六西格码使用工具培训PPT课件教材讲义.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * 2. 在出现的对话框选择下图所示信息： 分析阶段 ---相关和回归分析---一元线性回归分析示例 3.Minitab输出分析结果如下图： 2 2 分析阶段 ---相关和回归分析---一元线性回归分析示例 6. 从Minitab输出结果我们可得出如下结论： 6.1 可求出回归方程 6.2 回归方程的显著项，在本例中，常数项和系数项均为显著项 6.3 测定系数R ,詷整测定系数Radj表示回归方程可解释的变差占总变差的百分比 6.4 回归方程的方差分析结果，本例的分析结果中，Fcal = 128.86 Fcritical = 4.414，并且P 0.05，因此以95%的置信度认为回归方程拟合良好。 6.5 可得到氧气的纯度预测值，预测区间和置信区间。 2 2 分析阶段 ---相关和回归分析---一元线性回归分析示例 四 . 建立回归模型 1.在 Minitab下拉式菜单选：Stat Regression Fitted line Plot...，如下图所示： 分析阶段 ---相关和回归分析---一元线性回归分析示例 2. 在出现的对话框选择下图所示信息： 分析阶段 ---相关和回归分析---一元线性回归分析示例 3. 测定系数R ,詷整测定系数Radj表示回归方程可解释的变差占总变差的百分比 分析阶段 ---相关和回归分析---一元线性回归分析示例 2 2 表示显示回归值的置信区间和预测区间 4.Minitab输出结果如下： 分析阶段 ---相关和回归分析---一元线性回归分析示例 5. 图形分析如下： 5.1。 图形可输出回归方程，测定系数R ,詷整测定系数Radj和残差标准差。 5.2。最中间的一条直线表示回归方程的拟合值。 5.3。紧靠直线的两条红色虚线代表拟合值均值在 95%的置信度下的置信区间。 5.4。最靠外的两条绿色点画线代表拟合值在 95%的置信度下的预测区间。 分析阶段 ---相关和回归分析---一元线性回归分析示例 2 2 五。一元回归的几种模式： 我们可用Minitab对一元回归方程进行检验以确定哪种模式是最适合的回归模式。 分析阶段 ---相关和回归分析---一元线性回归分析示例 线性模式 二次非线性模式 三次非线性模式 注：主要是通过比较三种模式的R， R(adj)和S, R， R(adj)值最大且S最小的模式，它就是较适合的模式。 2 2 2 2 一。非线性相关关系的判定 以下几种方法可判断x和y之间是否存在非线性关系，在实际应用时，可结合几种方法，得出一个综合的结论。 1.1 观察散布图： 分析阶段 ---相关和回归分析---一元非线性回归分析 1.2。确认r值： r值代表x和y之间线性相关的程度，如果r 0.95，则x和y的线性相关关系十分明显，用线性方程来拟合一般不成问题。如果r值很小，观察散布图以发现x和y之间 存在明显的关系，可用一条线来拟合，这时可以判定x和y之间存在非线性相关关系。 1.3。观察回归分析的残差图形： 残差图可以使我们获得重要的信息。在正常情况下，残差平均值应为 0；残差应呈正态分布，且应随机分布，即不应存在特殊的形状。因此，通过观察残差的分布形状可以判断所用的回归模型是否适用。 A。回归模型适用时的残差分布图和残差拟合值图 分析阶段 ---相关和回归分析---一元非线性回归分析 B。回归模型不适用时的残差分布图和残差拟合值图 观察上面的图形，可发现模型适用时，残差与拟合值图上的点均匀分布在残差为 0的直线周围，见图a；残差分布形状为正态分布，见图b。当模型不适用时，残差和拟合值图上的点呈倒拋物线形，见图c；残差分布形状为双峰形(见图d)或其他特别的形状。 我们可通过下面的两种方法去验证： 1。通过Minitab的 “Fitted Line Plot”来检验。 2。通过Minitab的 “Lack of fit test” ，即拟合良好性测试来判断。 分析阶段 ---相关和回归分析---一元非线性回归分析 二。一元非线性回归模型 根据x和y之间不同的非线性关系，回归模型可分为二次回归模型和三次回归模型。当然也有更高次的回归模型，但实际应用时须本着愈简单愈适用的原则，尽量不要超过三次模型。二次回归模型和三次回归模型中， x和y之间关系 分析阶段 ---相关和回归分析---一元非线性回归分析 * * * * * * * * * * * * * * * * * * * Six Sigma使用工具培训讲义 回顾： 定义/测量阶段 6sigma管理法 6西格玛DMAIC策略的概括图 回顾： 定义/测量阶段 相关和回归分析在 6 sigma中各阶段的作用 分析阶段