工程资料分析-EDA-公开课件（精选）.pptVIP

二因子变异数分析重复试验 变动来源 SS DF MS F P-Value A因子 SSA k-1 MSA=SSA/(k-1) F=MSA/MSE 查表 软件计算 B因子 SSB r-1 MSB=SSB/(r-1) F=MSB/MSE 交互作用 SSI (k-1)(r-1) MSI=SSI/(k-1)(r-1) F=MSI/MSE 误差 SSE kr(n-1) MSE=SSE/(k-1)(r-1) 总和 SST krn-1 * A因子之假设H0:μA1=μA2=…=μAk=μ H1:μAi不全等(i=1~k)α=0.05 B因子之假设H0:μB1=μB2=…=μBr=μ H1:μBj不全等 (j=1~r)α=0.05 交互作用之假设 H0:(αβ)ij=0 (i=1~k) H1:(αβ)ij不全为0 (j=1~r) α=0.05 公式 变异数分析注意事项 ANOVA 变源 SS 自由度 MS F P-值 机台 10.52 2.00 5.27 0.10 0.91 人员 93.28 4.00 23.32 0.45 0.77 误差 417.74 8.00 52.22 总和 521.54 14.00 * 误差项变异过大 P-Valueα 无任何因子显著 1.规划实验时，需考虑交互作用之影响。 2.无任何因子显著时，误差项变异会过大，表示影响实验结果之主要原因未被考虑到，需重新检讨。 变异数分析注意事项（续） Allen Ben Cindy Dora Eddie A机台 87 84 81 75 76 B机台 85 87 83 201 73 C机台 80 82 88 78 72 * 异常值需挑出 3.变异数分析前需分析组内之数据是否存有异常值。 4.变异数分析后可探讨何种水平具有较佳结果。 5.信心水平α之选择，建议采 5% 或 1%，统计上的含意代表显著与非常显著。 * 基础统计学 假设检定 变异数分析（ANOVA） 简单回归分析 QC7?□ □ 图 * 可看出温度与落尘量的相关性 举手抢答加5分 QC7－散布图(相关系数) * 可得上述案例之相关系数为? r =0.88 QC7－散布图(相关性) * A.正相关 0.85 r 1 B.弱正相关 0.7 r 0.85 D.非显著性负相关 -0.85 r -0.7 E.无相关 - 0.4 r 0.4 C.负相关 -1 r -0.85 F.曲线相关 r = 0.88? 其呈现之关系为正相关 负相关 请列举出身边你认为相关的例子。 如：地势越高，气压越低。 * 散布图与回归分析 * 散布图可观察其相关性。回归分析可藉由计算两变量之线性关系 求出回归方程式，并据此方程式「推估」未进行实验之值。 回归方程式 X Y No. 温度 落尘量 1 820 44 2 830 49 3 870 55 4 860 55 5 820 48 6 820 46 7 830 45 8 830 51 9 870 53 10 840 52 11 810 44 12 880 57 13 840 50 14 880 54 15 840 49 16 860 50 17 860 52 18 830 46 19 880 54 20 850 53 回归统计 R 的倍数 0.88 R 平方 0.78 观察值个数 20.00 * 由Excel报表可得回归方程式： y = βx+α= 0.15x-78.82 依据此方程式可进行最佳解的预测。 ?代入X（温度）可预测Y（落尘量） 相关系数 回归方程式(回归线检定) ANOVA 自由度 SS MS F 显著值 回归 1.00 225.67 225.67 62.61 0.00 残差 18.00 64.88 3.60 总和 19.00 290.55 系数 标准误 t 统计 P-值 截距 -78.82 16.33 -4.83 0.00 X 0.15 0.02 7.91 0.00 * α β P-value α ?拒绝H0 ?温度可以解释落尘量 用于检定此模型是否显着。 H0:温度无法解释落尘量 H1:温度可以解释落尘量 用于检定α、β是否为零。 H0:α= 0 v.s H1:α≠ 0 H0:β= 0 v.s H1:β≠ 0 P-value α ?拒绝H0 ?α不为零 P-value α ?拒绝H0 ?β不为零 * * * * * * * * * * * * * * * * * * 建立假设 * 统计假设是将可能的状况划分为二个互斥的集合，而构成二个互斥的假设。 H0：虚无假设 H1：对立假设 检定的种类 单尾检定： 右尾检定：假设群体母数可能「变大」的检定。 左尾检定：假设群体母数可能「变小」的检定。 双尾检定： 假设群体