六西格玛︰0303比较两个水平.pptVIP

;目的： 介绍具有两个水平的单因素“ X”的实验设计方法;经过设计的实验用于： 确定哪些自变量 (X)对因变量 (Y)的影响最大 量化自变量(X)对因变量(Y)的影响 证明你认为重要的自变量会对工序真正产生影响;当重复检测时,通常会得出不同的答案..这就是变差!;我们预料观察值会变化。如果没有变化， 我们反而不安。 如果灶具销售量在所有地区都 一样，那么，我们就会怀疑数据库出现故障。 如果测试10台电冰箱，用电量都一样，那么，我们就会对测量结果的质量表示怀疑。;统计学处理变差有以下几种方法：;实验设计是指主动控制自变量，并观察自变量对因变量(响应值)的影响。;被动观察;精心设计的实验;实验的目标是评估自变量对因变量的影响。;为什么做实验?;得出结论的途径可能不止一个；经常是经过多个实验才能得出结论。;即使“ X” 和“ Y” 相关， 也不一定能用此“ X”控制“ Y”！ (相关 ? 因果关系);目标：评估洗涤时间对去污能力的影响。 因变量(Y)是“ 反应”的变化，是衣物清洁度的测量值。 自变量 (X)是洗涤时间。 一个“ 处理”是X变量的一个水平。本例中的“处理”是20分钟和10分钟洗涤时间。;什么能帮助我们分析这个问题; 如果置信区间包括“ 0”，我们就不能得出“两个平均值存在 统计差异”这个结论：;从我们的试验中： 20分钟洗涤： 平均值 = 18.56 标准差 = 3.57 10分钟洗涤： 平均值 = 15.85 标准差 = 3.54;置信区间的解释;假设在30天内，每天都取20分钟洗涤时间的清洁度为样本（其间洗涤过程稳定）。假设其分布为正态，平均值为19，标准差为3。 我们可以： 每天测量一个样本，或 每天测量4个样本，并记录平均值。;平均值的变化小于单个值的变化。较小的变化量给我们提供了更强的发现差异的能力。;运用Minitab比较两种处理;运用Minitab以图形方式比较两种处理;GraphPlot and / or Boxplot 将变量制图： Y = 清洁度 X = 时间;10分钟洗涤与20分钟洗涤的清洁度之间很可能存在差异。这种差异是偶然发生的，还是20分钟洗涤使衣服明显干净？ 记住，我们可以将两个平均值相减而得到其差值的“ 点估计”，但我们也想弄了解“点估计”预期的变差有多大（“ 置信区间”）。;运用T检验方法，我们能获得两组数据平均值间差值的点估计及其置信区间。 假如两种处理方法的平均值存在统计差异，置信区间将不包含‘0’。;注： 置信区间是平均值差异的可能的取值范围。;1. 因变量(Y)是什么? 2. 自变量(X)是什么? “ 处理” 是X变量的水平。 3. 在此试验中有多少个处理方法？;1. 记下Ho 和 Ha. Ho: Ha: 2. 将相应变量数据输入一栏中， 处理方法(“ X” 水平)输入另一栏。 3. 运用带图表的描述统计方法比较两种处理结果。 4. 对数据运行StatBasic Stat2-Sample t 您发现的结果是什么??;1. 实验目标就是估计自变量 (X)对因变量 (Y)的影响。 2. 收集数据时，会产生两类误差：有系统误差 (可预期且可预测) 和随机误差 (不可预测)。 3. 统计学通过描述统计、统计推断和实验设计处理变差。 4. 要得出答案，很可能要求进行多次试验。 5. 相关并不意味着因果关系 6. “ 处理” 是自变量(X)的水平。 7. 在比较两种处理结果的实验中，要估计的是两种处理结果的平均值间和标准差间的差异。 8. 置信区间给出总体平均值间差值的可能的取值范围。如果置信区间包含“ 0”，您便无法得出存在统计差异的结论。;附录;使用逆概率函数 CalcProbability DistributionT;参考分布和控制;方差 (s2) 是观测值偏离其平均值的距离的平方的平均值。 标准差 (s)是方差的平方根。 标准差是数据的分散程度的量度，它不受平均值的影响。 如果所有观测值都比较接近，则标准差较小。