六西格玛A阶段(上册)分析报告.ppt

Comparisons Involving 2 Levels Study Stability(if applicable) Study Shape Study Spread Study Centering 打开2 Sample t 检查表. Roadmap 分析 - 2 Samples 双样本T检验 Bob Jane 25.2969 26.0056 26.0578 25.9400 24.0700 26.0063 24.8199 26.4356 25.9851 25.9927 24.6902 23.6961 25.9337 25.6764 25.1005 24.5723 … ... 实质性的提问: Bob和 Jane的印章工程能力 怎样比较？ 双样本T检验 [Step 1] 现调查样本大小。 因日程和业务交接原因假设Jane时只能取到 30个数据。 - 30个时充分吗？ - 这时检出力是多少？ - 其他检出力和样本大小的调查可能吗？ 零假设 (Ho): Jane的 油漆厚度 与Bob的厚度一样. 备择假设 (Ha): Jane的油漆厚度 与Bob的厚度不同. (大或小) 假设 双样本T检验 要求的样本大小 为采纳两个中的一个,必要的样本大小是多少? 提供的情报: 显著水平, ? = 0.05 检验功效 = 1-? = 0.80 平均差异, d = 0.1 样本差异, s = 0.25 备择假设 (Ha) : Jane的油漆厚度与 Bob的厚度不一样. 双样本T检验 双样本T检验 2.输入检验功效(power), 1-b. 1. 输入delta, d. 4. 选择备择假设. 3. 输入sigma, s. 5. 输入alpha, a. 双样本T检验 功效和样本数量 双样本 t 检验 检验平均值 1 = 平均值 2（与 ≠） 计算平均值 1 的功效 = 平均值 2 + 差值 Alpha = 0.05 假定标准差 = 0.25 样本 目标 差值 数量 功效 实际功效 0.1 100 0.8 0.803648 样本数量是指每个组的。 Minitab是 0.80的检验功效, 为检验Jane和 Bob的油漆的 (或者差异在 0.1 以内时)涂敷情况确认，提供必要的样本大小是 Jane和 Bob 每个是 100。 (注: N = 100时, 实际检验功效是 0.8036 .) Minitab Output 双样本T检验 样本大小的计算 利用Minitab 的 Sample Size Calculator计算提供的样本大小的检验能力! 双样本T检验 Minitab Output 当样本大小等于30时, 得到检验功效只有0.3315 ，也即b值是0.6685。 这说明用这么多数据来检验这两个作业者间的差异是不充分的，故还要收集数据。 功效和样本数量 双样本 t 检验 检验平均值 1 = 平均值 2（与 ≠） 计算平均值 1 的功效 = 平均值 2 + 差值 Alpha = 0.05 假定标准差 = 0.25 样本 差值 数量 功效 0.1 30 0.331522 样本数量是指每个组的。 双样本T检验 与以前相同的方法 - 但根据各水准分别计算.Bob’s New Data 结论是 ? 结论是 ? [Step 2] 检验正态分布。 双样本T检验 结论是 ? 结论是 ? Jane’s New Data 双样本T检验 [Step 3] 比较散布. 双样本T检验 Minitab – 堆叠数据 双样本T检验 T-值 用来衡量一个影响的重要性。(这个影响是“活性的”吗？) 。影响定义为两个平均值间的差异 T-值 以样本偏差为单位。比如 T值为 +2.00 的意思是这个影响相对于0.00（或相对某个目标值）为2个样本偏差。从正态分布我们知道偏离中心2个样本偏差的情况极少发生 每个T值都伴随一个概率 （P值）。 这个概率表示如果影响为0.00，得到观察到的T-值的机会是“P” 例如 T值 为 -1.97 时 P值 等于0.085. 这就是说如果与T值相对应的影响真是0.00,那么获得T值 等于-1.97 的概率是 8.5% 一般我们采用的P-值 限于 5%. 如果我们的样本数相对较小，有时使用10% t-Test 说明 练 习 目的: 研究当已知实际结果时如何进行T-检验. 1:我们从同样的过程中生成随机样本进行T-检验 2:我们将把过程的样本偏差移动1个单位,然后进行T-检验 3:我们将把过程的样本偏差移动2个单位,然后进行T-检验 t-Test 说明 t-值