04_seg2hypothesis.pptVIP

FN: MultiVari 假设检验介绍 目录 假设检验 假设是一个关于变量特性或变量间关系的一种推测理论. 我们做统计检验去证明那个关系是否存在 在某个信心度下 . 我们可用到两个对立的假设. 零假设 H0 —不存在差异或关系的假设.这是所有统计检验的标准假设. 备选假设 Ha —存在差异或关系的假设.这个假设是大部分统计检验实际评定的. 假设检验的类型 我们可以对许多种情况进行假设检验.在下面的章节里我们将研究以下检验: T检验 T-tests : 平均值的检验 Is mA mB ? F检验 F-tests : 方差的检验 Is sA2 sB2 ? 二项式检验 Binomial tests : 比例的检验 Is pA pB ? c2 检验: 对一个X变量比率关系或频次的检验 保修期返回的是否取决于工厂质量? 显著的差异是什么? 上图中的两个总体或面积有显著的差异吗? 我们对我们的决定有多大把握?从总体里取样品对我们做决定的信心有什么影响? 实际对统计的意义 使用平均值检验, 我们也许能证明左图?? ? ?? . 上图中,我们的统计结果离目标值更近. 统计检验有多大的价值? 下图中,我们的统计大大超过我们的目标. 统计检验能够提供附加值吗? 统计检验中的风险—Alpha风险 Alpha风险或错误类型1 在大部分统计软件中输出通常叫p值“p-value”, 在传统的质量术语中叫“生产者风险” 是在我们说某事是有差异时,我们错误了的概率.它是对被观察到的差异随机发生的可能性评估. Alpha风险是大多数统计检验的主要决策工具. 统计检验中的风险—Beta风险 Beta 风险或 错误类型2 在传统的质量术语中也叫消费者风险 是我们可能错误了的概率, 当我们说两件或两件以上的事是相同的,但实际上是有差异的时. Beta风险不是通过统计检验直接估计的. 风险和样品数 在置信区间单元,我们看到样品数影响平均值或方差统计的不确定度. 在统计检验里,样品数将决定我们所取的风险数. 做假设检验的一般步骤 1. 定义实际问题. 2. 陈述统计问题. 3. 选择统计检验. 4. 设立Alpha和Beta风险. 5. 确定我们所关心的偏差 d . 6. 选择适当的样品数. 7. 提出取样计划. 8. 收集数据. 9. 做统计检验. 10. 得出结论. 例子 从仓库选料送到工厂会错料,我们自行车工厂的一个改进团队正设法降低错料的百分比.由错料引出的重新进货,再选料,零件缺乏和有时候错误零件的装配造成劣质成本的增加.XY矩阵,FMEA和一些以前数据的箱图都把班次作为一种可能的自变量.团队怎样设定一个统计检验去了解选错料的百分比是否取决于班次? 例子—定义问题 步骤 1: 定义实际问题. 选错料的比率是否取决于不同工作表现的班次? 步骤 2: 陈述统计问题. 零假设Ho – P班次 1 P班次 2 备选假设Ha – P班次 1 1 P班次 2 步骤 3: 选择统计检验. 既然我们涉及到比例, 我们将用比例检验. 例子—建立风险 步骤 4: 建立Alpha和Beta风险. 我们将使用一个Alpha a 风险 0.05. 当一个统计检验说可能有差异存在时,我们愿意取5%的随机风险. 根据情况的不同危险程度,我们可以增加或减少 a .为了一个保险的参量,我们可能使用a 0.001. 我们一般选择 Beta b 0.10. 这个的意思是,如果有一个差异存在,检验检测不到它,我们愿意取10%的机会. Beta 通常用检验的能力1 – b来表现. 实际差异和样品尺寸 步骤 5: 确定我们所关心的偏差 d . 现在的错误百分率平均为1.5 %.我们的项目目标是改进50%, 达到0.75%. 我们所关心的偏差为 0.75%. 步骤 6: 选择适当的样品尺寸. 在每个统计检验的章节里,我们都将用到样品尺寸的选择. 这个问题的样品尺寸是 2个班次 * 200 次/班次,共4,200个样本 每个班次 . 步骤 7: 提出取样计划. 在21个工作日的两个班次里,我们将收集样品中的出错数据. 用 Minitab运行检验 步骤 8: 收集数据. 下面的是收集数据的概要. 班次 1 – 选料总数 4,200 ; 错误 66 班次 2 – 选料总数 4,200; 错误 30 Step 9: 运行统计检验. 我们使用Minitab去检验这些比例. 结论 步骤 10: 得出结论. 从 p-value 0.00, 我们推断每个班次的错误率是不同的. 对于错误百分比的差异是从0.4%到1.3%,有95%的可信程度. 假设检验目录 ? 2001 Six Sigma Qualtec SSQ 331 04_