离散数据的置信间和假设检验.ppt

第6部分: 离散数据的置信区间和假设检验 第6部分:离散数据的置信区间和假设检验 离散数据导图 Minitab可生成Pareto图 Pareto图形 Pareto图形 原始数据的Pareto图表 离散数据的指引图 离散数据分析的类型 离散数据分析的统计方法 离散数据指引图 正态分布值 正态近似法: 1个比例 激发想法 正态近似法: 单比例 比较2个比例(差异的取值范围是什么) 比较2个比例(差异的取值范围是什么) Poisson近似法: 1个比例(大n, 缺陷次数少) Poisson近似法: 1个比例 较大样本容量的影响 Poisson近似法: 1个比例(大n, 失败次数较少) 精确二项式检验：比较2个小比例（大n, 失败次数很少） 用Minitab计算比例 用Minitab计算比例 用Minitab计算比例 卡方检验... 卡方检验... 卡方检验... 列联表(Contingency Tables) 将其绘图! 将其绘图! 列联表 列联表 卡方分布 列联表 分析步骤: 离散数据分析的统计方法 课堂练习 - MM Expected values - 50 heads 50 heads observed values inserted table in Excel file. L:\6sigma\poisson approximation.xls New example 3 molds use to form glass bottles. for observed values if you only have one column, use # of outcomes - 1 StatTablesCross Tabulation fo, 观测频率 df = (3-1)(4-1) “St Resid”（标准残差）大的单元不能与其它单元的型式不一致，对总卡方值产生很大的影响。 标准残差 标准残差的平方是该单元的?2 值。 .422 = (13-11.56)2/11.56 ?2 = (fo - fe)2 fe ? 与下页表格中的临界值比较 fe, 预期频率 fe = (总行数) x (总栏数) 总计 fe = 94 x 38 = 11.56 309 (r-1)(c-1)=df（自由度）其中 r = 行数 c =栏数 你的任务是减少医院设备的服务呼叫次数。有5个医院都在使用3种型号相同的设备：MR(1), CT(2),和X-Ray(3)。现在设法确定在医院和需要服务的设备类型之间是否有什么关联。 在Minitab中输入以下数据： 课堂练习: 服务电话减少 将数据制图，并加以说明 计算自由度 运行交叉制表 得出结论 p + z* p(1-p)/n z* p(1-p)* (p1 - p2) + 1 1 n1 n2 + ?2 (Chi-square) 精确二项式检验 Poisson 置信区间 正态 泊松（Poisson） 近似法 近似法 单比例 比较2个比例 超过2个比例 (及双向表) 大n (样本容量) p不太接近0或1 np10及n(1-p)10 大n (样本容量) 较小的缺陷比例 (p0.10) 下表总结了本部分中所用的方法。 Z是为满足置信度要求而从正态分布中产生的值。 下图显示何时使用正态法、何时使用Poisson法。合理方法的选择取决于样本容量和缺陷比例。 注： 使用卡方检验法比较两个以上的比例，或具有2个变量的情况。 大样本容量 缺陷比例不过小 也不过大 [ np10 和 n(1-p)10 ] 使用正态近似法 p = 10/n p=.10 Use Poisson Approximation 0 n=20 50 100 150 200 250 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 比例 样本容量 使用Poisson 近似法 p = 1-10/n 收集更多的数据， 或采用精确二项式方法 棕色和红色为可接受 黄色、橙色、蓝色和绿色为缺陷 样本1是一包10盎司装的普通MM 样本2是一包10盎司装的花生MM 1. 分别画出以上两个样本的4种类型缺陷的Pareto图形（参见第4至7页）。 2. 计算两个样本缺陷比例间差异置信度为99%的置信区间。先用手