Good-6sigma-最好的讲义.ppt

4) 分散差异的假设验证 ? ANOVA → Test for Equal Variances... ◎ 确认男女分散是否有差异 - 0假设: - 对立假设: 身高 性别 ● 实行结果 标准偏差的信赖区间 Data呈正态分布时 Data不作正 态分布时 男女身高的 Boxplot 5) 确认正态分布与否 ? Stat → Basic Statistics → Normality Test... ① Data的正态分布的确认 确认收集的 Pulse是否遵循正态分布 Data 输入 选择Test方法 ● 实行结果 红线表示正态分布情况，黑线表示实际数据 ② 非正态分布的正态化 ? Stat → Control Charts → Box-Cox Transformation... Data 选择 输入Sub Group 大小 选择输入变化Data列 ● 实行结果 LAMBDA的信赖区间 Test and CI for One Proportion Test of p = 0.15 vs p not = 0.15(0假设和对立假设) Exact Sample X N Sample p 95.0% CI P-Value 1 15 300 0.050000 (0.028251, 0.081127) 0.000 3. 离散型 Data的假设验证 1) 一个比率差的假设验证 ? Stat → Basic Statistics → 1-Proportion... ◎ 天津工厂为了确认A外协社的6σ课题成果抽查了300个制品，其中不良品为15个 A外协社纳品的不良率过去是15%。 - 0假设: - 对立假设: 全体个数 不良个数 Click 信赖度 要比较的比率 95% ???? ● 实行结果 2) 两个比例率差的假设验证 ◎ 000事业部为了比较A,B两个生产线的不良率收集了数据。结果，ALine的1000中 出现了75个不良, B Line的1500个中出现了120?个不良。 - 0假设: - 对立假设: ? Stat → Basic Statistics → 2-Proportion... 全体个数 不良个数 ● 实行结果 Test and CI for Two Proportions Sample X N Sample p 1 75 1000 0.075000 2 120 1500 0.080000 Estimate for p(1) - p(2): -0.005(A, B 的差异 95% CI for p(1) - p(2): (-0.0263305, 0.0163305)(差异的信赖区间) Test for p(1) - p(2) = 0 (vs not = 0): Z = -0.46 P-Value = 0.646 3) 表(Table)的假设验证 ① 三个以上比率差的验证 ◎ 天津工厂对A,B,C,D四种材料实施作业评价，结果如下 - 0 假设: - 对立假设: 良品 不良品 45 43 48 44 5 7 2 6 A B C D ● Data输入 : 将表中的Data原样输入 Worksheet。 ? Stat → Tables → Chi-Square Test... Data 选择 Expected counts are printed below observed counts A B C D Total 1 45 43 48 44 180 45.00 45.00 45.00 45.00 2 5 7 2 6 20 5.00 5.00 5.00