西格玛统计学(最新).ppt

* 武汉工程职业技术学院 多元线性回归分析的自变量筛选 逐步回归 （1）向前选择法：先选入对y影响最大者（P值最小者），再从其余自变量中寻找影响次最大者，直到无任何变量p值小于指定的选入α值。 （2）向后选择法：开始引入全部自变量，从p值最大的变量开始逐个删除，直到不能删除为止。 （3）逐步（向前和向后）：自变量逐个引入，边引入边检查已引入自变量中最大的p值是否已大于指定的删除α值，若大于指定的删除α值，则从模型中删除该项，在重复上述过程，直到不能再引入也不能再删除自变量为止。 * 武汉工程职业技术学院 多元线性回归分析的自变量筛选 最佳子集 把所有可能自变量的子集进行回归的结果都列出来供选择。 选择的依据是： R-Sq， R-Sq（调整）越大且二者越接近越好，Cp越接近参数个数（包括常数项）越好，s值越小越好。 * 武汉工程职业技术学院 补充内容 变异源分析 * 武汉工程职业技术学院 知识大纲 VI.六西格玛改进方法和工具——分析（18） A.探测性数据分析 1.多变量研究 使用多变量研究解释位置型、周期型和时序型变量；设计调查最大波动源的抽样计划；建立并解释多变量图。（应用） 2.测量并建立变量间的关系模型 1)一元和多元最小二乘线性回归：计算回归方程、应用并解释回归统计量的假设检验；使用回归模型进行估计和预测；分析估计中的不确定性（带有非线性参数的模型不包括在考试范围中）。（评估） 2)一元线性相关性：计算和解释相关系数和它的置信区间；应用并解释相关系系数的假设检验；理解相关性和因果关系之间的区别（连环相关性不包括在考试范围内）。（评估） 3)诊断、分析变量间的关系模型中的残差。（分析） * 武汉工程职业技术学院 知识大纲 B.假设检验 1.假设检验的基本概念 1)统计的与实际的显著性 定义，比较并对比统计的和实际的显著性。（评估） 2)显著性水平、检出力、第一类错误和第二类错误 应用和解释统计检验的显著性水平，检出力，第一类错误和第二类错误。（评估） 3)样本量 理解怎样计算一个给定的假设检验的样本量。（应用） 2.点估计和区间估计 定义和解释估计量的系数和偏移；从统计数据中计算、解释并得出结论，如标准差、容差区间、置信区间；理解置信区间和预测区间之间的区别。（分析） * 武汉工程职业技术学院 知识大纲 3.均值、方差和比率检验 应用关于均值、方差和比率的假设检验，并解释得出的结果。（评估） 4.成对检验 定义、确定可应用类型，并应用成对数据对参数进行假设检验。（评估） 5.拟合检验 定义、确定可应用类，应用卡方检验并解释结果。（评估） 6.方差分析 定义、确定可应用类型，应用方差分析解释得出的结果。（评估） * 武汉工程职业技术学院 知识大纲 7.列联表（Contingency Table） 定义、确定可应用类型，并构建可能因素表，用它来确定统计显著性。（评估） 8.非参数检验 定义、确定可应用类型，并构建各种非参数检验，包括Mood’s Median、Levene’s检验、Kruskal-wallis、Menn-Whitney等。（分析） ） * 武汉工程职业技术学院 样题 24． 美国工程师的项目报告中提到，在生产过程中，当华氏度介于(70,90)之间时,产量获得率（以百分比计算）与温度（以华氏度为单位）密切相关（相关系数为0.9），而且得到了回归方程如下: Y = 0.9X + 32。黑带张先生希望把此公式中的温度由华氏度改为摄氏度。他知道摄氏度（C）与华氏度（F）间的换算关系是： C = 5/9 （ F – 32） 请问换算后的相关系数和回归系数各是多少？ A. 相关系数为0.9，回归系数为1.62 B. 相关系数为0.9，回归系数为0.9 C. 相关系数为0.9，回归系数为0.5 D. 相关系数为0.5，回归系数为0.5 * 武汉工程职业技术学院 样题 57. 在选定Y 为响应变量后, 选定了X1,X2,X3 为自变量,并且用最小二乘法建立了多元回归方程。在MINITAB 软件输出的ANOVA 表中，看到P-Value=0.0021。在统计分析的输出中，找到了对各个回归系数是否为0 的显著性检验结果。由此可以得到的正确判断是： A． 3 个自变量回归系数检验中，应该至少有1 个以上的回归系数的检验结果是显著的（即至少有1 个以上的回归系数检验的 P-Value 小于0.05），不可能出现3 个自变量回归系数检验的 P-Value 都大于0.05 的情况 B． 有可能出现 3 个自变量回归系数检验的 P-Value 都大于0.05 的情况，这说明数据本身有较多异常值，此时的结果已无意义，要对数据重新审核再来进行回归分析。 C． 有可能出现 3 个自变量回归系数检验的 P-Value 都大于0.05 的情况，这