minitab实例

(2)：1-sample T（未知u）
<统计－功效和样本数量－ 1-sample t： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）：
1－β ＝0.8
P-Value < 0.05 → Ha →u1 ≠ u2（有差异）
A—假设测定：
(4)： 1 proportion t（离散－单样本）
< 统计－基本统计量－ 1 proportion t： >
背景：为确认某不良P是否为1％，检查1000样本，检出13不良， 能否说P=1%? （α = 0.05 ）
(1)：二项分布的Zst
缺陷率： 不良率是否 受样本大小 影响？
－平均（预想）PPM＝226427 －Zlt＝0.75 ＝>Zst＝Zlt＋1.5＝2.25
M--工序能力分析（离散型）：案例：bpcapa.MTW
(2)：Poisson分布的Zst
A—Graph（坐标图）：案例：Pulse.MTW
两个以上母集团的平均是否相等；
(1)： Two-way A（2因子多水平数）
背景：确认生产线（因子1）、改善（因子2）影响下， 测定值母平均是否相等，主效果和交互效果是否有意？ 生产线：P-Value < 0.05 → Ha → u不等，有差异； 改善、交互： P-Value > 0.05 → H0 → u相等，无差异；
无历史均值： －> 考虑偏移－> Zlt (Bench)
* Zshift ＝ Zlt (Bench) － Zlt (Bench) ＝12.13－1.82＝0.31
工序能力分析：案例：Camshaft.MTW 另：capability sixpack工具
M--工序能力分析（离散型）：案例：bpcapa.MTW
M--测量系统分析： 连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
－>测量值随部品的变动
所有点落在管理界限内 －>良好
－>测量值随OP的变动
大部分点落在管理界限外 －>主变动原因：部品变动 －>良好 －>对于部品10，OP有较大分歧；
M--测量系统分析： 离散型案例（名目型）：gage名目.Mtw
P-Value > 0.05 → Ho →P1 = P2
A—假设测定：
Chi-Square-1.MTW
应用一： 测定频度数的同质性：
H0: P1=P2=…=Pn Ha: 至少一个不等； 背景：确认4个不同条件下，某不良是否有差异？
(5)： Chi-Square t（离散－单样本）
P-Value > 0.05 → Ho →P1 = P2＝…（无差异）
③ 测定平均值： < 统计－基本统计量－2-sample t ： >
P-Value < 0.05 → Ha →u1 ≠ u2
A—假设测定：案例：Paired t.MTW
(3)： Paired t（两对t ： >
背景：老化实验前后样本复原时间； 10样本前后实验数据，判断老化实验前后复原时间是否有差异； （正态分布；等分散； α = 0.05 ）
(1) Histograpm（直方图）－单变量 通过形态确认： －正规分布有无； －异常点有无；
(2) Plot（散点图）－X、Y双变量 通过形态确认： －相关关系； －确认严重脱离倾向的点；
(3)Matrix Plot（行列散点图－矩阵图）－多变量
(4)Box Plot（行列散点图－矩阵图）－多变量
P1=0.8
功效值（查出力）：
1－β ＝0.9
P2=0.9
母比率0.8 实际上是否0.9以下，需要样本102个
A—假设测定－决定标本大小：
(3)：2 Proportion（单样本）
<统计－功效和样本数量－ 1 Proportion ： >
背景：H0：P1＝P2 Ha：P1 < P2 有意水平 α = 0.05 查出力 1－β = 0.9
两个以上母集团的平均是否相等；
H0: u1=u2=…=un Ha: 至少一个不等；
(1)： One-way A（一因子多水平数）
背景：确认三根弹簧弹力比较？
P-Value < 0.05 → Ha → u不等，有差异；
信赖区间都重叠 －> u无有意差； 1和2可以说无有意差，1和3有有意差；
A—ANOVA（分散分析）：
生产线：信赖区间没有都重叠 －> u有差别－>对结果有影响 改 善：信赖区间重叠 －> u无差别－>对结果没有影响
A—（相关分析）：
Scores.MTW
P-Value < 0.05 → Ha → （有相关相关）
I — DOE： (1)：2因子2水准
① 因子配置设计：
输出结果：
输入 实验 结果
② 曲线分析：
<统计－功效和样本数量－ 1-sample Z： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）：
1－β ＝0.8
标准差：sigma＝10
A—假设测定－决定标本大小：
两数据不能相差较大， 否则说明检查者一致的判定 与标准有一定差异
M--正态性测定: (测定工序能力的前提) 案例： 背景：3名测定者对10部品反复2次TEST
P-value > 0.05 －> 正态分布（P越大越好） 本例：P＝ 0.022 ，数据不服从正态分布。 原因：1、Data分层混杂； 2、群间变动大；
最大倾斜方向：A每增加1时，B增加0.42 的方向。
P的备择值：实际要测定的比例？ －－母比率；
功效值（查出力）：
1－β ＝0.9
假设P：H0的P值（0.9）
母比率0.8 实际上是否小于0.9，需要样本217个
A—假设测定：案例：Camshaft.MTW
(1)： 1-sample t（单样本）
背景：对零件尺寸测定100次，数据能否说明与目标值（600）一致 （α = 0.05 ）
P-Value > 0.05 → H0 → P=0.01
A—假设测定：
(4)： 2 proportion t（离散－单样本）
< 统计－基本统计量－ 2 proportion t： >
背景：为确认两台设备不良率是否相等， A: 检查1000样本，检出14不良， B: 检查1200样本，检出13不良， 能否说P1=P2? （α = 0.05 ）
P-Value > 0.05 → Ho（信赖区间内目标值存在） →可以说平均值为600
A—假设测定：案例：2sample-t.MTW
背景：判断两个母集团Data的平均， 统计上是否相等（有差异） 步骤①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：t－test；
(2)： 2-sample t（单样本）
① 正态性验证：
<统计－基本统计－ 正态性检验 ： >
P-Value > 0.05 → 正态分布
P-Value > 0.05 → 正态分布
② 等分散测定： < 统计－基本统计量－双方差 ： >
标准偏差的 信赖区间
对Data的Box-plot
P-Value > 0.05 → 等分散
测定方法选择： F－test：正态分布时； Levense’s test：非正态分布时；
标准差（推定值）：sigma＝10
样本数量27 >已知u的1-sample Z的样本数量 －>t 分布假定母标准偏差未制定分析；
A—假设测定－决定标本大小：
(3)：1 Proportion（单样本）
<统计－功效和样本数量－ 1 Proportion ： >
背景：H0：P＝ 0.9 Ha：P < 0.9 测定数据P1＝0.8 、 P2＝0.9 有意水平 α = 0.05 查出力 1－β = 0.9
背景：3名测定者对30部品反复2次TEST
检查者1需要再教育； 检查者3需要追加训练； (反复性)
个人与标准的一致性 （再现性？）
两数据不能相差较大， 否则说明检查者一致的 判定与标准有一定差异
M--测量系统分析： 离散型案例（顺序型）：散文.Mtw 背景：3名测定者对30部品反复2次TEST
张四 需要再教育； 张一、张五需要追加训练； (反复性)
无交互效果 －> 平行； 有交互效果 －> 交叉；
(5)Multi-vari Chart（多变因图）Sinter.MTW
目的：掌握多X因子变化对Y的影响（交互作用细节）； <统计－方差分析－双因子：>
材料、交互的P < 0.05 －>有意；
A—假设测定－决定标本大小： (1)：1-sample Z（已知u）
背景： 反应值 : 收率(Yield) 时间＝35min，温度＝155时，Y＝80％ －> 因 子 : 时间(30 , 40) 温度(150,160) 确认哪个因子影响收率，利用中心点包括的22配置法
一次试验－－ (1) 因子配置设计：
在中心点实验的次数！
一次试验－－ (2)统计性分析：
实施对因子效果的 t-test， 判断有意的因子。 －A, B 有意；
① 因子配置设计：
背景： - 反应值 : 收率(Yield) - 因 子 : 流入量(10, 15), 触媒(1, 2), 旋转数(100，120), 温度(140, 180), 浓度( 3, 6)