方差剖析的类型与计算方法.ppt

第7部分: 方差分析 (ANOVA) ;第7部分: 方差分析 (ANOVA);什么是方差分析？;组间变差 (信号）? ;是否记得第一阶段关于偏移与漂移的讨论?;在分析阶段，您已经学习了怎样使用“t检验”方法来比较两个样本平均值的差异。(是否记得“ 双样本” t-检验?) 例:保险成本项目 您怎样比较不同地区保险成本的平均值？五个地区的成本有差异吗?;我们需要进行10次独立的比较以检验每对平均值。(AB, AC, AD, AE, BC, BD, BE, CD, CE, DE) 即使所有平均成本都相同，仍有5%的机率来否定H0，并推断其中的一对平均值不相??。如果此检验步骤重复10次，错误地得出至少有一对平均值有差异结论的风险就会很高(比5%高得多)。;因素 - 自变量 (X) 水平或设置 - 因素的离散值或因素的设置 平衡数据 - 各因素不同水平的每一个组合都具有相等数量的样本或观测值。上例即为平衡数据，因为对于X的每个水平，都有两个观测值(响应变量Y值)。 非平衡数据 - 各因素不同水平的每一个组合并非都具有相等数量的样本或观测值。 ;方差分析的类型;使用方差分析的三种假设;假设 (续);假设 (续);实际问题:;数据组如下：;散点图“ 图形胜过千言万语”;采用ANOVA证明统计显著性;x;g = 组数 (水平) n = 组中的样本数;如果总体平均值间没有差异，则计算得的F-比率应约为1.0 最后，将算出的F-比率与F表中列出的F值相比较。表中的F建立在样本容量和α风险之上(通常α=0.05)。如果F算出的>=F表中的, ，总体平均值间的差异具有统计显著性(您可以有95%的置信度相信差异不是偶然产生)。如果F算出的<F表中的,， 则您不会有95%的置信度认为总体平均值是不同的(它们可能在数值上不同, 但属同一整体的一部分---数字上的差异只是随机因素的结果)。 ;Minitab的ANOVA菜单选项;让我们用Minitab以粘合剂为例运行ANOVA;残差是因素某一水平的均值与观测值间的差异。针对此粘合剂实例，前7个残差的计算如下：;ANOVA会话窗口;采用Minitab的多因素ANOVA分析;首先 - 我们将数据制图;图形向我们显示什么信息？;查察数据的另一种方式…… 采用框图!;我们进行分析;残差图;ANOVA表的说明;额外的ANOVA表信息;下一步, 我们将分析残差。 我们分析残差是为了更多地了解工序, 并检验数学模型的“好坏”. 残差的一些特点: 残差的平均值将为0.0 残差应呈正态分布 残差应为随机分布 - 看不出模式或趋势 几种模式举例: 曲线 随时间而呈一定的趋势 不等变差 一个或两个极值 如果残差没有满足上述要求， 我们需要查寻原因。可能原因如下: 不准确的数据记录, 未包含所有重要‘Xs’ , 数据不呈正态分布。 使用图表来分析变化趋势。;残差直方图;残差与拟合值图;残差与变量对比图;在此例中，我们基于用于基准分析的数据(被动数据)，用ANOVA 来筛选潜在的关键几个“ X” 。 这并不能证明这些“ Xs” 就是关键的! DOE( 设计的试验)就是用来证明“Xs” 是否真的关键。 ;如果没有平衡数据该怎么办?;以下是数集。 注意缺失的数据：;我们先观察图形 . . . 是否得出任何结论?;GLM分析...;在会话窗口中进行ANOVA分析;分析残差;课堂练习: 1) 打开下列工作表： L:6sigma\Minitab\training\Minitab\session 2\claims.mtw 2) 确定5个地区运作保险成本是否不同。 a) 首先“ 堆叠” 数据。将下标放于另一栏内。 b) 将数据制图 (散点图和框图) c) 运行ANOVA - 创建图形： 残差直方图 残差与拟合值图 当您看见“ 残差直方图” 时，注意它向右倾斜（右尾更长)。这意味着不符合ANOVA的正态假设。我们运行Box-Cox转换, 发现对数是一个适当的转换. 用成本的对数来再次运行此分析过程。 ; d) 在Minitab中创建一个新栏，即成本的对数(基 数10)。(Calc>Calculator并如图填写对话框) e) 将成本的对数作为“ Y” , 再次运行ANOVA 注意残差直方图不再向右倾斜。现在我们有了一个有效的ANOVA分析。;它检验什么? 两个以上变量的平均值或平均水平进行比较。 什么类型的数据 ? 类别或水平“ X” 数据(离散)，及连续的“ Y” 响应变量值。Minitab能分析多达9个因素和50个响应变量值。 假设是什么？ Ho :