SPC统计剖析方法介绍.ppt

6，合格率的假设检验 例 2 (Proportion comparison between two groups) 假设检验 6，合格率的假设检验 例 2 (Proportion comparison between two groups) Test and CI for Two Proportions Sample X N Sample p 1 1483 1500 0.988667 2 1275 1300 0.980769 Estimate for p(1) - p(2): 095% CI for p(1) - p(2): (-0 0.0170860) Test for p(1) - p(2) = 0 (vs not = 0): Z = 1.68 P-Value = 0.092 P0.05, 判断结果合格率相等。 假设检验 7，离散性数据相关性检验 例 ---缺陷严重度（数量）与加工速度关系 MINITAB: stat?tables?chi-square test… P0.05时，两个变量间有强的相关性。 缺陷 速度 轻微 一般 严重 快 30 14 8 一般 40 29 12 慢 26 15 7 假设检验 7，离散性数据相关性检验 Chi-Square Test: C1, C2, C3 Expected counts are printed below observed counts C1 C2 C3 Total 1 30 14 8 52 27.58 16.66 7.76 2 40 29 12 81 42.96 25.96 12.08 3 26 15 7 48 25.46 15.38 7.16 Total 96 58 27 181 Chi-Sq = 0.212 + 0.426 + 0.008 +0.204 + 0.357 + 0.001 + 0.012 + 0.009 + 0.004 = 1.232 DF = 4, P-Value = 0.873 Chi-square Test 检验结果 P0.05, 缺陷严重度与速度没有相关关系。 假设检验 8, 势 (power), 样本大小，差异计算 假设检验 假设检验判别力---当检验对象与原假设不同时，检验方法进行正确判别的能力，又称功效(power) , 计算为 1-β 。 例：对两个不同的总体，其样本平均值的分布 N(μ,σ2/n) N(μ’,σ2/n) 拒绝域 (α风险) 接受域 (β风险) t 8, 势 (power), 样本大小，差异计算 与假设检验判别力（功效）相关的因素： 样本大小 可接受的差异 假设检验判别力, 样本大小, 检出差异相互关系及计算 三者中任何两个可确定另外一个 样本多，允许差异大时，判别力高 例 假设检验 8, 势 (power), 样本大小，差异计算 计算对应检验的功效 MINITAB 应用 假设检验 8, 势 (power), 样本大小，差异计算 MINITAB 应用(Two sample t-test) 1, 先确定标准差 2, sample size, power, difference,可以根据其中任意二个确定另外一个。 假设检验 8, 势 (power), 样本大小，差异计算 Power and Sample Size 2-Sample t Test Testing mean 1 = mean 2 (versus not =) Calculating power for mean 1 = mean 2 + difference Alpha = 0.05 Sigma = 1 Sample Difference Size Power 0.5 30 0.4779 MINITAB 应用(Power value in two sample t-test) 假设检验 8, 势 (power), 样本大小，差异计算 MINITAB 应用(Sample size in two sample t-test) Power and Sample Size