Minitab全面培訓(xùn)教程-571張課件

Minitab統(tǒng)計分析Minitab統(tǒng)計分析1Minitab介紹Minitab是眾多統(tǒng)計軟件當(dāng)中比較簡單易懂的軟件之一；相對來講，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。Minitab介紹Minitab是眾多統(tǒng)計軟件當(dāng)中比較簡單易2Minitab與6Sigma的關(guān)系在上個世紀(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，很多分析和計算都可以都通過Minitab簡單的完成；即使是對統(tǒng)計的知識不怎么熟悉，也同樣可以運(yùn)用Minitab很好的完成各項(xiàng)分析。Minitab與6Sigma的關(guān)系在上個世紀(jì)80年代Mot3Minitab的功能計算功能計算器功能生成數(shù)據(jù)功能概率分布功能矩陣運(yùn)算Minitab的功能計算功能4Minitab的功能數(shù)據(jù)分析功能基本統(tǒng)計回歸分析方差分析實(shí)驗(yàn)設(shè)計分析控制圖質(zhì)量工具可靠度分析多變量分析時間序列列聯(lián)表非參數(shù)估計EDA概率與樣本容量Minitab的功能數(shù)據(jù)分析功能時間序列5Minitab的功能圖形分析直方圖散布圖時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Minitab的功能圖形分析6課程內(nèi)容安排由于時間有限，很多內(nèi)容只是做簡單的介紹；在兩天的時間里，主要的課程內(nèi)容安排如下：R&D研發(fā)支援生產(chǎn)

6σTransactionManufacturing課程內(nèi)容安排由于時間有限，很多內(nèi)容只是R&D研發(fā)支援生產(chǎn)7Minitab全面培訓(xùn)教程-571張課件8Minitab界面和

基本操作介紹Minitab界面和

基本操作介紹9Minitab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Minitab界面SessionWindow:Data10Minitab界面同一時間只能激活一個窗口.每一個窗口可以單獨(dú)儲存.不同的要求選擇不同的保存命令Minitab界面同一時間只能激活一個窗口.每一個窗口可以單11打開文件保存文件打印窗口之前之后命令查找數(shù)據(jù)查找下一個數(shù)據(jù)取消幫助顯示因子設(shè)計當(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話框歷史記錄報告便棧打開相關(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)查找下一個數(shù)據(jù)取12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)個數(shù)100.Select:Calc>RandomData>Normal數(shù)據(jù)的生成

(MakeRandomData)例：生成一組13數(shù)據(jù)的生成結(jié)果數(shù)據(jù)的生成結(jié)果14生成有規(guī)律的數(shù)據(jù)Select:Calc>MakePatternedData>SimpleSetofNumber生成有規(guī)律的數(shù)據(jù)Select:Calc>MakePatt15結(jié)果輸出結(jié)果輸出16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)列數(shù)據(jù)類型的轉(zhuǎn)換

(ChangeDataType)Sele17數(shù)據(jù)類型的轉(zhuǎn)換結(jié)果數(shù)據(jù)類型的轉(zhuǎn)換結(jié)果18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)的來源數(shù)據(jù)的堆棧（Stack&Unstack）Select:D19數(shù)據(jù)的堆棧結(jié)果數(shù)據(jù)的堆棧結(jié)果20數(shù)據(jù)塊的堆棧(StackBlocks)Select:Data>Stack>Blocksofcolumns原始數(shù)據(jù)在對話框中輸入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數(shù)據(jù)塊的堆棧(StackBlocks)Select:21數(shù)據(jù)塊的堆棧結(jié)果數(shù)據(jù)塊的堆棧結(jié)果22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轉(zhuǎn)置欄（TransposeColumns）Select:23轉(zhuǎn)置結(jié)果轉(zhuǎn)置結(jié)果24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)列的位置連接（Concatenate）Select:Data25連接結(jié)果連接結(jié)果26編碼（Code）Select:Data>code>NumerictoText原始數(shù)據(jù)被編碼的變量存儲編碼值的欄規(guī)則編碼編碼（Code）Select:Data>code>27編碼結(jié)果編碼結(jié)果28Minitab之常用圖形Minitab之常用圖形29QC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間序列圖σσσσσσQC手法常用的圖形如下:特性要因圖σσσσσσ30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+1E31練習(xí)練習(xí)32輸入表中Select:Stat>Qualitytools>Cause-and-effect注意輸入格式輸入表中Select:Stat>Qualityt33填好各項(xiàng)需要的參數(shù)填好各項(xiàng)需要的參數(shù)34結(jié)果輸出:結(jié)果輸出:35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特性柏拉圖收集各項(xiàng)質(zhì)量特性缺陷列成表輸入到MINITAB中MIN36練習(xí)練習(xí)37輸入數(shù)據(jù)Select:Stat>Qualitytools>ParetoChart輸入數(shù)據(jù)Select:Stat>Qualityt38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)簽可以對柏拉圖進(jìn)行命名填好各項(xiàng)參數(shù)輸入缺陷列輸入頻數(shù)列在此指定“95%”將使余39結(jié)果輸出結(jié)果輸出40下表為STS冷軋工廠ZRM不良現(xiàn)狀,試做分析練習(xí):下表為STS冷軋工廠ZRM不良現(xiàn)狀,試做分析練習(xí):41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42練習(xí)練習(xí)43輸入數(shù)據(jù)Select:Gragh>Scatterplot輸入數(shù)據(jù)Select:Gragh>Scatterpl44輸入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式輸入?yún)?shù)可以選擇不同的45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輸出圖形可以用直接方式判定，有正相關(guān)的傾向。46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MINITAB47練習(xí)練習(xí)48Select: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.Select:Gragh>Histogram輸入數(shù)據(jù)49填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式可以同時為幾個變量作直方圖點(diǎn)擊此選項(xiàng)輸入上下規(guī)格界限填入?yún)?shù)可以選擇不同的可以同時為幾個變量作直方圖點(diǎn)擊此選項(xiàng)輸50結(jié)果輸出請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。結(jié)果輸出請依照直方圖分析方法來進(jìn)行圖形分析和判定51時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繪出時間序列圖進(jìn)行判定時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MINIT52練習(xí)練習(xí)53輸入數(shù)據(jù)Select:Gragh>TimeSeriesPlot輸入數(shù)據(jù)Select:Gragh>TimeSeri54填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式時間刻度設(shè)置填入?yún)?shù)可以選擇不同的時間刻度設(shè)置55結(jié)果輸出依此狀況來判定未定的銷售趨勢。結(jié)果輸出依此狀況來判定未定的銷售趨勢。56Minitab的SPC使用Minitab的SPC使用57控制圖一.控制圖原理1.現(xiàn)代質(zhì)量管理的一個觀點(diǎn)--產(chǎn)品質(zhì)量的統(tǒng)計觀點(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)識到:產(chǎn)品質(zhì)量具有變異性,公差制度的建立是一個標(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)計規(guī)律.控制圖一.控制圖原理1.現(xiàn)代質(zhì)量管理的一個觀點(diǎn)--產(chǎn)品質(zhì)量的58控制圖一.控制圖原理2.控制圖的原理a.計量值產(chǎn)品特性的正態(tài)分布如果我們對某一計量值產(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)控制圖一.控制圖原理2.控制圖的原理a.計量值產(chǎn)品特性的正態(tài)59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360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控制圖一.控制圖原理c.常規(guī)控制圖的形成μμ-3σμ+61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時間(h)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62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。偶然波動不可避免,但對質(zhì)量的影響微小,通常服從正態(tài)分布,且其分布不隨時間的變化而改變。時間目標(biāo)線可預(yù)測過程受控控制圖一.控制圖原理第二種解釋:1.偶然因素引起偶然波動。偶63控制圖一.控制圖原理2.異因引起異波。異波產(chǎn)生后,其分布會隨時間的變化而發(fā)生變化。異波對質(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.時間目標(biāo)線不可預(yù)測過程失控控制圖一.控制圖原理2.異因引起異波。異波產(chǎn)生后,其分布會隨64二.常規(guī)控制圖及其用途控制圖~取樣費(fèi)時、昂貴的場合.UCLx=X+2.66RsUCLRs=3.267Rs單值-移動極差控制圖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(計量值)備注控制圖界限控制圖名稱控制圖代號分布~二.常規(guī)控制圖及其用途控制圖~取樣費(fèi)時、昂貴的場合.UCLx65二.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(計件值)備注控制圖界限控制圖名稱控制圖代號分布√√√√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UCLc66Minitab可提供的圖形計量型Xbar-RXbar-sI-MRI-MR-sZ-MR計數(shù)型PNpCUMinitab可提供的圖形計量型計數(shù)型67Xbar-R做法Xbar-R是用于計量型判穩(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。Xbar-R做法Xbar-R是用于計量型68Xbar-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mi69Xbar-R練習(xí)Select:Stat>ControlCharts>VariablesChartsforSubgroups>Xbar-R打開Data目錄下的Camshaft.mtwXbar-R練習(xí)Select:Stat>Contro70輸入?yún)?shù)根據(jù)不同的輸入方式選擇不同的分析方法輸入?yún)?shù)根據(jù)不同的輸入方式71決定測試要求可以在這里選擇判異準(zhǔn)則決定測試要求可以在這里選72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判異準(zhǔn)則準(zhǔn)則1:一點(diǎn)超出控制界限AABCCBUCL73準(zhǔn)則2:連續(xù)9點(diǎn)在中心線的同側(cè)判異準(zhǔn)則AABCCBUCLCLLCL準(zhǔn)則2:連續(xù)9點(diǎn)在中心線的同側(cè)判異準(zhǔn)則AABCCB74準(zhǔn)則3:連續(xù)6點(diǎn)呈上升或下降趨勢AABCCBUCLCLLCL判異準(zhǔn)則準(zhǔn)則3:連續(xù)6點(diǎn)呈上升或下降趨勢AABCCBUCLCLL75準(zhǔn)則4:連續(xù)14點(diǎn)上下交替AABCCBUCLCLLCL判異準(zhǔn)則準(zhǔn)則4:連續(xù)14點(diǎn)上下交替AABCCBUCLCLLCL判76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準(zhǔn)則5:連續(xù)3點(diǎn)中有2點(diǎn)落在中心線判異準(zhǔn)則AABC77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78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AA79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A80決定標(biāo)準(zhǔn)差的估計方法一般選擇Rbar的標(biāo)準(zhǔn)差估計方式?jīng)Q定標(biāo)準(zhǔn)差的估計方法一般選擇Rbar的81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LOGeY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)82決定選項(xiàng)(續(xù))輸入1,2,3StDEV控制限決定選項(xiàng)(續(xù))輸入1,2,3StDEV控制限83圖形輸出:圖形輸出:84判圖請判定前圖是否有異常請問本圖為解析用圖或是控制用圖判圖請判定前圖是否有異常85Xbar-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mi86Xbar-s練習(xí)Select:Stat>ControlCharts>VariablesChartsforSubgroups>Xbar-s打開Data目錄下的Camshaft.mtwXbar-s練習(xí)Select:Stat>Contro87輸入?yún)?shù)其他參數(shù)設(shè)置與Xbar-R圖相同輸入?yún)?shù)其他參數(shù)設(shè)置與Xbar-R圖相同88圖形輸出:圖形輸出:89判圖請判定前圖是否有異常請問本圖為分析用圖或是控制用圖判圖請判定前圖是否有異常90I-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min91I-MR練習(xí)打開下列檔案:Data目錄下的Coating.MTWSelect:Stat>ControlCharts>VariablesChartsforIndividuals>I-MRI-MR練習(xí)打開下列檔案:92輸入?yún)?shù)輸入變量輸入?yún)?shù)輸入變量93圖形輸出圖形輸出94判圖請判定前圖是否有異常請問本圖為解析用圖或是控制用圖判圖請判定前圖是否有異常95I-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m96I-MR-R練習(xí)打開Data目錄下的Camshaft.mtwSelect:Stat>ControlCharts>VariablesChartsforSubgroups>I-MR-RI-MR-R練習(xí)打開Data目錄下的Camshaft.mtw97輸入?yún)?shù)輸入變量和樣本數(shù)輸入?yún)?shù)輸入變量和樣本數(shù)98圖形輸出圖形輸出99判圖請判定前圖是否有異常請問本圖為分析用圖或是控制用圖判圖請判定前圖是否有異常100Z-MR(標(biāo)準(zhǔn)化的單值移動極差)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Z-MR(標(biāo)準(zhǔn)化的單值移動極差)圖做法決定要研究或控制的Y或101Z-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)少而無法很好評估過程參數(shù)時使用Z-MR練習(xí)打開Data目錄下的Exh_qc.MTW當(dāng)過程數(shù)102輸入?yún)?shù)輸入變量輸入自變量輸入?yún)?shù)輸入變量輸入自變量103決定估計選擇標(biāo)準(zhǔn)差的估計方法決定估計選擇標(biāo)準(zhǔn)差的估計方法104圖形輸出圖形輸出105P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P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m106P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，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。P圖練習(xí)P圖只能適用在二項(xiàng)分布的質(zhì)量特性性。107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表中輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>將數(shù)據(jù)輸入到108輸入?yún)?shù)輸入變量輸入樣本數(shù)輸入?yún)?shù)輸入變量輸入樣本數(shù)109決定判異準(zhǔn)則選擇判異準(zhǔn)則計數(shù)型的判異準(zhǔn)則與計量型的不太一樣決定判異準(zhǔn)則選擇判異準(zhǔn)則110圖形輸出圖形輸出111NP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NP圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab112NP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，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。NP圖練習(xí)np圖只能適用在二項(xiàng)分布的質(zhì)量特性性。113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表中輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>將數(shù)據(jù)輸入到114圖形輸出圖形輸出115C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116C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，要注意其樣本數(shù)必須達(dá)到取樣時至少包含一個缺陷以上，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。C圖練習(xí)c圖只能適用在泊松分布的質(zhì)量特性上。117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輸入數(shù)據(jù)打開數(shù)據(jù)文檔將數(shù)據(jù)輸入到Select:Stat118輸入?yún)?shù)輸入變量輸入?yún)?shù)輸入變量119決定判異準(zhǔn)則判異準(zhǔn)則同P圖一樣決定判異準(zhǔn)則判異準(zhǔn)則同P圖一樣120圖形輸出圖形輸出121U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122U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，要注意其樣本數(shù)必須達(dá)到取樣時至少包含一個缺陷以上，如此之下的圖才比較具有意義。U圖練習(xí)u圖只能適用在泊松分布的質(zhì)量特性上。123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表中輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:Stat>Contr124輸入?yún)?shù)輸入變量輸入樣本量輸入?yún)?shù)輸入變量輸入樣本量125圖形輸出圖形輸出126EWMA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mini127EWMA的全稱為ExponentiallyWeightedMovingAverage,即指數(shù)加權(quán)移動平均控制圖.EWMA圖的特點(diǎn):1、對過程位置的稍小變動十分敏感;2、圖上每一點(diǎn)都綜合考慮了前面子組的信息;3、對過程位置的大幅度移動沒有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)過程均值相對于目標(biāo)值的漂移EWMA的全稱為ExponentiallyWeighted128EWMA練習(xí)Select:Stat>ControlChart>TimeWeightedCharts>EWMAEWMA練習(xí)129輸入?yún)?shù)確定權(quán)重系數(shù)λ的值,λ由所需的EWMA圖對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.輸入?yún)?shù)確定權(quán)重系數(shù)λ的值,λ由所需的EWMA圖對位置偏移130圖形輸出圖形輸出131CUSUM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min132CUSUM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,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.CUSUM的全稱為CumulativeSum,即累積和控制133CUSUM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)定航班起飛時間比時刻表晚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.CUSUM練習(xí)例:某機(jī)場每天離港、進(jìn)港航班多134輸入?yún)?shù)點(diǎn)擊此選項(xiàng)決策區(qū)間過程允許偏移量輸入?yún)?shù)點(diǎn)擊此選項(xiàng)決策區(qū)間過程允許偏移量135圖形輸出圖形輸出136MINITAB之制程能力分析MINITAB之制程能力分析137制程能力之分類計量型(基于正態(tài)分布)計數(shù)型(基于二項(xiàng)分布)計數(shù)型(基于泊松分布)制程能力之分類計量型(基于正態(tài)分布)計數(shù)型(基于二項(xiàng)分布)計138MINITAB能力分析的選項(xiàng)(計量型)CapabilityAnalysis(Normal)CapabilityAnalysis(Between/Within)CapabilityAnalysis(Nonnormal)CapabilityAnalysis(MultipleVariablenormal)CapabilityAnalysis(MultipleVariableNonnormal)CapabilityAnalysis(Binomial)CapabilityAnalysis(Poission)CapabilitySixpack(Normal)CapabilitySixpack(Between/Within)CapabilitySixpack(Nonnormal)MINITAB能力分析的選項(xiàng)(計量型)Capability139CapabilityAnalysis(Normal)該命令會劃出帶理論正態(tài)曲線的直方圖，這可直觀評估數(shù)據(jù)的正態(tài)性。輸出報告中還包含過程能力統(tǒng)計表，包括子組內(nèi)和總體能力統(tǒng)計。CapabilityAnalysis(Normal)該命140CapabilityAnalysis(Between/Within)該命令會劃出帶理論正態(tài)曲線的直方圖，可以直觀評估數(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。輸出報告中還包含過程能力統(tǒng)計表，包括子組間／子組內(nèi)和總體能力統(tǒng)計。CapabilityAnalysis(Between/W141CapabilityAnalysis(Nonnormal)該命會會劃出帶非正態(tài)曲線的直方圖，這可直觀評估數(shù)據(jù)是否服從其他分布。輸出報告中還包含總體過程總能力統(tǒng)計CapabilityAnalysis(Nonnormal142CapabilityAnalysis(MultipleVariablenormal)CapabilityAnalysis(MultipleVariableNonnormal)---上述兩個命令用于對多個變量進(jìn)行分析CapabilityAnalysis---上述兩個命令用143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)144STEP1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。STEP1決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITA145STEP2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特性時要注意層別和分組。各項(xiàng)的數(shù)據(jù)要按時間順序做好相應(yīng)的整理STEP2決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITA146STEP3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。STEP3決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITA147STEP4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>CAPABILITYANALYSIS(NORMAL)STEP4決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITA148STEP5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STEP5決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITA149練習(xí)練習(xí)150輸入數(shù)據(jù)Select:Stat>QualityTools>CapabiltyAnalysis(Normal)注意輸入方式輸入數(shù)據(jù)Select:Stat>QualityTo151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152選擇標(biāo)準(zhǔn)差的估計方法一般選擇復(fù)合的標(biāo)準(zhǔn)差估計方式選擇標(biāo)準(zhǔn)差的估計方法一般選擇復(fù)合的標(biāo)準(zhǔn)差估計方式153選項(xiàng)的輸入如果需要計算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)形式的選擇選項(xiàng)的輸入如果需要計算Cpm選擇是否作正態(tài)型轉(zhuǎn)換過程能力表現(xiàn)154以Cpk,Ppk結(jié)果的輸出Cpm是指樣本數(shù)值相對于對于目標(biāo)值的一個能力值，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以Cpk,Ppk結(jié)果的輸出Cpm是指樣本數(shù)值相對于對于目標(biāo)155Cp: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)Cp:過程能力指數(shù),又稱為潛在過程能力指數(shù),Cp=(USL-156Minitab全面培訓(xùn)教程-571張課件157Minitab全面培訓(xùn)教程-571張課件158Pp與Ppk:過程績效指數(shù)，計算方法與計算Cp和Cpk類似，所不同的是，它們是規(guī)范限與過程總波動的比值．過程總波動通常由標(biāo)準(zhǔn)差s來估計．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，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，p(d)=Φ[-3(1+K)Cp]+Φ[-3(1-K)Cp]K=(2M-μ)/TPp與Ppk:過程績效指數(shù)，計算方法與計算Cp和S=√過程159以Zbench方式輸出以Zbench方式輸出160ZUSL=(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來評價過程能力的優(yōu)點(diǎn)是:Z與過程的不合格率p(d)或DPMO是一一對應(yīng)的.結(jié)果說明ZUSL=(USL-μ)/σ結(jié)果說明161請打開Data目錄下的Camshaft.mtw，以Zbench方式輸出練習(xí)請打開Data目錄下的練習(xí)162填入?yún)?shù)填入?yún)?shù)163結(jié)果輸出結(jié)果輸出164通過DPMO求SigmaLevelSelect:Calc–ProbabilityDistribution-NormalSelect:Calc–Calculator通過DPMO求SigmaLevelSelect:Calc165結(jié)果輸出合格率Z值,SigmaLevel結(jié)果輸出合格率Z值,SigmaLevel166CapabilityAnalysis(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)CapabilityAnalysis(Between/W167過程穩(wěn)定系數(shù)dσ=StDev(overall)-StDev(B/W)過程相對穩(wěn)定系數(shù)drσ=[StDev(overall)-StDev(B/W)]/StDev(overall)StDev(overall):長期標(biāo)準(zhǔn)差的估計值StDev(B/W):短期標(biāo)準(zhǔn)差的估計值過程相對穩(wěn)定系數(shù)的評價參考過程穩(wěn)定系數(shù)dσ=StDev(overall)-St168CapabilityAnalysis(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，容易產(chǎn)生誤差，所以此時可以使用其他分布來進(jìn)行分析，會更貼近真實(shí)現(xiàn)像。CapabilityAnalysis(Nonnormal169練習(xí)請使用同前之?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練習(xí)請使用同前之?dāng)?shù)據(jù)來進(jìn)行分析。170輸入相關(guān)參數(shù)Select:Stat>QualityTools>CapabiltyAnalysis(Nonnormal)輸入相關(guān)參數(shù)Select:Stat>Quality171填入選項(xiàng)要求威布爾分布的參數(shù)估計填入選項(xiàng)要求威布爾分布的參數(shù)估計172結(jié)果圖形形狀參數(shù)結(jié)果圖形形狀參數(shù)173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column中，所以必須針對前面的數(shù)據(jù)進(jìn)行一下處理正態(tài)分布適用性的判定可以使用174數(shù)據(jù)調(diào)整進(jìn)行數(shù)據(jù)的堆積數(shù)據(jù)調(diào)整進(jìn)行數(shù)據(jù)的堆積175填寫選項(xiàng)輸入變量輸入作為參考的概率記號填寫選項(xiàng)輸入變量輸入作為參考的概率記號176結(jié)果輸出P-value＞0.05，接收為正態(tài)分布結(jié)果輸出P-value＞0.05，接收為正態(tài)分布177結(jié)果輸出(加標(biāo)0.5概率)結(jié)果輸出(加標(biāo)0.5概率)178計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)和組間差異較大時可用CapabilityAnalysis(Between/Within)當(dāng)非正態(tài)分布時則可以使用CapabilityAnalysis(Nonnormal)計量型制程能力分析總結(jié)一般的正態(tài)分布使用179CapabilitySixpack(Normal)復(fù)合了以下的六個圖形XbarR原始數(shù)據(jù)分布（plot）直方圖正態(tài)分布檢定CPK,PPKCapabilitySixpack(Normal)復(fù)合了180練習(xí)請以前面的數(shù)據(jù)來進(jìn)行相應(yīng)的CapabilitySixpack(Normal)練習(xí)Select:Stat>QualityTools>CapabiltySixpack(Normal)練習(xí)請以前面的數(shù)據(jù)來進(jìn)行相應(yīng)的CapabilitySix181輸入各項(xiàng)參數(shù)輸入規(guī)格輸入各項(xiàng)參數(shù)輸入規(guī)格182選定判異準(zhǔn)則選擇判異準(zhǔn)則選定判異準(zhǔn)則選擇判異準(zhǔn)則183選擇標(biāo)準(zhǔn)差估計方法默認(rèn)值是復(fù)合標(biāo)準(zhǔn)差計算公式選擇標(biāo)準(zhǔn)差估計方法默認(rèn)值是復(fù)合標(biāo)準(zhǔn)差計算公式184考慮可選擇項(xiàng)如果希望計算Cpm,則輸入目標(biāo)值考慮可選擇項(xiàng)如果希望計算Cpm,185結(jié)果輸出結(jié)果輸出186CapabilitySixpack(Between/Within)復(fù)合了以下的六個圖形IndividualMovingRangeRange直方圖正態(tài)分布檢定CPK,PPKCapabilitySixpack(Between/Wi187同前練習(xí)及結(jié)果同前練習(xí)及結(jié)果188CapabilitySixpack(Nonnormal)復(fù)合了以下的六個圖形XbarR原始數(shù)據(jù)分布直方圖正態(tài)分布檢定CPK,PPKCapabilitySixpack(Nonnormal)189結(jié)果輸出形狀參數(shù)結(jié)果輸出形狀參數(shù)190二項(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。二項(xiàng)分布制程能力分析二項(xiàng)分布只適合用在191示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>Capabilty>Analysis>Binomial示例數(shù)據(jù)在Data目錄下192填好各項(xiàng)的參數(shù)輸入樣本數(shù)輸入歷史的不良率填好各項(xiàng)的參數(shù)輸入樣本數(shù)輸入歷史的不良率193選好控制圖的判異準(zhǔn)則選好控制圖的判異準(zhǔn)則194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）累計不良率結(jié)果及輸出該線與PChart中的Pbar是相同的不良的195泊松分布制程能力分析泊松分布只適合用在計數(shù)型，有二個以上的選擇時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。泊松分布制程能力分析泊松分布只適合用在196示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>CapabiltyAnalysis(Poisson)示例數(shù)據(jù)在Data目錄下Select:Stat>Qu197填好各項(xiàng)的參數(shù)填好各項(xiàng)的參數(shù)198結(jié)果及輸出結(jié)果及輸出199基礎(chǔ)統(tǒng)計基礎(chǔ)統(tǒng)計200描述性統(tǒng)計Select:Stat>BasicStatistics>Displaydescriptivestatistics假設(shè)想對兩組學(xué)生的身高進(jìn)行描述性統(tǒng)計以便比較,數(shù)據(jù)如右:描述性統(tǒng)計Select:Stat>BasicSta201填入?yún)?shù)填入?yún)?shù)202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InterQ203輸出結(jié)果(續(xù)1)輸出結(jié)果(續(xù)1)204輸出結(jié)果(續(xù)2)Select:Stat>BasicStatistics>GraphicalSummary輸出結(jié)果(續(xù)2)Select:Stat>Basi205輸出結(jié)果(續(xù)3)輸出結(jié)果(續(xù)3)206假設(shè)檢驗(yàn)假設(shè)檢驗(yàn)207廣告宣傳的虛假性手機(jī)電池的使用壽命不是按年來計算的，而是按電池的充放電次數(shù)來計算的。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)會對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。廣告宣傳的虛假性手機(jī)電池的使用壽命不是按年來計算的，而是按電208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900209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。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210假設(shè)檢驗(yàn)的原理(續(xù))由于個體差異的存在，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。假設(shè)檢驗(yàn)的原理(續(xù))由于個體差異的存在，即使從同一總體中嚴(yán)格211

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

提出假設(shè)

構(gòu)造統(tǒng)計量

做出統(tǒng)計決策

計算統(tǒng)計量值做出推斷假設(shè)檢驗(yàn)的幾個步驟假設(shè)檢驗(yàn)的一般步驟，即提出假設(shè)、確定檢驗(yàn)212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大于某個值θ0），這時就需要提出假設(shè)，假設(shè)包括零假設(shè)H0與備擇假設(shè)H1。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213零假設(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)的推斷相對立的一種邏輯判斷，也就是我們希望否定的那種推斷。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214零假設(shè)的選取(續(xù)一)同時，作為零假設(shè)的這個推斷是不會輕易被推翻的，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)的決策時錯誤的可能性非常小的時候，才能推翻零假設(shè)。零假設(shè)的選取(續(xù)一)同時，作為零假設(shè)的這個推斷是不會輕易被推215零假設(shè)的選取(續(xù)二)所以，一旦零假設(shè)被拒絕，它的對立面——我們希望證實(shí)的推斷就應(yīng)被視為是可以接受的。零假設(shè)的選取(續(xù)二)所以，一旦零假設(shè)被拒絕，它的對立面——我216構(gòu)造檢驗(yàn)統(tǒng)計量收集樣本信息利用樣本信息構(gòu)造檢驗(yàn)統(tǒng)計量構(gòu)造檢驗(yàn)統(tǒng)計量收集樣本信息217計算檢驗(yàn)統(tǒng)計量值把樣本信息代入到檢驗(yàn)統(tǒng)計量中，得到檢驗(yàn)統(tǒng)計量的值。計算檢驗(yàn)統(tǒng)計量值把樣本信息代入到檢驗(yàn)統(tǒng)計量中，得到檢驗(yàn)統(tǒng)計量218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2、決定拒絕域(criticalregion)和判別值(criticalvalue)3、判定檢驗(yàn)統(tǒng)計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219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，其正確的可能性(概率)為95%或99%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220判定法則1、如果檢驗(yàn)統(tǒng)計量落入拒絕域中，則拒絕原假設(shè)2、如果檢驗(yàn)統(tǒng)計量落入接受域中，則我們說不能拒絕原假設(shè)注意：判定法則2的含義是指我們在這個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。判定法則1、如果檢驗(yàn)統(tǒng)計量落入拒絕域中，則拒絕原假設(shè)注意：判221零假設(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)的情況零假設(shè)和備擇假設(shè)零假設(shè) 222

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)對這項(xiàng)說明進(jìn)行檢驗(yàn)。單側(cè)檢驗(yàn)(one-tailedhypothesis)某種223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)。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、電池時效224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)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225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)會想要檢驗(yàn)一下這個說法。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。請給出該消費(fèi)者協(xié)會的零假設(shè)和備擇假設(shè)。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24226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)離差個數(shù)的多少來判斷。因此構(gòu)造檢驗(yàn)統(tǒng)計量單側(cè)檢驗(yàn)的例子(續(xù)一)解：227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)選取了一個數(shù)目為40的樣本，計算得

計算檢驗(yàn)統(tǒng)計量的值為（σ=0.2）（四）、查表可以得出臨界值和拒絕域，也可用計算機(jī)輸出p值。計算出的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。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228雙側(cè)檢驗(yàn)一些產(chǎn)品某一項(xiàng)指標(biāo)必須滿足在某一個范圍內(nèi)，如精密零件的尺寸和重量、保險絲適用的電流強(qiáng)度等等，這類問題的檢驗(yàn)屬于雙側(cè)檢驗(yàn)。雙側(cè)檢驗(yàn)一些產(chǎn)品某一項(xiàng)指標(biāo)必須滿足在某一個范圍內(nèi)，如精密零件229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雙側(cè)檢驗(yàn)圖例:拒絕域臨界值接受域拒絕域230兩類錯誤假設(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為真時我們拒絕H0的錯誤稱為第I類錯誤，犯這種錯誤的概率用α來表示，簡稱為α錯誤或棄真錯誤；當(dāng)H0為偽時我們接受H0的錯誤稱為第II類錯誤，犯這種錯誤的概率用β來表示，簡稱為β錯誤或取偽錯誤。兩類錯誤假設(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231兩類錯誤出現(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)類錯誤II類錯誤正確-無偏差兩類錯誤出現(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232

接受H0拒絕H0，接受H1

H0為真 1－α（正確決策）

α（棄真錯誤）

H0為偽

β

（取偽錯誤）

1－β（正確決策）兩類錯誤發(fā)生的概率兩類錯誤發(fā)生的概率如下表所示： 兩類錯誤發(fā)生233兩類錯誤的關(guān)系接受H0拒絕H0II類錯誤I類錯誤兩類錯誤的關(guān)系接受H0拒絕H0II類錯誤I類錯誤234單樣本Z檢驗(yàn)(1-SampleZ)例:右表為測量9個工件所得到的數(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):單樣本Z檢驗(yàn)(1-SampleZ)例:右表為測量9個工件所235填入?yún)?shù)填入?yún)?shù)236輸出結(jié)果輸出結(jié)果237單樣本t檢驗(yàn)(1-Samplet)Select:Stat>BasicStatistics>1-Samplet例:右表為測量9個工件所得到的數(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,需計算總體均值是否等于5及其在95%置信度下的置信區(qū)間.單樣本t檢驗(yàn)(1-Samplet)Select:St238填入?yún)?shù)填入?yún)?shù)239輸出結(jié)果輸出結(jié)果240雙樣本t檢驗(yàn)(2-Samplet)Select:Stat>BasicStatistics>2-Samplet采用Data目錄下的Furnace.mtw雙樣本t檢驗(yàn)(2-Samplet)Select:St241填入?yún)?shù)填入?yún)?shù)242輸出結(jié)果P-Value>0.05接受原假設(shè)輸出結(jié)果P-Value>0.05243成對樣本t檢驗(yàn)(Pairedt)Select:Stat>BasicStatistics>Pairedt采用Data目錄下的Exh_stat.mtw成對樣本t檢驗(yàn)(Pairedt)Select:Sta244填入?yún)?shù)填入?yún)?shù)245輸出結(jié)果P-Value<0.05拒絕原假設(shè)輸出結(jié)果P-Value<0.05246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)單樣本比例檢驗(yàn)(1Proportion)本案例采用總結(jié)數(shù)據(jù)247輸出結(jié)果:輸出結(jié)果:248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雙樣本比例檢驗(yàn)(2Proportion)本案例采用總結(jié)數(shù)據(jù)249輸出結(jié)果輸出結(jié)果250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，即差異無顯著性時，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。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；251正態(tài)性檢驗(yàn)(Normalitytest)本例采用Data目錄下的Scores.MTWSelect:Stat>BasicStatistics>Normalitytest正態(tài)性檢驗(yàn)(Normalitytest)本例采用Data目252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)室累計分布函數(shù)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253基于ECDF檢驗(yàn)的輸出結(jié)果基于ECDF檢驗(yàn)的輸出結(jié)果254基于相關(guān)分析檢驗(yàn)的輸出結(jié)果基于相關(guān)分析檢驗(yàn)的輸出結(jié)果255基于相關(guān)卡方檢驗(yàn)的輸出結(jié)果基于相關(guān)卡方檢驗(yàn)的輸出結(jié)果256報紙報導(dǎo)某地汽油的價格是每加侖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月汽油價格的置信區(qū)間；3）給出1月和2月汽油價格差的置信區(qū)間.小組討論與練習(xí)報紙報導(dǎo)某地汽油的價格是每加侖115美分，為了驗(yàn)證這種說法，257方差分析

方差分析的引入

怎樣得到F統(tǒng)計量

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方差分析方差分析的引入σσσσσσσ258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.會利用Minitab對實(shí)際問題進(jìn)行方差分析5.能夠?qū)Ψ讲罘治龅慕Y(jié)果作出解釋本章目標(biāo)1.理解方差分析的概念259

方差分析的引入假設(shè)檢驗(yàn)討論了檢驗(yàn)兩個總體均值是否相等的問題，但對于多個總體的均值比較，如果仍用假設(shè)檢驗(yàn)，就會變得非常復(fù)雜。總體方差分析的引入假設(shè)檢驗(yàn)討論了檢驗(yàn)兩個總體均值是否相等的問題260方差分析的引入(續(xù)一)方差分析(ANOVA：analysisofvariance)能夠解決多個均值是否相等的檢驗(yàn)問題。方差分析是要檢驗(yàn)各個水平的均值是否相等，采用的方法是比較各水平的方差。方差分析的引入(續(xù)一)方差分析(ANOVA：analysis261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中等城市收集了一段時期內(nèi)的銷售數(shù)據(jù)，見下表。方差分析的引入(續(xù)二)A品牌汽車在四個城市的銷售情況單位：輛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262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。方差分析的引入（續(xù)三）方差分析實(shí)際上是用來263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264怎樣得到F統(tǒng)計量總離差組內(nèi)方差組間方差怎樣得到F統(tǒng)計量總離差組內(nèi)方差組間方差265怎樣得到F統(tǒng)計量水平間(也稱組間)方差和水平內(nèi)(也稱組內(nèi))方差之比是一個統(tǒng)計量。實(shí)踐證明這個統(tǒng)計量遵從一個特定的分布，數(shù)理統(tǒng)計上把這個分布稱為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)方差怎樣得到F統(tǒng)計量水平間(也稱組間)方差和水平內(nèi)(也稱組內(nèi))方266F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變量的自由度確定，因此F分布有兩個參數(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)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267F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，268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！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2269單因素方差分析例1：我們要研究一家有三個分支機(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，已邀請專業(yè)的人力評測單位對每一分支機(jī)構(gòu)的員工進(jìn)行了評測，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：單因素方差分析例1：我們要研究一家有三個分支機(jī)構(gòu)的公司各分支270員工素質(zhì)人力評測員工素質(zhì)人力評測271檢驗(yàn)方差是否一致在方差分析之前，我們可利用Minitab對數(shù)據(jù)作方差一致性檢驗(yàn)Minitab能夠讀取的數(shù)據(jù)格式與上表給出的格式不同，我們必須把數(shù)據(jù)轉(zhuǎn)化為Minitab能夠理解的形式，具體做法是：將所有變量值輸入工作表的第一列，對因素進(jìn)行編碼，按照一定的順序編為1、2、3...，輸入后面幾列。對本例：先將素質(zhì)測評的得分輸入工作表列一；三個分支分別編碼為1、2、3，對應(yīng)于變量值填入第二列；檢驗(yàn)方差是否一致在方差分析之前，我們可利用Minitab對數(shù)272數(shù)據(jù)Stat→ANOVA→TestforEqualVariance菜單方差一致性檢驗(yàn)數(shù)據(jù)Stat→ANOVA→TestforEqualVa273方差一致性檢驗(yàn)(續(xù)一)適用于正態(tài)分布的數(shù)據(jù)適用于非正態(tài)分布的數(shù)據(jù)方差一致性檢驗(yàn)(續(xù)一)適用于正態(tài)適用于非正274方差一致性檢驗(yàn)(續(xù)二)方差一致性檢驗(yàn)(續(xù)二)275給出假設(shè)因素是方差分析研究的對象，在這個例子里，兩個變量分別是分支機(jī)構(gòu)位置和員工素質(zhì)測評分?jǐn)?shù)，這里分支機(jī)構(gòu)的位置就是一個因素，因素中的內(nèi)容就稱為水平。該因素中有三個水平，即機(jī)構(gòu)的不同位置。學(xué)過假設(shè)檢驗(yàn)的知識后，我們可以給出下面的假設(shè)：給出假設(shè)因素是方差分析研究的對象，在這個例子里，兩個變量分別276若零假設(shè)為真，則可以認(rèn)為只有一個抽樣分布，此時三個樣本均值比較接近。三個樣本均值的均值與方差可用于估計該抽樣分布的均值與方差。零假設(shè)為真μx3x2x1三個樣本均值若零假設(shè)為真，則可以認(rèn)為只有一個抽樣分布，此時三個樣本均值比277零假設(shè)為真總體均值的最優(yōu)估計是三個樣本均值的算術(shù)平均數(shù)，而抽樣分布的方差的估計可以由三個樣本均值的方差給出，這個估計就是的組間估計又由得到零假設(shè)為真總體均值的最優(yōu)估計是三個樣本均值的算術(shù)平均數(shù)，而抽278零假設(shè)為假為了說明零假設(shè)為假時的情況，假定總體均值全不相同，由于三個樣本分別來自不同均值的總體，則樣本均值不會很接近，此時將變大，使得的組間估計變大。μ3μ2μ1x3x2x1三個樣本均值零假設(shè)為假為了說明零假設(shè)為假時的情況，假定總體均值全不相同，279零假設(shè)為假(續(xù))每個樣本方差都給出的一個估計，這個估計只與每個樣本內(nèi)部方差有關(guān)，若樣本量相同，各個樣本方差的算術(shù)平均值就是組內(nèi)方差的估計值。零假設(shè)為假(續(xù))