工厂应用统计学.ppt

版本 : 2007/Q2 t分配 (t Distribution) 利用Minitab計算t分配的機率 另一看法:从推定区间看检定 请问样本10个经推定后95%信心水准下[势力范围]? 另一看法:从推定区间看检定 请问样本25个经推定后95%信心水准下[势力范围]? 平均数推定和检定与Z分配t分配的选择应用 对有关母体的假设,利用样本所得的统计量讯息,决定接受或不接受该假设的统计方法. 假设的想法与陈述 H0:被告是无罪的[虚无假设,原始假设,想否定的假设] H1:被告不是无罪的(有罪的)[对立假设,想验证的假设] H0:μ= 25 H1:μ≠25 工程师团队已对某产品的制程进行一连串的改善措施,目前希望了解到经此一系列的改善,产品的不良率是否与改善前有所差异,同时也希望知道是否达到当初所设定的目标. 工程师团队导入两家材料供货商(工程样本导入前皆已被核准认可),品保制程工程师团队依据生产线的记录,层别出使用两家供货商之产品批,试着想比较两家供货商间对产品的良率是否有差异? 相关分析 ※回归方程只有在变量之间存在较强的相关关系时才具有意义. 微弱相关 0~0.1 低度相关 0.1~0.4 中度相关 0.4~0.7 高度相关 0.7~0.9 完全相关 1 关连程度 | R | ? 相关系数 R : 指用来描述两个变量间线性关系密切程度的一个数量指标. ? 线性回归模型式拟和度 R2 (R-square) : 表示使用x去预测y时的解释力,即y被x所解释的比率. x y y SST、SSR与SSE间的关系 SST = 总平方和 SSR = 回归平方和 SSE = 误差平方和 ? 以样本统计量推导出来的R2来评估整体模式的解释力, 并进而推论到母群体时,会有高估的倾向,样本数越小,越 容易高估,解释力膨胀效果越明显,样本数越大,膨胀情形 越轻微. ? 校正后R2 (adjusted R2),可以减轻因为样本估计带来的 R2膨胀效果,样本数较小,则应采用校正后R2. 校正后R2 [R-Sq (adj)] Regression Analysis: 里程數 versus 车重 The regression equation is: 里程數 = 55.6 - 0.0100 车重 Predictor Coef SE Coef T P Constant 55.591 1.520 36.57 0.000 车重 -0.0100483 0.0005535 -18.15 0.000 S = 4.11197 R-Sq = 69.0% R-Sq(adj) = 68.8% Analysis of Variance Source DF SS MS F P Regression 1 5572.6 5572.6 329.58 0.000 Residual Error 148 2502.4 16.9 Total 149 8075.0 Unusual Observations Obs 车重 里程數 Fit SE Fit Residual St Resid 22 4080 17.500 14.594 0.845 2.906 0.72 X 27 2515 21.100 30.320 0.348 -9.220 -2.25R 46 4360 16.900 11.781 0.989 5.119 1.28 X 47 4054 15.500 14.855 0.832 0.645 0.16 X 79 2110 46.600 34.389 0.460 12.211 2.99R 82 2085 44.300 34.641 0.470 9.659 2.36R 83 2335 43.400 32.128 0.386 11.272 2.75R 84 2950 36.400 25.949