離散數(shù)據(jù)的置信區(qū)間和假設(shè)檢驗(yàn)(已修改)
2025-05-29 21:12 本頁面
【正文】 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 第 6部分 : 離散數(shù)據(jù) 的置信區(qū)間和假設(shè)檢驗(yàn) GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 目的 : 目標(biāo) : ? 用 Pareto圖 確定少數(shù)幾個(gè)關(guān)鍵類型的缺陷。 ? 強(qiáng)調(diào)離散數(shù)據(jù) 分析圖 的使用。 ? 理解 缺陷比例 的 置信區(qū)間 的用法，并計(jì)算單樣本和雙樣本的置信區(qū)間。 ? 理解多個(gè) X變量 卡方分析 的用法（雙向表）。 ? 使用 Minitab繪圖并進(jìn)行分析。 在上一部分，我們借助圖形、置信區(qū)間和假設(shè)檢驗(yàn)對連續(xù)數(shù)據(jù)的分析進(jìn)行了討論。下面，我們將運(yùn)用圖形、置信區(qū)間和幾種比例的統(tǒng)計(jì)檢驗(yàn)方法對離散數(shù)據(jù)進(jìn)行分析。 第 6部分 :離散數(shù)據(jù)的置信區(qū)間 和假設(shè)檢驗(yàn) GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 工具 用途 1. Pareto 找出 少數(shù)關(guān)鍵 的 缺陷 類型 2. 圖形 找出變化規(guī)律以確定哪些 X影 響缺陷 3. 比例的置信區(qū)間 量化變差，以確定變化是 和假設(shè)檢驗(yàn) 否具有統(tǒng)計(jì)顯著性 四種類型： 單樣本， p接近 .5 雙樣本， p接近 .5 單樣本， p.1 雙樣本， p.1 4.??比例的卡方 (?2)檢驗(yàn) 具有多水平獨(dú)立變量的比較。 研究兩個(gè)變量間的關(guān)系。 離散數(shù)據(jù)導(dǎo)圖 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 如果工序產(chǎn)生的數(shù)據(jù)是離散的， Pareto圖表可以幫助我們將注意力集中在研究關(guān)鍵因數(shù)上。 合并那些不重要的缺陷有助于簡化圖形并使其對分析更有益處。 關(guān)閉所有打開的工作表和圖形。 打開工作表文件 路徑為 L:\Six Sigma\minitab\training\ minitab\ 打開 : Stat Quality Tools Pareto Chart 在 pareto對話框中， 有兩種數(shù)據(jù)格式選項(xiàng)： Chart Defects data in: (用于 原始 缺陷數(shù)據(jù)， 欄 C4 和 C5) Chart Defects Table: (用于 匯總 的缺陷數(shù)據(jù) 欄 C1和 C5) Minitab可生成 Pareto圖 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 53 18 18 19 21 29 32 54 75 107 128 500 400 300 200 100 0 100 80 60 40 20 0 Defect Count Percent Cum % Percent Count Exchange Help Desk Calls FW 36, FW 38, FW 39 累計(jì)缺陷 % Pareto圖形左邊顯示最大頻數(shù)的缺陷，右邊顯示較小頻數(shù)的缺陷。 Pareto圖形 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) Pareto圖形左邊顯示最大頻數(shù)的缺陷，右邊顯示較小頻數(shù)的缺陷。 圖中的曲線顯示了 累計(jì) 的缺陷百分比。 圖形應(yīng)該可以說明： ? 查找 造成 80%缺陷的缺陷類型。 在上例中， 15種缺陷類型中的 4種占總?cè)毕輸?shù)量的 66%，剩余 35%的缺陷分別由其余的 11種類型的缺陷產(chǎn)生。 ? 查找 欄高度出現(xiàn)較大差異的位置 。如果次品數(shù)量之間存在很小的差異，那么，就不能縮小您項(xiàng)目的重點(diǎn)范圍。（嘗試換一種方式考慮問題，即，考慮財(cái)務(wù)上的影響，而不是缺陷的數(shù)量。） Pareto圖形 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 15 10 5 0 Day Count 15 10 5 0 Evening Count 15 10 5 0 Night Count 15 10 5 0 Weekend Count Other Smudge Peel Scratch Finish Defects 可以使用對話設(shè)置將原始數(shù)據(jù)對幾種不同的因數(shù)進(jìn)行分析。 在圖形中保留缺陷的常規(guī)順序。 考慮累積缺陷線的高度，它表示特定因素總?cè)毕輸?shù)量。在這種情況下，缺陷大多發(fā)生在“ 夜間”。 在被分析的因素（周期）之間，查找缺陷水平的差異。 在這本例中，傍晚和周末很少產(chǎn)生劃痕。 原始數(shù)據(jù)的 Pareto圖表 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 問題 : 降低客戶培訓(xùn)服務(wù)電話的比例 (百分比 )。 處理離散的響應(yīng)變量時(shí)，您想知道的是缺陷 比例 如何隨潛在 X變量的變化而變化。 注釋 : n 是樣本容量 k 是樣本的缺陷數(shù)量 p = k/n 是 樣本 中的缺陷比例 p 總體 的缺陷比例 (未知 ) 離散數(shù)據(jù)的指引圖 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 正態(tài) 泊松 (Poisson) 近似法 近似法 1個(gè)比例 比較 2個(gè)比例 多于 2個(gè)比例 (及雙向表格 ) ? 大 n (樣本容量 ) ? p不太 接近 0或 1 ? np10和 n(1p)10 ? 大 n (樣本容量 ) ? 比例較小 (p) 下表總結(jié)了我們在本部分中所使用的方法。 (置信區(qū)間和假設(shè)檢驗(yàn) ) 離散數(shù)據(jù)分析的類型 GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) p + z* p(1p)/n z* p(1p)* (p1 p2) + 1 1 n1 n2 + ?2 (卡方 ) 精確二項(xiàng)式 檢驗(yàn) Poisson 置信區(qū)間 正態(tài) 泊松 (Poisson) 近似法 近似法 ? 大 n (樣本容量 ) ? p不接近 0或 1 ? np10 和 n(1p)10 ? 大 n (樣本容量 ) ? 比例較小 (p) 下表總結(jié)了我們將在這一部分使用的方法。 Z值得自正態(tài)分布表，取決于所要求的置信度。 離散數(shù)據(jù)分析的統(tǒng)計(jì)方法 1個(gè)比例 比較 2個(gè)比例 多于 2個(gè)比例 (及雙向表格 ) GE Appliances Copyright 1999 6.?? 修訂版 10 1999年 1月 11日 . 和假設(shè)檢驗(yàn) /離散數(shù)據(jù) 下圖顯示何時(shí)使用正態(tài)法、何時(shí)使用泊松 (Poisson)法。合理方法的選擇取決于樣本容量和缺陷比例。 注： 使用卡方檢驗(yàn)法比較兩個(gè)以上的比例，或 2個(gè) X變量。 0 n=20 50 100 150 200 250 使用 Poisson 近似法 大樣本容量 比率不是過小 或過大 [ np1
公司管理相關(guān)推薦
鄂ICP備17016276號-1