法溫度太高儀器偏差太大培訓(xùn)不夠設(shè)備不常清掃原料含s,p太高抽樣方式不合理濕度太低儀器R&R太高監(jiān)督不夠沒有進(jìn)行點(diǎn)檢第32頁/共571頁輸入表中Select:Stat>Qualitytools>Cause-and-effect注意輸入格式第33頁/共571頁填好各項(xiàng)需要的參數(shù)第34頁/共571頁結(jié)果輸出:第35頁/共571頁柏拉圖收集各項(xiàng)質(zhì)量特性缺陷列成表輸入到MINITAB中MINITAB繪出圖形找出關(guān)鍵的Y特性第36頁/共571頁練習(xí)項(xiàng)次缺陷項(xiàng)數(shù)量1虛焊5002漏焊3003強(qiáng)度不夠2004外觀受損1505其它160第37頁/共571頁輸入數(shù)據(jù)Select:Stat>Qualitytools>ParetoChart第38頁/共571頁填好各項(xiàng)參數(shù)輸入缺陷列輸入頻數(shù)列在此指定“95%”將使余下的圖示為“Others”。設(shè)置X軸,Y軸標(biāo)簽可以對(duì)柏拉圖進(jìn)行命名第39頁/共571頁結(jié)果輸出第40頁/共571頁不良項(xiàng)目不良數(shù)不良率累計(jì)不良率摩擦痕7.780.370.37輥印2.440.120.48污染2.270.110.59劃傷2.220.110.70線形裂紋1.970.090.79異物壓入1.330.060.85斑痕1.110.050.91微細(xì)裂紋0.770.040.94墊紙壓入0.680.030.98軋機(jī)墊紙印痕0.510.021.00合計(jì)21.08

下表為STS冷軋工廠ZRM不良現(xiàn)狀,試做分析練習(xí):第41頁/共571頁散布圖決定你所關(guān)心的Y決定和Y有可能的X收集Y和X的數(shù)據(jù)輸入MINITAB繪出圖形判定Y和X之間的關(guān)系第42頁/共571頁練習(xí)YX65800668106582066830678406785068860688706789068900第43頁/共571頁輸入數(shù)據(jù)Select:Gragh>Scatterplot第44頁/共571頁輸入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式第45頁/共571頁輸出圖形可以用直接方式判定，有正相關(guān)的傾向。更詳細(xì)的說明可以參見回歸分析第46頁/共571頁直方圖決定你所關(guān)心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出直方圖進(jìn)行判定第47頁/共571頁練習(xí)序號(hào)零件重量161.161.361.460.660.662.061.060.6260.660.860.961.361.060.860.760.2361.360.660.360.761.260.661.162.1461.060.861.860.960.961.761.460.4560.960.260.661.561.759.862.162.3661.060.860.960.661.161.061.160.9760.360.761.061.760.561.661.660.7860.561.361.561.161.060.761.260.8961.061.461.060.361.161.161.061.11061.260.960.461.660.660.460.360.61160.460.561.361.261.960.961.060.71260.860.859.760.861.061.260.660.71362.361.261.260.061.060.161.461.11462.260.960.561.662.561.161.061.41560.160.861.061.160.861.561.760.5第48頁/共571頁Select:Gragh>Histogram輸入數(shù)據(jù)例:右表為某零件重量的數(shù)據(jù).試作(1)直方圖(2)計(jì)算均值x和標(biāo)準(zhǔn)差s(3)該特性值的下限是60.2克,上限是62.6克,在直方圖中加入規(guī)格線并加以討論.第49頁/共571頁填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式可以同時(shí)為幾個(gè)變量作直方圖點(diǎn)擊此選項(xiàng)輸入上下規(guī)格界限第50頁/共571頁結(jié)果輸出請(qǐng)依照直方圖分析方法來進(jìn)行圖形分析和判定更深入的分析可以參見制程能力分析部份。第51頁/共571頁時(shí)間序列圖決定你所關(guān)心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出時(shí)間序列圖進(jìn)行判定第52頁/共571頁練習(xí)時(shí)間銷售量2006/11502006/21262006/31352006/41652006/51902006/61702006/71752006/81802006/9176第53頁/共571頁輸入數(shù)據(jù)Select:Gragh>TimeSeriesPlot第54頁/共571頁填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式時(shí)間刻度設(shè)置第55頁/共571頁結(jié)果輸出依此狀況來判定未定的銷售趨勢。第56頁/共571頁Minitab的SPC使用第57頁/共571頁控制圖一.控制圖原理1.現(xiàn)代質(zhì)量管理的一個(gè)觀點(diǎn)--產(chǎn)品質(zhì)量的統(tǒng)計(jì)觀點(diǎn)a.產(chǎn)品的質(zhì)量具有變異性.b.產(chǎn)品質(zhì)量的變異具有統(tǒng)計(jì)規(guī)律性.至工業(yè)革命以后,人們一開始誤認(rèn)為:產(chǎn)品是由機(jī)器造出來的,因此,生產(chǎn)出來的產(chǎn)品是一樣的.隨著測量理論與測量工具的進(jìn)步,人們終于認(rèn)識(shí)到:產(chǎn)品質(zhì)量具有變異性,公差制度的建立是一個(gè)標(biāo)志.產(chǎn)品質(zhì)量的變異也是有規(guī)律性的,但它不是通常的確定性現(xiàn)象的確定性規(guī)律,而是隨機(jī)現(xiàn)象的統(tǒng)計(jì)規(guī)律.第58頁/共571頁控制圖一.控制圖原理2.控制圖的原理a.計(jì)量值產(chǎn)品特性的正態(tài)分布如果我們對(duì)某一計(jì)量值產(chǎn)品的特性值(如:鋼卷厚度等）進(jìn)行連續(xù)測試,只要樣本量足夠大,就可看到它們服從正態(tài)分布的規(guī)律.0μn(x;μ,σ)第59頁/共571頁控制圖一.控制圖原理b.3σ控制方式下的產(chǎn)品特性值區(qū)間3σ控制方式下產(chǎn)品特性值落在[μ-3σ,μ+3σ]范圍內(nèi)的概率為99.73%,其產(chǎn)品特性值落在此區(qū)間外的概率為1-99.73%=0.27%.0.135%0.135%μ-3σμ+3σμ第60頁/共571頁控制圖一.控制圖原理c.常規(guī)控制圖的形成μμ-3σμ+3σμμ+3σμ-3σμ-3σμ+3σμ第61頁/共571頁控制圖一.控制圖原理d.控制圖原理的解釋第一種解釋:1.若過程正常,即分布不變,則點(diǎn)子超過UCL的概率只有1‰

左右.2.若過程異常,μ值發(fā)生偏移,于是分布曲線上、下偏移,則點(diǎn)子超過UCL或LCL的概率大為增加.結(jié)論:點(diǎn)出界就判異以后要把它當(dāng)成一條規(guī)定來記住.891011UCLCLLCL時(shí)間(h)第62頁/共571頁控制圖一.控制圖原理第二種解釋:1.偶然因素引起偶然波動(dòng)。偶然波動(dòng)不可避免,但對(duì)質(zhì)量的影響微小,通常服從正態(tài)分布,且其分布不隨時(shí)間的變化而改變。時(shí)間目標(biāo)線可預(yù)測過程受控第63頁/共571頁控制圖一.控制圖原理2.異因引起異波。異波產(chǎn)生后,其分布會(huì)隨時(shí)間的變化而發(fā)生變化。異波對(duì)質(zhì)量影響大,但采取措施后不難消除。第二種解釋:結(jié)論:控制圖上的控制界限就是區(qū)分偶波與異波的科學(xué)界限,休哈特控制圖的實(shí)質(zhì)是區(qū)分偶然因素與異常因素兩類因素.時(shí)間目標(biāo)線不可預(yù)測過程失控第64頁/共571頁二.常規(guī)控制圖及其用途控制圖~取樣費(fèi)時(shí)、昂貴的場合.UCLx=X+2.66RsUCLRs=3.267Rs單值-移動(dòng)極差控制圖X-Rs現(xiàn)場需把測定數(shù)據(jù)直接記入控制圖進(jìn)行控制.UCLX=X+m3A2RUCLR=D4RLCLR=D3R中位數(shù)-極差控制圖X-R當(dāng)樣本大小n>10,需要應(yīng)用s圖來代替R圖.UCLX=X+A3sUCLs=B4sLCLs=B3s均值-標(biāo)準(zhǔn)差控制圖X-s最常用最基本的控制圖.控制對(duì)象:長度、重量等.UCLX=X+A2RUCLR=D4RLCLR=D3R均值-極差控制圖X-R正態(tài)分布(計(jì)量值)備注控制圖界限控制圖名稱控制圖代號(hào)分布~第65頁/共571頁二.常規(guī)控制圖及其用途控制圖一定單位,樣品大小不變時(shí)UCLc=c+3c不合格數(shù)控制圖c一定單位中所出現(xiàn)缺陷數(shù)目控制UCLu=u+3u/n單位不合格數(shù)控制圖u泊松分布(計(jì)點(diǎn)值)不合格品數(shù)控制UCLnp=np+3np(1-p)不合格品數(shù)控制圖np用于不合格品率或合格品率控制UCLp=p+3p(1-p)/n不合格品率控制圖p二項(xiàng)分布(計(jì)件值)備注控制圖界限控制圖名稱控制圖代號(hào)分布√√√√第66頁/共571頁Minitab可提供的圖形計(jì)量型Xbar-RXbar-sI-MRI-MR-sZ-MR計(jì)數(shù)型PNpCU第67頁/共571頁Xbar-R做法Xbar-R是用于計(jì)量型判穩(wěn)準(zhǔn)則：連續(xù)二十五點(diǎn)沒有超出控制界限。判異準(zhǔn)則：一點(diǎn)超出控制界限連續(xù)六點(diǎn)上升或下降或在同一側(cè)不呈正態(tài)分布，大部份點(diǎn)子沒有集中在中心線。第68頁/共571頁Xbar-R做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第69頁/共571頁Xbar-R練習(xí)Select:Stat>ControlCharts>VariablesChartsforSubgroups>Xbar-R打開Data目錄下的Camshaft.mtw第70頁/共571頁輸入?yún)?shù)根據(jù)不同的輸入方式選擇不同的分析方法第71頁/共571頁決定測試要求可以在這里選擇判異準(zhǔn)則第72頁/共571頁判異準(zhǔn)則準(zhǔn)則1:一點(diǎn)超出控制界限AABCCBUCLCLLCL××區(qū)域A(+3σ)區(qū)域A(-3σ)區(qū)域B(+2σ)區(qū)域C(+1σ)區(qū)域C(-1σ)區(qū)域B(-2σ)UCLCLLCL第73頁/共571頁準(zhǔn)則2:連續(xù)9點(diǎn)在中心線的同側(cè)判異準(zhǔn)則AABCCBUCLCLLCL第74頁/共571頁準(zhǔn)則3:連續(xù)6點(diǎn)呈上升或下降趨勢AABCCBUCLCLLCL判異準(zhǔn)則第75頁/共571頁準(zhǔn)則4:連續(xù)14點(diǎn)上下交替AABCCBUCLCLLCL判異準(zhǔn)則第76頁/共571頁準(zhǔn)則5:連續(xù)3點(diǎn)中有2點(diǎn)落在中心線同一側(cè)的B區(qū)以外判異準(zhǔn)則AABCCBUCLCLLCL第77頁/共571頁準(zhǔn)則6:連續(xù)5點(diǎn)中有4點(diǎn)在C區(qū)之外(同側(cè))判異準(zhǔn)則AABCCBUCLCLLCL第78頁/共571頁準(zhǔn)則7:連續(xù)15點(diǎn)在中心線附近的C區(qū)內(nèi)判異準(zhǔn)則AABCCBUCLCLLCL第79頁/共571頁準(zhǔn)則8:連續(xù)8點(diǎn)在中心線兩側(cè)而無一點(diǎn)在C區(qū)判異準(zhǔn)則AABCCBUCLCLLCL第80頁/共571頁決定標(biāo)準(zhǔn)差的估計(jì)方法一般選擇Rbar的標(biāo)準(zhǔn)差估計(jì)方式第81頁/共571頁決定選項(xiàng)進(jìn)行正態(tài)性轉(zhuǎn)換λ值將標(biāo)準(zhǔn)轉(zhuǎn)換變量的標(biāo)準(zhǔn)偏差最小化,當(dāng)λ≠0，轉(zhuǎn)換結(jié)果為Yλ,如λ＝0,轉(zhuǎn)換結(jié)果為LOGeYλ值轉(zhuǎn)換值λ＝2Y′=Y2λ＝0.5Y′=√Yλ＝0Y′=logeYλ＝-0.5Y′=1/√Yλ＝-1Y′=1/Y第82頁/共571頁決定選項(xiàng)(續(xù))輸入1,2,3StDEV控制限第83頁/共571頁圖形輸出:第84頁/共571頁判圖請(qǐng)判定前圖是否有異常請(qǐng)問本圖為解析用圖或是控制用圖第85頁/共571頁Xbar-s做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第86頁/共571頁Xbar-s練習(xí)Select:Stat>ControlCharts>VariablesChartsforSubgroups>Xbar-s打開Data目錄下的Camshaft.mtw第87頁/共571頁輸入?yún)?shù)其他參數(shù)設(shè)置與Xbar-R圖相同第88頁/共571頁圖形輸出:第89頁/共571頁判圖請(qǐng)判定前圖是否有異常請(qǐng)問本圖為分析用圖或是控制用圖第90頁/共571頁I-MR圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第91頁/共571頁I-MR練習(xí)打開下列檔案:Data目錄下的Coating.MTWSelect:Stat>ControlCharts>VariablesChartsforIndividuals>I-MR第92頁/共571頁輸入?yún)?shù)輸入變量第93頁/共571頁圖形輸出第94頁/共571頁判圖請(qǐng)判定前圖是否有異常請(qǐng)問本圖為解析用圖或是控制用圖第95頁/共571頁I-MR-R圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第96頁/共571頁I-MR-R練習(xí)打開Data目錄下的Camshaft.mtwSelect:Stat>ControlCharts>VariablesChartsforSubgroups>I-MR-R第97頁/共571頁輸入?yún)?shù)輸入變量和樣本數(shù)第98頁/共571頁圖形輸出第99頁/共571頁判圖請(qǐng)判定前圖是否有異常請(qǐng)問本圖為分析用圖或是控制用圖第100頁/共571頁Z-MR(標(biāo)準(zhǔn)化的單值移動(dòng)極差)圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第101頁/共571頁Z-MR練習(xí)Select:Stat>ControlCharts>VariablesChartsforIndividuals>Z-MR打開Data目錄下的Exh_qc.MTW當(dāng)過程數(shù)據(jù)少而無法很好評(píng)估過程參數(shù)時(shí)使用第102頁/共571頁輸入?yún)?shù)輸入變量輸入自變量第103頁/共571頁決定估計(jì)選擇標(biāo)準(zhǔn)差的估計(jì)方法第104頁/共571頁圖形輸出第105頁/共571頁P(yáng)圖做法判定及采取措施決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析第106頁/共571頁P(yáng)圖練習(xí)P圖只能適用在二項(xiàng)分布的質(zhì)量特性性。在做p圖時(shí)，要注意其樣本數(shù)必須達(dá)到1/p~5/p，如此之下的圖才比較具有意義。第107頁/共571頁輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>ControlCharts>AttributesCharts>P將數(shù)據(jù)輸入到Minitab表中第108頁/共571頁輸入?yún)?shù)輸入變量輸入樣本數(shù)第109頁/共571頁決定判異準(zhǔn)則選擇判異準(zhǔn)則計(jì)數(shù)型的判異準(zhǔn)則與計(jì)量型的不太一樣第110頁/共571頁圖形輸出第111頁/共571頁NP圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第112頁/共571頁NP圖練習(xí)np圖只能適用在二項(xiàng)分布的質(zhì)量特性性。在做np圖時(shí)，要注意其樣本數(shù)必須達(dá)到1/p~5/p，如此之下的圖才比較具有意義。第113頁/共571頁輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>ControlCharts>AttributesCharts>NP將數(shù)據(jù)輸入到Minitab表中第114頁/共571頁圖形輸出第115頁/共571頁C圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第116頁/共571頁C圖練習(xí)c圖只能適用在泊松分布的質(zhì)量特性上。在做c圖時(shí)，要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上，如此之下的圖才比較具有意義。另外就是基本上c圖的樣本要一定才可以。如果樣本數(shù)不一樣，則應(yīng)當(dāng)使用u圖。第117頁/共571頁輸入數(shù)據(jù)打開數(shù)據(jù)文檔將數(shù)據(jù)輸入到

Minitab表中Select:Stat>ControlCharts>AttributesCharts>C第118頁/共571頁輸入?yún)?shù)輸入變量第119頁/共571頁決定判異準(zhǔn)則判異準(zhǔn)則同P圖一樣第120頁/共571頁圖形輸出第121頁/共571頁U圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第122頁/共571頁U圖練習(xí)u圖只能適用在泊松分布的質(zhì)量特性上。在做u圖時(shí)，要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上，如此之下的圖才比較具有意義。第123頁/共571頁輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>ControlChart>AttributesCharts>U將數(shù)據(jù)輸入到

Minitab表中第124頁/共571頁輸入?yún)?shù)輸入變量輸入樣本量第125頁/共571頁圖形輸出第126頁/共571頁EWMA做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第127頁/共571頁EWMA的全稱為ExponentiallyWeightedMovingAverage,即指數(shù)加權(quán)移動(dòng)平均控制圖.EWMA圖的特點(diǎn):1、對(duì)過程位置的稍小變動(dòng)十分敏感;2、圖上每一點(diǎn)都綜合考慮了前面子組的信息;3、對(duì)過程位置的大幅度移動(dòng)沒有Xbar圖敏感;4、可應(yīng)用于單值,也可應(yīng)用于子組容量大于1的場合.EWMA圖的適用場合:可用于檢測任意大小的過程位置變化,因此常用于監(jiān)控已受控過程,以發(fā)現(xiàn)過程均值相對(duì)于目標(biāo)值的漂移第128頁/共571頁EWMA練習(xí)Select:Stat>ControlChart>TimeWeightedCharts>EWMA第129頁/共571頁輸入?yún)?shù)確定權(quán)重系數(shù)λ的值,λ由所需的EWMA圖對(duì)位置偏移檢測靈敏度所決定,要求檢測靈敏度越高,λ值越小.如需檢測1σ的過程偏移,λ=0.2,如需檢測2σ的過程偏移,λ=0.4.常取λ=0.2,1<λ<2.第130頁/共571頁圖形輸出第131頁/共571頁CUSUM做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施第132頁/共571頁CUSUM的全稱為CumulativeSum,即累積和控制圖.CUSUM圖的特點(diǎn):1、可以檢測每個(gè)樣本值偏離目標(biāo)值的偏差的累積和;2、可應(yīng)用于單值,也可應(yīng)用于子組容量大于1的場合;3、要求每個(gè)子組的樣本容量相等.CUSUM圖的適用場合:CUSUM圖適用于在過程受控時(shí),檢測過程實(shí)際值偏離目標(biāo)的異常點(diǎn),作用與EWMA圖類似.第133頁/共571頁CUSUM練習(xí)Select:Stat>ControlChart>TimeWeightedCharts>CUSUM例:某機(jī)場每天離港、進(jìn)港航班多達(dá)千架次,航班延誤情況很是嚴(yán)重.航空公司在6σ管理中把航班延誤作為重點(diǎn)解決的質(zhì)量項(xiàng)目,規(guī)定航班起飛時(shí)間比時(shí)刻表晚5分鐘為延誤,其中不包括因惡劣天氣等無法抗拒因數(shù)造成的延誤.通過一段時(shí)間的治理,航班延誤率從過去的10%降到現(xiàn)在的2%左右,公司決定采取過程控制,把航班延誤率控制在2%的較好水平.第134頁/共571頁輸入?yún)?shù)點(diǎn)擊此選項(xiàng)決策區(qū)間過程允許偏移量第135頁/共571頁圖形輸出第136頁/共571頁MINITAB之制程能力分析第137頁/共571頁制程能力之分類計(jì)量型(基于正態(tài)分布)計(jì)數(shù)型(基于二項(xiàng)分布)計(jì)數(shù)型(基于泊松分布)第138頁/共571頁MINITAB能力分析的選項(xiàng)(計(jì)量型)CapabilityAnalysis(Normal)CapabilityAnalysis(Between/Within)CapabilityAnalysis(Nonnormal)CapabilityAnalysis(MultipleVariablenormal)CapabilityAnalysis(MultipleVariableNonnormal)CapabilityAnalysis(Binomial)CapabilityAnalysis(Poission)CapabilitySixpack(Normal)CapabilitySixpack(Between/Within)CapabilitySixpack(Nonnormal)第139頁/共571頁CapabilityAnalysis(Normal)該命令會(huì)劃出帶理論正態(tài)曲線的直方圖，這可直觀評(píng)估數(shù)據(jù)的正態(tài)性。輸出報(bào)告中還包含過程能力統(tǒng)計(jì)表，包括子組內(nèi)和總體能力統(tǒng)計(jì)。第140頁/共571頁CapabilityAnalysis(Between/Within)該命令會(huì)劃出帶理論正態(tài)曲線的直方圖，可以直觀評(píng)估數(shù)據(jù)的正態(tài)性。該命令適用于子組間存在較大變差的場合。輸出報(bào)告中還包含過程能力統(tǒng)計(jì)表，包括子組間／子組內(nèi)和總體能力統(tǒng)計(jì)。第141頁/共571頁CapabilityAnalysis(Nonnormal)該命會(huì)會(huì)劃出帶非正態(tài)曲線的直方圖，這可直觀評(píng)估數(shù)據(jù)是否服從其他分布。輸出報(bào)告中還包含總體過程總能力統(tǒng)計(jì)第142頁/共571頁CapabilityAnalysis

(MultipleVariablenormal)CapabilityAnalysis

(MultipleVariableNonnormal)---上述兩個(gè)命令用于對(duì)多個(gè)變量進(jìn)行分析第143頁/共571頁制程能力分析做法決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明第144頁/共571頁STEP1決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明Y特性一般是指客戶所關(guān)心所重視的特性。Y要先能量化，盡量以定量數(shù)據(jù)為主。Y要事先了解其規(guī)格界限，是單邊規(guī)格，還是雙邊規(guī)格。目標(biāo)值是在中心，或則不在中心測量系統(tǒng)的分析要先做好。第145頁/共571頁STEP2決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明在收集Y特性時(shí)要注意層別和分組。各項(xiàng)的數(shù)據(jù)要按時(shí)間順序做好相應(yīng)的整理第146頁/共571頁STEP3決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明將數(shù)據(jù)輸入MINTAB中，或則在EXCEL中都可以。第147頁/共571頁STEP4決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明利用MINITAB>STAT>

QUALITYTOOLS

>CAPABILITY

ANALYSIS(NORMAL)第148頁/共571頁STEP5決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說明利用MINITAB的各項(xiàng)圖形來進(jìn)行結(jié)果說明第149頁/共571頁練習(xí)樣本X1X2X3X4X5199.7098.72100.24101.28101.20299.32100.97100.8799.2498.21399.8999.83101.4899.56100.90499.1599.7199.1799.3098.80599.66100.80101.06101.16100.45697.7498.8299.2498.6498.737101.18100.2499.6299.3399.918101.54100.96100.62100.67100.499101.49100.6799.36100.38102.101097.1698.2697.59100.0999.78第150頁/共571頁輸入數(shù)據(jù)Select:Stat>QualityTools>CapabiltyAnalysis(Normal)注意輸入方式第151頁/共571頁輸入選項(xiàng)根據(jù)不同的數(shù)據(jù)輸入方式選擇分析方法輸入上下規(guī)格界限第152頁/共571頁選擇標(biāo)準(zhǔn)差的估計(jì)方法一般選擇復(fù)合的標(biāo)準(zhǔn)差估計(jì)方式第153頁/共571頁選項(xiàng)的輸入如果需要計(jì)算Cpm則需要輸入目標(biāo)值選擇是否作正態(tài)型轉(zhuǎn)換過程能力表現(xiàn)形式的選擇第154頁/共571頁以Cpk,Ppk結(jié)果的輸出Cpm是指樣本數(shù)值相對(duì)于對(duì)于目標(biāo)值的一個(gè)能力值，也就是樣本是否靠近目標(biāo)值的概率樣本數(shù)值超過分析規(guī)格界限的分布率模擬曲線落在控制線以外的分布率第155頁/共571頁Cp:過程能力指數(shù),又稱為潛在過程能力指數(shù),

為容差的寬度與過程波動(dòng)范圍之比.Cp=(USL-LSL)/6σCpk:過程能力指數(shù),又稱為實(shí)際過程能力指數(shù),

為過程中心μ與兩個(gè)規(guī)范限最近的距離

min{USL-μ,μ-LSL}與3σ之比.Cpk=min{USL-μ,μ-LSL}/3σCpm:過程能力指數(shù)，有時(shí)也稱第二代過程力指數(shù)，質(zhì)量特性偏離目標(biāo)值造成的質(zhì)量損失．其中:σ=R/d2其中:σ=R/d2Cpm=(USL-LSL)/6σ′其中:σ?2=σ2+(μ-m)2Cpmk=Cpk/√1+[(μ-m)/σ]2Cpmk稱為混合能力指數(shù)第156頁/共571頁第157頁/共571頁第158頁/共571頁P(yáng)p與Ppk:過程績效指數(shù)，計(jì)算方法與計(jì)算Cp和Cpk類似，所不同的是，它們是規(guī)范限與過程總波動(dòng)的比值．過程總波動(dòng)通常由標(biāo)準(zhǔn)差s來估計(jì)．S=√過程能力與缺陷率的關(guān)系：1、假如過程中心μ位于規(guī)范中心M與上規(guī)范限USL之間，即M≤μ≤USL時(shí)，p(d)=Φ[-3(2Cp-Cpk)]+Φ(-3Cpk)2、假如過程中心μ位于規(guī)范中心M與下規(guī)范限LSL之間，即LSL≤μ≤M時(shí)，p(d)=Φ[-3(1+K)Cp]+Φ[-3(1-K)Cp]K=(2M-μ)/T第159頁/共571頁以Zbench方式輸出第160頁/共571頁ZUSL=(USL-μ)/σZLSL=(μ-LSL)/σZ=(USL-LSL)/2σ或Z=3Cp

雙側(cè)規(guī)范下綜合SigmaLevelZbench需通過總?cè)毕萋蔬M(jìn)行折算使用SigmaLevelZ來評(píng)價(jià)過程能力的優(yōu)點(diǎn)是:Z與過程的不合格率p(d)或DPMO是一一對(duì)應(yīng)的.結(jié)果說明第161頁/共571頁請(qǐng)打開Data目錄下的Camshaft.mtw，以

Zbench方式輸出練習(xí)第162頁/共571頁填入?yún)?shù)第163頁/共571頁結(jié)果輸出第164頁/共571頁通過DPMO求SigmaLevelSelect:Calc–ProbabilityDistribution-NormalSelect:Calc–Calculator第165頁/共571頁結(jié)果輸出合格率Z值,SigmaLevel第166頁/共571頁CapabilityAnalysis(Between/Within)組間的σ組內(nèi)的σ此處的Ppk>Cpk總的σ=√組間的σ2+組內(nèi)的σ2√∑(Xi－X)2/(n－1)第167頁/共571頁過程穩(wěn)定系數(shù)dσ=StDev(overall)-StDev(B/W)過程相對(duì)穩(wěn)定系數(shù)drσ=[StDev(overall)-StDev(B/W)]/StDev(overall)StDev(overall):長期標(biāo)準(zhǔn)差的估計(jì)值StDev(B/W):短期標(biāo)準(zhǔn)差的估計(jì)值過程相對(duì)穩(wěn)定系數(shù)的評(píng)價(jià)參考過程相對(duì)穩(wěn)定系數(shù)drσ的范圍評(píng)價(jià)drσ<10%接近穩(wěn)定10%<=drσ<20%不太穩(wěn)定20%<=drσ<50%不穩(wěn)定drσ>=50%很不穩(wěn)定第168頁/共571頁CapabilityAnalysis(Nonnormal)此項(xiàng)的分析是用在當(dāng)制程不是呈現(xiàn)正態(tài)分布時(shí)所使用。因?yàn)槿绻瞥滩皇钦龖B(tài)分布硬用正態(tài)分布來分析時(shí)，容易產(chǎn)生誤差，所以此時(shí)可以使用其他分布來進(jìn)行分析，會(huì)更貼近真實(shí)現(xiàn)像。第169頁/共571頁練習(xí)請(qǐng)使用同前之?dāng)?shù)據(jù)來進(jìn)行分析。上規(guī)格：103下規(guī)格：97規(guī)格中心：100第170頁/共571頁輸入相關(guān)參數(shù)Select:Stat>QualityTools>CapabiltyAnalysis(Nonnormal)第171頁/共571頁填入選項(xiàng)要求威布爾分布的參數(shù)估計(jì)第172頁/共571頁結(jié)果圖形形狀參數(shù)第173頁/共571頁正態(tài)分布適用性的判定可以使用Stat>basicstatistic>normalitytest但數(shù)據(jù)要放到同一個(gè)column中，所以必須針對(duì)前面的數(shù)據(jù)進(jìn)行一下處理第174頁/共571頁數(shù)據(jù)調(diào)整進(jìn)行數(shù)據(jù)的堆積第175頁/共571頁填寫選項(xiàng)輸入變量輸入作為參考的概率記號(hào)第176頁/共571頁結(jié)果輸出P-value＞0.05，接收為正態(tài)分布第177頁/共571頁結(jié)果輸出(加標(biāo)0.5概率)第178頁/共571頁計(jì)量型制程能力分析總結(jié)一般的正態(tài)分布使用CapabilityAnalysis(Normal)如果是正態(tài)分布且其組內(nèi)和組間差異較大時(shí)可用CapabilityAnalysis(Between/Within)當(dāng)非正態(tài)分布時(shí)則可以使用CapabilityAnalysis(Nonnormal)第179頁/共571頁CapabilitySixpack(Normal)復(fù)合了以下的六個(gè)圖形XbarR原始數(shù)據(jù)分布（plot）直方圖正態(tài)分布檢定CPK,PPK第180頁/共571頁練習(xí)請(qǐng)以前面的數(shù)據(jù)來進(jìn)行相應(yīng)的Capability

Sixpack(Normal)練習(xí)Select:Stat>QualityTools>CapabiltySixpack(Normal)第181頁/共571頁輸入各項(xiàng)參數(shù)輸入規(guī)格第182頁/共571頁選定判異準(zhǔn)則選擇判異準(zhǔn)則第183頁/共571頁選擇標(biāo)準(zhǔn)差估計(jì)方法默認(rèn)值是復(fù)合標(biāo)準(zhǔn)差計(jì)算公式第184頁/共571頁考慮可選擇項(xiàng)如果希望計(jì)算Cpm,則輸入目標(biāo)值第185頁/共571頁結(jié)果輸出第186頁/共571頁CapabilitySixpack(Between/Within)復(fù)合了以下的六個(gè)圖形IndividualMovingRangeRange直方圖正態(tài)分布檢定CPK,PPK第187頁/共571頁同前練習(xí)及結(jié)果第188頁/共571頁CapabilitySixpack(Nonnormal)復(fù)合了以下的六個(gè)圖形XbarR原始數(shù)據(jù)分布直方圖正態(tài)分布檢定CPK,PPK第189頁/共571頁結(jié)果輸出形狀參數(shù)第190頁/共571頁二項(xiàng)分布制程能力分析二項(xiàng)分布只適合用在好，不好過，不過好，壞不可以用在0,1,2,3等二項(xiàng)以上的選擇，此種狀況必須使用泊松分布。第191頁/共571頁示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>Capabilty>Analysis>Binomial第192頁/共571頁填好各項(xiàng)的參數(shù)輸入樣本數(shù)輸入歷史的不良率第193頁/共571頁選好控制圖的判異準(zhǔn)則第194頁/共571頁結(jié)果及輸出該線與PChart中的Pbar是相同的不良的比例（希望它是隨機(jī)分布）累計(jì)不良率第195頁/共571頁泊松分布制程能力分析泊松分布只適合用在計(jì)數(shù)型，有二個(gè)以上的選擇時(shí)例如可以用在外觀檢驗(yàn)，但非關(guān)鍵項(xiàng)部份0,1,2,3等二項(xiàng)以上的選擇，此種狀況必須使用泊松分布。第196頁/共571頁示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>CapabiltyAnalysis(Poisson)第197頁/共571頁填好各項(xiàng)的參數(shù)第198頁/共571頁結(jié)果及輸出第199頁/共571頁基礎(chǔ)統(tǒng)計(jì)第200頁/共571頁描述性統(tǒng)計(jì)Select:Stat>BasicStatistics>Displaydescriptivestatistics假設(shè)想對(duì)兩組學(xué)生的身高進(jìn)行描述性統(tǒng)計(jì)以便比較,數(shù)據(jù)如右:第201頁/共571頁填入?yún)?shù)第202頁/共571頁輸出結(jié)果變異系數(shù)3/4數(shù)據(jù)點(diǎn)與1/4數(shù)據(jù)點(diǎn)的差值InterQuartileRange數(shù)據(jù)連續(xù)差異平方的均值選定欄數(shù)據(jù)修正均值

TrimmedMean第203頁/共571頁輸出結(jié)果(續(xù)1)第204頁/共571頁輸出結(jié)果(續(xù)2)Select:Stat>BasicStatistics>GraphicalSummary第205頁/共571頁輸出結(jié)果(續(xù)3)第206頁/共571頁假設(shè)檢驗(yàn)第207頁/共571頁廣告宣傳的虛假性手機(jī)電池的使用壽命不是按年來計(jì)算的，而是按電池的充放電次數(shù)來計(jì)算的。鎳氫電池一般可充放電200-300次，鋰電池一般可充放電350-700次。某手機(jī)電池廠商宣稱其一種改良產(chǎn)品能夠充放電900次，為了驗(yàn)證廠商的說法，消費(fèi)者協(xié)會(huì)對(duì)10件該產(chǎn)品進(jìn)行了充放電試驗(yàn)。得到的次數(shù)分別為891，863，903，912，861，885，874，923，841，836。第208頁/共571頁廣告宣傳是虛假的嗎上述數(shù)據(jù)的均值為878.9，明顯少于900。但是，到底均值落在什么范圍內(nèi)我們就認(rèn)為廣告宣傳是虛假的呢？900接受廣告宣傳現(xiàn)在的問題是如何確定這兩條線的位置第209頁/共571頁假設(shè)檢驗(yàn)的原理

假設(shè)檢驗(yàn)的原理是邏輯上的反證法和

統(tǒng)計(jì)上的小概率原理反證法：當(dāng)一件事情的發(fā)生只有兩種可能A和B，如果能否定B，則等同于間接的肯定了A。小概率原理：發(fā)生概率很小的隨機(jī)事件在一次實(shí)驗(yàn)中是幾乎不可能發(fā)生的。第210頁/共571頁假設(shè)檢驗(yàn)的原理(續(xù))由于個(gè)體差異的存在，即使從同一總體中嚴(yán)格的隨機(jī)抽樣，X1、X2、X3、X4、、、，也不盡不同。它們的不同有兩種（只有兩種）可能：（1）分別所代表的總體均值相同，由于抽樣誤差造成了樣本均值的差別。差別無顯著性。（2）分別所代表的總體均值不同。差別有顯著性。第211頁/共571頁

假設(shè)檢驗(yàn)的幾個(gè)步驟假設(shè)檢驗(yàn)的一般步驟，即提出假設(shè)、確定檢驗(yàn)統(tǒng)計(jì)量、計(jì)算檢驗(yàn)統(tǒng)計(jì)量值、做出決策。

提出假設(shè)

構(gòu)造統(tǒng)計(jì)量

做出統(tǒng)計(jì)決策

計(jì)算統(tǒng)計(jì)量值做出推斷第212頁/共571頁提出假設(shè)在決策分析過程中，人們常常需要證實(shí)自己通過樣本數(shù)據(jù)對(duì)總體分布形式做出的某種推斷的正確性（比如，總體的參數(shù)θ大于某個(gè)值θ0），這時(shí)就需要提出假設(shè)，假設(shè)包括零假設(shè)H0與備擇假設(shè)H1。第213頁/共571頁零假設(shè)的選取假設(shè)檢驗(yàn)所使用的邏輯上的間接證明法決定了我們選取的零假設(shè)應(yīng)當(dāng)是與我們希望證實(shí)的推斷相對(duì)立的一種邏輯判斷，也就是我們希望否定的那種推斷。第214頁/共571頁零假設(shè)的選取(續(xù)一)同時(shí)，作為零假設(shè)的這個(gè)推斷是不會(huì)輕易被推翻的，只有當(dāng)樣本數(shù)據(jù)提供的不利于零假設(shè)的證據(jù)足夠充分，使得我們做出拒絕零假設(shè)的決策時(shí)錯(cuò)誤的可能性非常小的時(shí)候，才能推翻零假設(shè)。第215頁/共571頁零假設(shè)的選取(續(xù)二)所以，一旦零假設(shè)被拒絕，它的對(duì)立面——我們希望證實(shí)的推斷就應(yīng)被視為是可以接受的。第216頁/共571頁構(gòu)造檢驗(yàn)統(tǒng)計(jì)量收集樣本信息利用樣本信息構(gòu)造檢驗(yàn)統(tǒng)計(jì)量第217頁/共571頁計(jì)算檢驗(yàn)統(tǒng)計(jì)量值把樣本信息代入到檢驗(yàn)統(tǒng)計(jì)量中，得到檢驗(yàn)統(tǒng)計(jì)量的值。第218頁/共571頁做出決策1、規(guī)定顯著性水平α，也就是決策中所面臨的風(fēng)險(xiǎn)2、決定拒絕域(criticalregion)和判別值(criticalvalue)3、判定檢驗(yàn)統(tǒng)計(jì)量是否落在拒絕域內(nèi)4、得出關(guān)于H0和關(guān)于H1的結(jié)論第219頁/共571頁顯著性水平顯著性水平α是當(dāng)原假設(shè)正確卻被拒絕的概率通常人們?nèi)?.05或0.01這表明，當(dāng)做出接受原假設(shè)的決定時(shí)，其正確的可能性(概率)為95%或99%第220頁/共571頁判定法則1、如果檢驗(yàn)統(tǒng)計(jì)量落入拒絕域中，則拒絕原假設(shè)2、如果檢驗(yàn)統(tǒng)計(jì)量落入接受域中，則我們說不能拒絕原假設(shè)注意：判定法則2的含義是指我們?cè)谶@個(gè)置信水平下沒有足夠的證據(jù)推翻原假設(shè)；實(shí)際上，如果我們改變置信水平或樣本數(shù)量就有可能得到與先前相反的結(jié)果。第221頁/共571頁零假設(shè)和備擇假設(shè)零假設(shè)

備擇假設(shè)1.大于等于(≥) 小于(＜)2.小于等于(≤) 大于(＞)3.等于(＝) 不等于(≠)可能的零假設(shè)和備擇假設(shè)的情況第222頁/共571頁

單側(cè)檢驗(yàn)(one-tailedhypothesis)某種果汁的包裝上標(biāo)明其原汁含量至少為90%。假定我們想通過假設(shè)檢驗(yàn)對(duì)這項(xiàng)說明進(jìn)行檢驗(yàn)。第223頁/共571頁檢驗(yàn)的方向性如果要檢驗(yàn)的問題帶有方向性，如燈泡壽命、電池時(shí)效、頭盔防沖擊性等數(shù)值是越大越好；零件廢品率、生產(chǎn)成本等數(shù)值則是越小越好，這類問題的檢驗(yàn)就屬于單側(cè)檢驗(yàn)。第224頁/共571頁單側(cè)檢驗(yàn)拒絕域和臨界值臨界值接受域拒絕域接受域拒絕域臨界值左單側(cè)檢驗(yàn)右單側(cè)檢驗(yàn)第225頁/共571頁單側(cè)檢驗(yàn)的例子例1:一家食品公司廣告說他的一種谷物一袋有24千克。消費(fèi)者協(xié)會(huì)想要檢驗(yàn)一下這個(gè)說法。他們當(dāng)然不可能打開每袋谷物來檢查，所以只能抽取一定數(shù)量的樣品。取得這個(gè)樣本的均值并將其與廣告標(biāo)稱值作比較就能做出結(jié)論。請(qǐng)給出該消費(fèi)者協(xié)會(huì)的零假設(shè)和備擇假設(shè)。第226頁/共571頁單側(cè)檢驗(yàn)的例子(續(xù)一)解：（一）、首先找出總體參數(shù)，這里應(yīng)該是總體的均值m，即谷物的平均重量，給出原假設(shè)和備擇假設(shè)，即用公式表達(dá)兩個(gè)相反的意義。

H0:m≥24(均值至少為24)

Ha:m<24(均值少于24)（二）、確定概率分布和用來做檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量。我們要檢驗(yàn)抽取的樣本均值是否達(dá)到廣告宣稱的數(shù)額，就可以用樣本均值離標(biāo)稱值的標(biāo)準(zhǔn)離差個(gè)數(shù)的多少來判斷。因此構(gòu)造檢驗(yàn)統(tǒng)計(jì)量第227頁/共571頁單側(cè)檢驗(yàn)的例子(續(xù)二)（三）、設(shè)定置信水平為95%。收集樣本信息，假設(shè)選取了一個(gè)數(shù)目為40的樣本，計(jì)算得

計(jì)算檢驗(yàn)統(tǒng)計(jì)量的值為（σ=0.2）（四）、查表可以得出臨界值和拒絕域，也可用計(jì)算機(jī)輸出p值。計(jì)算出的Z值落入拒絕域，所以拒絕H0，即意味著我們認(rèn)為谷物的重量達(dá)不到廠商宣稱的數(shù)值。第228頁/共571頁雙側(cè)檢驗(yàn)一些產(chǎn)品某一項(xiàng)指標(biāo)必須滿足在某一個(gè)范圍內(nèi)，如精密零件的尺寸和重量、保險(xiǎn)絲適用的電流強(qiáng)度等等，這類問題的檢驗(yàn)屬于雙側(cè)檢驗(yàn)。第229頁/共571頁雙側(cè)檢驗(yàn)圖例:拒絕域和臨界值拒絕域臨界值接受域拒絕域第230頁/共571頁兩類錯(cuò)誤假設(shè)檢驗(yàn)是基于樣本信息做出的結(jié)論，而我們知道樣本只是代表了總體的一部份信息，因此必須考慮發(fā)生誤差的概率。H0為真時(shí)我們拒絕H0的錯(cuò)誤稱為第I類錯(cuò)誤，犯這種錯(cuò)誤的概率用α來表示，簡稱為α錯(cuò)誤或棄真錯(cuò)誤；當(dāng)H0為偽時(shí)我們接受H0的錯(cuò)誤稱為第II類錯(cuò)誤，犯這種錯(cuò)誤的概率用β來表示，簡稱為β錯(cuò)誤或取偽錯(cuò)誤。第231頁/共571頁兩類錯(cuò)誤出現(xiàn)的場合接受零假設(shè)拒絕零假設(shè)零假設(shè)為真零假設(shè)為假正確-無偏差I(lǐng)類錯(cuò)誤II類錯(cuò)誤正確-無偏差第232頁/共571頁

接受H0

拒絕H0，接受H1

H0為真 1－α（正確決策）

α（棄真錯(cuò)誤）

H0為偽

β

（取偽錯(cuò)誤）

1－β（正確決策）兩類錯(cuò)誤發(fā)生的概率兩類錯(cuò)誤發(fā)生的概率如下表所示：第233頁/共571頁兩類錯(cuò)誤的關(guān)系接受H0拒絕H0II類錯(cuò)誤I類錯(cuò)誤第234頁/共571頁單樣本Z檢驗(yàn)(1-SampleZ)例:右表為測量9個(gè)工件所得到的數(shù)據(jù).假設(shè)工件數(shù)據(jù)服從正態(tài)分布并且總體的σ=0.2,需計(jì)算總體均值是否等于5及其在95%置信度下的置信區(qū)間.Select:Stat>BasicStatistics>1-SampleZ假設(shè)檢驗(yàn)的Minitab實(shí)現(xiàn):第235頁/共571頁填入?yún)?shù)第236頁/共571頁輸出結(jié)果第237頁/共571頁單樣本t檢驗(yàn)(1-Samplet)Select:Stat>BasicStatistics>1-Samplet例:右表為測量9個(gè)工件所得到的數(shù)據(jù).假設(shè)工件數(shù)據(jù)服從正態(tài)分布并且未知總體的σ,需計(jì)算總體均值是否等于5及其在95%置信度下的置信區(qū)間.第238頁/共571頁填入?yún)?shù)第239頁/共571頁輸出結(jié)果第240頁/共571頁雙樣本t檢驗(yàn)(2-Samplet)Select:Stat>BasicStatistics>2-Samplet采用Data目錄下的Furnace.mtw第241頁/共571頁填入?yún)?shù)第242頁/共571頁輸出結(jié)果P-Value>0.05接受原假設(shè)第243頁/共571頁成對(duì)樣本t檢驗(yàn)(Pairedt)Select:Stat>BasicStatistics>Pairedt采用Data目錄下的Exh_stat.mtw第244頁/共571頁填入?yún)?shù)第245頁/共571頁輸出結(jié)果P-Value<0.05拒絕原假設(shè)第246頁/共571頁單樣本比例檢驗(yàn)(1Proportion)本案例采用總結(jié)數(shù)據(jù)形式,

直接填入?yún)?shù):Select:Stat>BasicStatistics>1Proportion實(shí)驗(yàn)次數(shù)成功次數(shù)第247頁/共571頁輸出結(jié)果:第248頁/共571頁雙樣本比例檢驗(yàn)(2Proportion)本案例采用總結(jié)數(shù)據(jù)形式,直接填入?yún)?shù):Select:Stat>BasicStatistics>2Proportion第249頁/共571頁輸出結(jié)果第250頁/共571頁其它注意事項(xiàng)選擇假設(shè)檢驗(yàn)方法要注意符合其應(yīng)用條件；當(dāng)不能拒絕H0時(shí)，即差異無顯著性時(shí)，應(yīng)考慮的因素：可能是樣品數(shù)目不夠；單側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn)的問題。第251頁/共571頁正態(tài)性檢驗(yàn)(Normalitytest)本例采用Data目錄下的Scores.MTWSelect:Stat>BasicStatistics>Normalitytest第252頁/共571頁填入?yún)?shù)基于ECDF的檢驗(yàn)基于相關(guān)分析的檢驗(yàn)基于卡方分析的檢驗(yàn)注：ECDF:(ExperimentalCumulativeDistributionFunction)

實(shí)驗(yàn)室累計(jì)分布函數(shù)第253頁/共571頁基于ECDF檢驗(yàn)的輸出結(jié)果第254頁/共571頁基于相關(guān)分析檢驗(yàn)的輸出結(jié)果第255頁/共571頁基于相關(guān)卡方檢驗(yàn)的輸出結(jié)果第256頁/共571頁報(bào)紙報(bào)導(dǎo)某地汽油的價(jià)格是每加侖115美分，為了驗(yàn)證這種說法，一位學(xué)者開車隨機(jī)選擇了一些加油站，得到某年一月和二月的數(shù)據(jù)如下：一月：119117115116112121115122116118109112119112117113114109109118二月：1181191151221181211201221281161201231211191171191281261181251）分別用兩個(gè)月的數(shù)據(jù)驗(yàn)證這種說法的可靠性；2）分別給出1月和2月汽油價(jià)格的置信區(qū)間；3）給出1月和2月汽油價(jià)格差的置信區(qū)間.小組討論與練習(xí)第257頁/共571頁方差分析

方差分析的引入

怎樣得到F統(tǒng)計(jì)量

單因素方差分析的例子

檢驗(yàn)方差假設(shè)

多因素方差分析

多變量圖分析

小組討論與練習(xí)σσσσσσσ第258頁/共571頁本章目標(biāo)1.理解方差分析的概念2.知道方差分析解決什么樣的問題3.掌握單因素和多因素方差分析的原理4.會(huì)利用Minitab對(duì)實(shí)際問題進(jìn)行方差分析5.能夠?qū)Ψ讲罘治龅慕Y(jié)果作出解釋第259頁/共571頁

方差分析的引入假設(shè)檢驗(yàn)討論了檢驗(yàn)兩個(gè)總體均值是否相等的問題，但對(duì)于多個(gè)總體的均值比較，如果仍用假設(shè)檢驗(yàn)，就會(huì)變得非常復(fù)雜?？傮w第260頁/共571頁方差分析的引入(續(xù)一)方差分析(ANOVA：analysisofvariance)能夠解決多個(gè)均值是否相等的檢驗(yàn)問題。方差分析是要檢驗(yàn)各個(gè)水平的均值是否相等，采用的方法是比較各水平的方差。第261頁/共571頁某汽車廠商要研究影響A品牌汽車銷量的因素。該品牌汽車有四種顏色，分別是黑色、紅色、黃色、銀色，這四種顏色的配置、價(jià)格、款式等其他可能影響銷售量的因素全部相同。從市場容量相仿的四個(gè)中等城市收集了一段時(shí)期內(nèi)的銷售數(shù)據(jù)，見下表。方差分析的引入(續(xù)二)城市黑色紅色黃色銀色145362319241432122338391926439421719A品牌汽車在四個(gè)城市的銷售情況單位：輛第262頁/共571頁方差分析的引入（續(xù)三）方差分析實(shí)際上是用來辨別各水平間的差別是否超出了水平內(nèi)正常誤差的程度觀察值之間的差異包括系統(tǒng)性差異和隨機(jī)性差異。第263頁/共571頁方差分析的引入(續(xù)四)觀察值期望值差距總離差組內(nèi)方差組間方差水平1水平2第264頁/共571頁

怎樣得到F統(tǒng)計(jì)量總離差組內(nèi)方差組間方差第265頁/共571頁怎樣得到F統(tǒng)計(jì)量水平間(也稱組間)方差和水平內(nèi)(也稱組內(nèi))方差之比是一個(gè)統(tǒng)計(jì)量。實(shí)踐證明這個(gè)統(tǒng)計(jì)量遵從一個(gè)特定的分布，數(shù)理統(tǒng)計(jì)上把這個(gè)分布稱為F分布。即注意：組間方差(SSB)+組內(nèi)方差(SSw)=總方差(SST)F=組間方差／組內(nèi)方差第266頁/共571頁F分布的特征從F分布的式子看出，F(xiàn)分布的形狀由分母和分子兩個(gè)變量的自由度確定，因此F分布有兩個(gè)參數(shù)。F分布的曲線為偏態(tài)形式，它的尾端以橫軸為漸近線趨于無窮。自由度(25,25)自由度(5,5)自由度(30,100)第267頁/共571頁F分布的特征(續(xù))從上圖可以看出，隨著分子分母自由度的增加，分布圖逐漸趨向正態(tài)分布的鐘型曲線(但它的極限分布并不是正態(tài)分布),以前接觸過的t分布、χ2分布的圖像也有類似的性質(zhì)χ2分布F分布t分布正態(tài)分布第268頁/共571頁方差分析的前提不同組樣本的方差應(yīng)相等或至少很接近水平1水平2水平1組內(nèi)方差遠(yuǎn)遠(yuǎn)超過兩水平組間方差，我無法分離這兩種差別！第269頁/共571頁單因素方差分析例1：我們要研究一家有三個(gè)分支機(jī)構(gòu)的公司各分支機(jī)構(gòu)的員工素質(zhì)有無顯著差異，已邀請(qǐng)專業(yè)的人力評(píng)測單位對(duì)每一分支機(jī)構(gòu)的員工進(jìn)行了評(píng)測，結(jié)果以百分制的分?jǐn)?shù)給出，每一機(jī)構(gòu)抽取五位員工的結(jié)果如下表：第270頁/共571頁員工素質(zhì)人力評(píng)測觀察值