Kappa Knowledge(Hill).pptVIP

Kappa 要达成完全一致， P observed = 1 且 K=1 一般说来，如果Kappa值低于0.7，那么测量系统是不适当的 如果Kappa值为0.9或更高，那么测量系统是优秀的 Kappa的下限为0到 -1 如果 P observed = P chance 那么 K=0 因而Kappa值为 0表示达成一致和随机偶然预期达成的一致是一样的 属性测量系统指导 在选择研究的部件时，要考虑以下几方面因素： 如果你只有两个类别，优良和次劣，你至少应该选择20个优良品和20个次劣品 最多可选择 50个优良品和50个次劣品 尽量保持大约50%的优良品和50%的次劣品 选择不同程度的优良和次劣 属性测量系统指导 如果你的类别超过2种，其中一类是优良，其它类别是不同的缺陷方式，那么你至少应该选择大约50%的优良品和每種缺陷方式中的最少为10%的产品 你可以把一些缺陷方式合并称为“其它” 这些类别应该互相排斥，否则它们应该合并起来 分级员内部/重复性考虑 让每个分级员至少两次判定同一单元 为每个分级员建立独立的Kappa表，计算他们的Kappa值 如果某个分级员的Kappa测量值很小，那么该分级员自己没有很好地重复判定 如果分级员自己没有很好地重复判定，那么他也不能和其它分级员很好的做重复判定，这将掩盖其它分级员内部重复判定的好坏 根据每个分级员的首次判定建立一个Kappa表，计算不同分级员之间的Kappa值 不同分级员之间的Kappa值将进行两两对比 (A和 B, B和C, A和C) Kappa 例子#1 Bill Blackbelt正在努力改进一个具有高退货率的油漆过程 在工程早期，由于很明显的检验员之间和检验员内部的差别，所以测量系统就是一个关注的问题 下一页的数据是在测量系统研究中收集的。 需要计算每个操作员的Kappa和操作员之间的 Kappa 考虑下列数据 分级员A的 交叉表 交叉表 交叉表 交叉表 交叉表 交叉表 交叉表-比例 交叉表-比例 记得怎样计算Kappa吗? Pobserved 判定员一致同意的单元的比率=判定员A/B一致判定为优良的比率+判定员A/B一致判定为次劣的比率 Pchance 预期偶然达成一致的比率=（判定员A判定为优良的比率*判定员B判定为优良的比率）+（判定员A判定为次劣的比率*判定员B判定为次劣的比率） 计算分级员A的Kappa 计算分级员B的Kappa * Kappa量测能力评价指标 上面的判断基准根据Project的目标有可能变更。 举个例，不良率0.1%→0.001% 改善课题的情况下检出率必须为 100%. 满足指数40% → 60% 改善课题时，如果检出率是70%以上就可以被选择。 基本上，达不到100%时，必须调查其原因。 70% ↓ 判断基准 (不足) 70~90% 判断基准 (考虑) 90% ↑ 判断基准 (良好) 判断指标 计数型 Gage RR 在每个单元格中填入收集到的信息 第一格代表分级员A在第一次 和第二次测量中判定为优良的 次数 第二格代表分级员A在第一次测量中判定一个单元为次劣，在第二次测量中判定为优良的次数 第三格代表分级员A在第一次测量中判定一个单元为优良，在第二次测量中判定为次劣的次数 第四格代表分级员A在第一次测量和第二次测量中判定一个单元为次劣的次数 边格的数字代表行和列的总和 分级员A比例 下表代表上表的数据，其中每个单元格用总数的百分比来表示 代表10/20 由行和列的总和计算而得 对Kappa的定义将有所不同，取决于我们是在定义分级员内部Kappa，还是在定义分级员之间的Kappa Pobserved 等于上表对角线上概率的总和： P observed =(0.500 + 0.350) = 0.850 Pchance 等于每个分类概率乘积的总和： Pchance =(0.600*0.55) + (0.400*0..45) = 0.51 那么 Krater A=(0.85 - 0.51)/(1 - 0.51)=0.693 K Rater B = 数字 比例 ? 利用Minitab的 二元分类 系数型 Gage RR的 Study Ex) 为了分析以Go/No-Go Gage判定合格/不合格的系数型测试系统 选了15 EA 样品 (合格品 8个,不合格品7个)之后由3名测试人员反复测了3次后得到了如下的Data. Attribute Gage RR Study Attribute Gage RR Study for Measurem Within Appraiser Assessment Agreement Appraiser # Inspected # Matched Percent