六西格玛之分析阶段S849相关回归p50.pptx

相关／回归( Correlation Regression );Define;目的;X和Y数据类型研究;分析路线图(单一 X ：单一 Y);相关（Correlation）：是什么？;这两张图有何不同？;“+” 相关的强度与趋向;“-” 负相关的强度与趋向;相关系数(r) 的确认;打开文件 Correlation.MPJ 中的工作表 Correlation Example 依据产品特性，确定 Customer 与 Supplier 之间的相关性 ;既然我们使用统计检验方法，则 “假设” 需被检验！ Ho: 没有相关存在 Ha: 有相关存在 若p值大于 0.05，即接受 Ho ，亦即 X 与Y 之间没有相关存在； 若p值小于0.05，则 Ho 被拒绝且 Ha 将被接受，亦即有相关存在;结果: Correlation Example 相关: Supplier, Customer Supplier 和 Customer 的 Pearson 相关系数 = 0.834 P值 = 0.000;r 应该多大?; r 应该多大？;在1930 – 1936 年间，曾有人跟踪德国城镇 Oldenburg 的人口与鹳鸟数量之间的关系 结果如下(人口以千为单位);;回归的定义/术语 ;回归;分析路线图;拟合直线图;提供视觉化图表和方程式;Minitab ：输出结果;一些基础知识回顾;使用回归方程：內推法与外推法;此拟合直线从何而来？;拟合直线图：预测带 ;置信区间 Confidence Interval: 代表基于系数 b0 及 b1 的置信区间 预测区间 Prediction Interval: 给定X，在单一测试中Y有95% 的可能性会落在预测带内 ;R2 ：其意义是什么？;R2 ：值大小应为多少 ?;还记得 ANOVA 及我们对 X 显著性的看法吗？;对CycleTim的方差分析 来源 自由度 SS MS F P Week 3 1032.48 344.16 299.38 0.000 Error 96 110.36 1.15 Total 99 1142.84;ANOVA 与回归有什么关系？;;Speed Distance RESI1 FITS1 336 325 -17.8392 342.839;Speed Distance RESI1 FITS1 336 325 -17.8392 342.839 418 375 -6.8948 381.895 355 367 15.1113 351.889 445 385 -9.7546 394.755 365 375 18.3484 356.652 455 395 -4.5175 399.517 395 395 24.0598 370.940 405 365 -10.7031 375.703 346 355 7.3979 347.60 . . . . . . . . . . . .;残差与拟合值;数据应该通过“Fat Pencil Test” (粗铅笔检测);数据应该受控, 探讨异常点;为什么进行残差分析?;是否总是线性关系?;你可利用二次或三次方程，得到较合适的拟合线 中学代数 y = 3 + 4x + 2x2 在讨论温度或压力数据值时，常看到此关系;多项式回归分析:wet_pu 与 ol_ph 回归方程为 wet_pu = - 11.42 + 8.405 ol_ph - 1.113 ol_ph**2 S = 0.0911530 R-Sq = 79.5% R-Sq（调整） = 78.7% 方差分析 来源 自由度 SS MS F P 回归 2 1.54843 0.774213 93.18 0.000 误差 48 0.39883 0.008309 合计 50 1.94725 方差的序贯分析 来源 自由度 SS F P 线性 1 0.53021 18.33 0.000 二次 1 1.01822 122.55 0.000;;;陈述因果关系应该小心;研究指出，医院规模增加，病人死亡率亦显著提升。这么说来，我们应该避免去大型医院就诊吗？;回归问题探讨:研究范围过于狭窄;车辆价格;给BB的提示;回顾;9、春去春又回，新桃换旧符。在那桃花盛开的地方，在这醉人芬芳的季节，愿你生活像春天一样阳光，心情像桃花一样美丽，日