六西格玛管理的改进阶段.pptxVIP

改进阶段;第五章：主要内容;5.1 改进阶段基本任务是什么;5.1 改进阶段基本任务是什么;5.1 改进阶段基本任务是什么;5.1 改进阶段基本任务是什么;5.1.4 改进阶段注意要点 要为解决存在的潜在问题提供一系列的可行方案、措施，并进行提炼、优化； 要寻找真正的具有创新性的改进方案，并使之具有可操作性； 要事先做好细致的规划，力争做到事半功倍； 要对改进方案进行评估和验证，实施评估和验证可以证实改进方案的效果，并使大家对改进团队充满信心；(可以先做小量驗證) 要对改进过程中可能会遇到的困难和阻力提出防范措施； 要做好信息交流沟通，当成果有效并获得成功时，别忘了让团队成员分享快乐！;5.2揭示y与x间的内在规律; 在线性回归中通常假定随机变量y的观察值是由两部分组成，一部分是随x线性变化的部分，用 表示，另一部分是随机误差，用?表示，那么就有y的结构式： 一般还假定 ，我们的任务是通过独立收集的n组数据 去估计参数 ，记为 则得y关于x的一元线性回归方程： ;为估计回归系数 ，常采用最小二乘法。其思路是：若y与x之间有线性相关关系，就可以用一条之间来描述它们之间的相关关系。由y与x的散点图，可以画出直线的方法很多。那么我们希望找出一条能够最好地描述y与x（代表所有点）之间的直线。这里“最好”是找一条直线使得这些点到该直线的纵向距离的平方和最小。 可以通过求导函数的方法求得 与 的最小二乘估计，其表达式为： ;5.2.1 一元线性回归;以上得到的回归方程是： 若要系数更精确些，可以利用下面的结果写出： 这就是我们求得的二者关系的回归方程。该方程对应的回归直线，一定经过 与 两点。;5.2.2 回归方程显著性检验;5.2.2 回归方程显著性检验; 造成这种波动的原因有两个方面： 一是当变量y与x线性相关时，x的变化会引起y的变化； 另一个原因是除了自变量x的线性函数以外的一切因子，统统归结为随机误差。我们可以用回归平方和SR与残差平方和SE分别表示由这两个原因引起的数据波动，其中： （即自变量的个数） 可以证明有平方和分解式：; 计算F比： 对给定的显著性水平?，当 时，认为回归方程是有意义的。 ;上述叙述可以列成方差分析表 方差分析表 在MINITAB计算结果的后面部分给出了方差分析表，F=182.55，对应P值0.000，若取显著性水平0.05，那么由于P值小于0.05，所以方程是有意义的。 ;5.2.3 利用回归方程做预测; 就称为y0的概率为1-?的预测区间（PI）。其中 已求得，它的表达式为： 其中 。 是自由度为n-2的t的分布的1-?/2分位数，可查附表给出。由 的表达式可以看出预测区间的长度2 与样本量n，x的偏差平方和Lxx，x0到xbar 的距离 有关。n越大， Lxx越大， 越小时，那么 就越小，此时预测的精度就高。x0愈远离 ，预测精度就愈差。当 时，预测精度可能变得很差，在这种情况作预测（也称外推），需要特别小心。;当n较大时（如n30），t分布可以用标准正态分布近似进一步。若x0与 相差不大时， 可以近似取为： 其中 是标准正态分布的1-?/2分位数。;我们也可以在MINITAB中获得这一预测值，在x0=0.16时的预测值如下： Predicted Values for New Observations New Obs Fit SE Fit 95.0% CI 95.0% PI 1 49.426 0.381