六西格瑪管理之方差分析(編輯修改稿)
2025-01-26 16:55 本頁面
【文章內容簡介】 實際顯著性? 此數值告訴我們有多少總變異可被 x 所解釋Epsilon2 =Analysis of variance for CycleTimSource DF SS MS F PWeek 3 Error 96 Total 96 SS for XSS Total = = %特定的顧客是否為一重要的 X ？統(tǒng)計上？實際上？Minitab 標記為 Error 的 SS 是什么？Oneway ANOVA : Cycle times versus FactorAnalysis of variance for AllcustSource DF SS MS F PWhichcus 2 Error 87 Total 89 統(tǒng)計性假設? 在指定的 Factor 中，輸出變量的母體變異在所有的 Levels 上是相同的（ Homogeneity of Variance) 我們以 Homogeneity of Variance程序，來檢驗此假設? 輸出的平均值相互獨立且正態(tài)分布 若使用隨機抽樣及適當的樣本大小，此假設通常是成立的 注意：在化學流程中，輸出變量通常不相互獨立，因此隨機抽樣需經常被考慮? Residuals （數學模型的誤差）為相互獨立且正態(tài)分布 （ Mean = 0 ， Variance = 常量）方差分析Analysis of variance for CycleTimSource DF SS MS F PProduct 3 Error 34 Total 37 信息量自由度： f人 人的行為數據C1C2C3n11， n12 …n 19 n21， n22 …n 29 n31， n32 …n 39 n=93=27fT=n1=271=26fA=c1=31=2fe= fT fA =262=24fT = fA+ fe =2+24=26ffAfefT產品信息自由度產品誤差自由度變異來源 信息量自由度說明樣品差異大變異量化對每一個變異來源方差估計此統(tǒng)計值用以決定重要因子Type I Error(pvalue)方差分析表與圖形Oneway Analysis of VarianceCentering : MeansMinitab Stat Oneway注意 ，現在的 Ha為：至少有一平均值是不同的Tukey’s檢驗協助我們分析哪一平均值與其他不相同Tukey’s pairwise parisons Family error rate = Individual error rate = Critical value = Intervals for (column level mean) (row level mean) 1 223Tukey’s 檢驗顯示對任兩平均值實際差異的置信區(qū)間例如， Customer 1 與 Customer 1間的實際差異介于 至 –。換句話說，實際的差異極有可能非常接近 0。 Customer 1 與 Customer 1或 Customer 1 的差異非常大，因為我們知道更顯著 Centering : MeansMinitab Stat Oneway Comparisons以上的各種選項你該使用那一種？建議使用 Fisher’s 因為它較寬松換句話說，您較容易發(fā)現兩平均值間有差異（更具統(tǒng)計能力），但您也會有較高的 “false positive” 風險（當真實差異不存在時，您卻傾向于認為有差異）Fisher’s pairwise parisons Family error rate = Individual error rate = Critical value = Intervals for (column level mean) (row level mean)Fisher’sA B CB – –C – – – D – 此矩陣顯示平均值間的比較在一格中的兩個數字，為平均值差異的 95%置信區(qū)間若此二數均為正值或負值，則平均值間存有差異以小組形式來總結并報告分析結果Main Effects Plot (主效應圖 )Minitab Stat Main Effects PlotANOVA表示平均值Interactions Plots (區(qū)間圖 )Minitab Grapth Interactions Polt顯示平均值標準差Interactions Plot (區(qū)間圖 )Minitab Grapth Interactions Polt顯示平均值置信區(qū)間Interactions Plot 分析兩種 plots 有何不同之處?其他檢驗法? 別忘了仍有其他的檢驗法可運用，當： 資料為非正態(tài)分布 方差不相等? 中位數（ Medians）檢驗 Mood’s Medians 檢驗 檢驗不同分布的中位數是否相等 Kruskal –Wallis Medians 檢驗 假設每一個被分析的分布有相同的形狀 對很多分布而言 ,此方法比 Kruskal –Wallis 的檢驗能力低 與 Mood’s 中位數檢驗一樣的基本假設 對更多的分布而言更
黨政相關相關推薦
鄂ICP備17016276號-1