六西格玛方差分析77页.ppt

卡方分析 : 0.0037 +0.00074 +0.0024 +0.00048 =0.0073 那么? 相的平方差之和为卡方分析分布! 1 0 2 3 4 5 如果两变量相互独立,其差会接近零 - 差值越大,变量间越可能不相互独立 我们将依据 P 值来协助我们做决定 P 值 分析 Roadmap 卡方分析- 独立性检验 收集资料 使用Minitab 卡方分析指令 计算 P 值 检查 Contingency Table 制定决策 用 Minitab 分析资料 Stat Tables Chisquare Test 用 Minitab 分析资料 卡方分析检验 期望值标示于观察值下面 A P Value! 注意： 观察值和期望值与 您先前所计算的相等 你的决定是？ 用 Minitab 分析资料 卡方分析检验 期望值标示于观察值下面 0.05 年龄与受聘不相关的 此数值告诉您好什么信息？ 期望值和理论值很接近， 则Ho 接受 另一个范例… 受雇 不受雇 Old Young 45 135 45 230 P = 0.024 0.05 ,说明不独立,即有相关联 在 Minitab 中另一种卡方分析检验方法 同样资料,但 C9栏已取代 Margin 栏, 我们现在有编码为 good / bad 的资料 但我们没有 X factors 缺陷的表,如何使用卡方分析? Profitability.mpj 此选项要示 Minitab 为我们制作 一个暂时的观测频率表 此表仅为完成计算而存在 适用于一般表格(未统计出不同情况的总数) Tabulated Statistics Rows : Year Columns : Defect 0 1 All 36 24 60 43.00 17.00 60.00 1 38 22 60 43.00 17.00 60.00 2 55 5 60 43.00 17.00 60.00 3 129 51 180 129.00 51.00 180.00 All Chi-Square = 17.893, DF = 2 , P-Value = 0.000 期望值 观察值 Null hypothesis ： year 与defects数 是相互独立的 你觉得呢? 注意：该运行Chi- square的选项并不会 显示 test statistic的 计算过程 0.05 不独立 卡方分析评论 卡方分析是本周所学分析工具中最不具洞察力、且较难以 理解的工具 - 可以表现出统计的显著性，但实际显著性（Epslion）呢？ 使用 Minitab 的 Chi-Square Test时，您必须有至少5个期望 频率来执行计算，否则 Minitab 会失败 您的资料收集必须是随机的 - 注意其他隐藏因子（X’s） Minitab 软件中： 只要期望值1就 可积算 BB的提示 注意您的抽样数目，不可太少 回 顾 介绍卡方分析-研究独立性检验的基本概念 连结卡方分析-研究独立性检验与MAIC roadmap 额外练习 1、测量系统评估 Stat Tables Chi-sguare Test 将数据表直接按矩形输入： A B C #Good #Bad 232 590 45 434 119 83 操作员与产品鉴别标准之间，是否存在相互关系？ P=0.6370.05说明:Ho成立 说明操作员的影响因素不相关,可不考虑 如果有,是什么原因造成这种差异? 你下一步会做什么? 输入数据 额外练习 2、产品保证(warranty)评估 供应商和产品保证缺陷数之间，是否存在相互关系 Bad Good 21 627 33 467 10 424 Y X A B C 如果有,是什么原因造成这种差异? 你下一步会做什么? P=0.0020.05说明:Ho不成立 说明供应商与产品缺陷有相互关系 输入数据 * * Fisher’s pairwise comparisons Family error rate = 0.192 Individual error rate = 0.0500 Critical value = 2.086 Intervals for (column level mean) - (row level mean) Fisher’s A B C B –8.186 –1.814 C –10.186 –3.81 –4.850 0.850 D –3.023 3.023 2.334 7.666 4.334 9.666 此矩阵显示平均值间的比较 在一格中的两个数字，为平均值差 异的95%置信区间 若此二数均为正值或负值，则 平均值间存有差异 以小组