【正文】 果 , 柱狀圖通過 %Ramp。R, P/T的基準(zhǔn)來表示各個(gè)精密度 ,反復(fù)性 ,再現(xiàn)性 . ? 精密度 , 反復(fù)性 , 再現(xiàn)性 的柱子高度越低越好 . Graph 窗口 (2) R Chart by 測量者 每點(diǎn)表示某一個(gè)測量者對(duì)同一個(gè)產(chǎn)品反復(fù)測定幾次時(shí) , 其中的最大值與最小值的差值 (稱為極差 ), 用 R值表示 . 所有點(diǎn)應(yīng)該處于管理上下限以內(nèi) . 對(duì)測量者別進(jìn)行評(píng)價(jià)的時(shí)候 , R值越小表示某個(gè)測量者 反復(fù)測量的越精密 . 本例中的白班長所測量的三次 R值相比其他人要小 , 因此可說明白班長較其他人測量要精密些 . Xbar Chart by 測量者 每個(gè)點(diǎn)表示某個(gè)測定者對(duì)同一產(chǎn)品的反復(fù)測量幾次時(shí) , 幾個(gè)測量值的平均值 . 管理上下限的幅度表示測量散布的大小 . 希望所有的點(diǎn)都在管理上下限以外 ,并且呈現(xiàn)出有規(guī)律的 形態(tài) . 即 , 希望產(chǎn)品間的散布比測量的散布要大 . Graph 窗口 (3) By 樣本編號(hào) 表示各樣本所有測量值的平均及其散布的程度 . 對(duì)于每個(gè)樣本來說 ,我們希望反復(fù)幾次測量的所有值 其散布的程度越小 . By 測量者 表示各測量者所有測量值的平均及其散布的程度 . 理論上對(duì)于各個(gè)測量者所有的測量值的平均值應(yīng)相等 . By 測量者 *樣本編號(hào) Interaction 表示按照樣本別各測量者之間的測量值 . 理論上各條線應(yīng)該平行或重合 , 假設(shè)線之間有交叉 , 我們可以認(rèn)為測量者與樣本之間有交互作用 . Graph 窗口 (4) 355. MultiVari 分析 Multivari (例 ) Order Day Zip Model Assembler 1 Day 1 Alpha Mike 1 2 Day 1 Alpha Mike 2 3 Day 1 Beta Helen 8 4 Day 1 Beta Helen 9 5 Day 1 Beta Helen 10 6 Day 1 Delta Mike 3 7 Day 2 Delta Mike 4 8 Day 2 Gamma Helen 12 9 Day 2 Gamma Helen 13 10 Day 2 Gamma Mike 5 11 Day 2 Alpha Mike 6 12 Day 2 Gamma Helen 16 13 Day 2 Gamma Helen 17 14 Day 2 Beta Helen 14 Minutes Worksheet STAT MENU Time Series Plot 分析 1. 利用 Minitab制作 Time Series Plot Graph→Time Series Plot 路徑 STAT MENU 點(diǎn)擊 OK Worksheet Dialog 窗口 STAT MENU ■ 分析結(jié)果 : 組裝時(shí)間隨著時(shí)間的推移有逐漸增加的趨勢且有一定的周期 (cycle). Graph 窗口 STAT MENU Box Plot 分析 Graph→Box plot Worksheet Open: 路徑 STAT MENU 點(diǎn)擊 OK Worksheet Dialog 窗口 STAT MENU ■ 日期和組裝時(shí)間 ■ 分析結(jié)果 : 可以知道日期別不同組裝時(shí)間有差異 . Graph窗口 STAT MENU ■ ZIP MODEL和組裝時(shí)間 ■ 分析結(jié)果 : ZIP MODEL不同組裝時(shí)間有差異 ,特別是 G MODEL的散布較大 Graph窗口 STAT MENU ■ 分析結(jié)果 : 各個(gè)組裝者的組裝時(shí)間有差異 ■ 組裝者和組裝時(shí)間 STAT MENU Main Effect Plot (主效果分析 ) Stat→ANOVA→Main Effect Plot 路徑 STAT MENU 點(diǎn)擊 OK Worksheet Dialog窗口 STAT MENU ■ 分析結(jié)果 : 日期 ,Zip Model,組裝者之間的組裝時(shí)間的差異較大 ,為了進(jìn)一步分析 , 對(duì)日期 ,組裝者進(jìn)行 ttest, 對(duì) Zip Model實(shí)施 ANOVA 分析 Graph窗口 STAT MENU 356. ChiSquare 檢驗(yàn) ChiSquare test X (原因變數(shù) ) Y (結(jié)果變數(shù) ) 記數(shù)值 計(jì)量值 記數(shù)值 計(jì)量值 ChiSquare test Logistic Regression ttest OneWay ANOVA 回歸分析 相關(guān)分析 STAT MENU 獨(dú)立性檢驗(yàn) Stat ? Tables ? ChiSquare Test S公司的職位分布參考右表 , 想知道部門別人力的職位比率是 否相同 . 例題 [1] Worksheet 路徑 STAT MENU Dialog ? ② 點(diǎn)擊 OK ① 變數(shù)指定 Dialog窗口 STAT MENU 分析結(jié)果 Pvalue值 ? PValue ≥ 的時(shí)候 → 各變數(shù)相互獨(dú)立 . ? PValue＜ ? ?? → 各變數(shù)相互從屬 . 上例中的 PValue=, 比 , 職位比率和部門沒有相關(guān) ,是獨(dú)立性變數(shù) . 即 ,可以推定部門別人力比率相同 . Session窗口 STAT MENU 357. TTest ttest 1Sample Z 2Sample t 1Sample t Paired t ttest的選擇 1Sample Z ? 在當(dāng)我們想評(píng)價(jià)樣本 Data的平均和母集團(tuán) (全體集團(tuán) )的平均是否相同的時(shí)候 ... 且當(dāng)母集團(tuán)的平均和標(biāo)準(zhǔn)偏差已知的時(shí)候適用 . → 為了觀察從 D電子購買的部品的平均重量 ,隨機(jī)抽取 10個(gè)樣本并對(duì)其重量進(jìn)行測量 . 我們希望部品的重量為 40g, 到目前為止生產(chǎn)的部品的母標(biāo)準(zhǔn)偏差為 3g. 1Sample t ? 在當(dāng)我們想評(píng)價(jià)樣本 Data的平均和母集團(tuán) (全體集團(tuán) )的平均是否相同的時(shí)候 ... 且當(dāng)母集團(tuán)的平均已知而標(biāo)準(zhǔn)偏差未知的時(shí)候適用 . → 為了觀察從 D電子購買的部品的平均重量 ,隨機(jī)抽取 10個(gè)樣本并對(duì)其重量進(jìn)行測量 . 我們希望部品的重量為 40g, 而部品的母標(biāo)準(zhǔn)偏差未知 . 2Sample t ? 在當(dāng)我們想評(píng)價(jià)從兩個(gè)相互不同的集團(tuán)中取出的樣本 Data的平均是否相同的時(shí)候適用 ... → 為了評(píng)價(jià)從 D公司和 E公司購買的部品的平均重量是相同還是不同 ,從各公司購買的部品中 各隨機(jī)抽取 10個(gè)并測量其重量 . Paired t ? 在當(dāng)我們想評(píng)價(jià)兩個(gè)互相成對(duì)的樣本 Data的平均是否的時(shí)候適用 ... → 為了評(píng)價(jià)從 D公司購買的部品的左側(cè)厚度和右側(cè)厚度的平均是相同還是不同 ,隨機(jī)抽取 10個(gè)并測量其左側(cè)和右側(cè)厚度 . 2Sample t 為了評(píng)價(jià)從 D公司和 E公司購買的部品的平均重量是否相同 , 從各公司購買的部品中各隨機(jī)抽取 10個(gè)并 測量其重量 . ? ? Stacked Data D公司部品的重量 E公司部品的重量 Worksheet STAT MENU Stat ? Basic Statistics ? 2Sample t 路徑 STAT MENU ③ 點(diǎn)擊 Assume equal variances Stacked Data ① 變數(shù)指定 (選擇測量的 Data列 ) ⑤ 點(diǎn)擊 Boxplots of data ⑥ 點(diǎn)擊 OK ⑦ 點(diǎn)擊 OK ④ 點(diǎn)擊 Graphs ② 變數(shù)指定 (選擇條件輸入的列 ) Dialog窗口 STAT MENU 分析結(jié)果 樣本數(shù) 算術(shù)平均 標(biāo)準(zhǔn)偏差 % CI : 兩個(gè)集團(tuán)平均差異的 95%信賴區(qū)間 上例中兩個(gè)集團(tuán)平均差異的 95% 信賴區(qū)間 ( , ) , 0在這個(gè) 95% 信賴區(qū)間以內(nèi) . 即 ,( D公司部品平均重量 – E公司部品平均重量 = 0 )可以成立 . 從這兩個(gè)集團(tuán)中分別收集的 Data的平均可以相等的意思 . 所以 , 從 D公司購買的部品的平均重量和 E公司購買的部品的平均重量可以相等 . PValue ? PValue ≥ 的時(shí)候 → 可以推斷出兩個(gè)集團(tuán)的 Data 平均相同 . ? PValue ＜ 的時(shí)候 → 可以推斷出兩個(gè)集團(tuán)的 Data 平均不相同 . 上例中的 PValue=, 比 ,可說明 從 D公司購買的部品的平均重量和從 E公司 購買的部品的平均重量相同 . 兩個(gè)集團(tuán)平均的差異 Session窗口 STAT MENU 中央值 ( Median ) 算術(shù)平均 Graph 窗口 STAT MENU 358. ANOVA(分散分析 ) Oneway ANOVA(一元分散分析 ) 1 平均差檢驗(yàn) 散布差檢驗(yàn) 平均差檢驗(yàn)使用的 Tool 2Sample t ( 兩個(gè)集團(tuán)或條件時(shí) ) ? 在當(dāng)我們想評(píng)價(jià)從兩個(gè)互相不同的集團(tuán)中抽取的樣本 Data的平均是否相同的時(shí)候適用 ... → 為了評(píng)價(jià)從 D公司購買的部品平均重量和從 E公司購買的部品平均重量是否相同 ,從各個(gè)公司 購買的產(chǎn)品中各隨機(jī)抽取 10個(gè)并測量其重量 . Oneway ANOVA ( 三個(gè)以上集團(tuán)或條件時(shí) ) ? 在當(dāng)我們想評(píng)價(jià)從互相不同的三個(gè)以上集團(tuán)中抽取的樣本 Data的平均是相同還是不同的時(shí)候適用 ... → 在 E工程生產(chǎn)的部品其 Hole Size是最重要的品質(zhì) . 而 E工程生產(chǎn)該部品起用了 3臺(tái)設(shè)備 , 為了評(píng)價(jià)設(shè)備別生產(chǎn)的部品 Hole Size的平均是否相同 ,按照設(shè)備別生產(chǎn)的部品各隨機(jī)抽樣 5個(gè) , 并測量其 Hole Size. STAT MENU 平均差檢驗(yàn) 在 E工程生產(chǎn)的部品其 Hole Size是最重要的品質(zhì) . 而 E工程生產(chǎn)該部品起用了 3臺(tái) 設(shè)備 ,為了評(píng)價(jià)設(shè)備別生產(chǎn)的部品 Hole Size的平均是否相同 ,按照設(shè)備別生產(chǎn)的 部品各隨機(jī)抽樣 5個(gè) ,并測量其 Hole Size. 假設(shè) Hole Size的目標(biāo)值是 . 例題 Unstacked Data Stacked Data 1號(hào)設(shè)備部品的 Hole Size 2號(hào)設(shè)備部品的 Hole Size 3號(hào)設(shè)備部品的 Hole Size Worksheet STAT MENU Stat ? ANOVA ? Oneway Stacked Data 路徑 STAT MENU Dialog ? Stacked Data ① 變數(shù)指定 (選擇測量的 Data列 ) ⑥ OK ③ 點(diǎn)擊 Graphs ② 變數(shù)指定 (選擇條件輸入的列 ) ④ 點(diǎn)擊 Boxplots of data ⑤ OK Dialog 窗口 分析結(jié)果 樣本數(shù) 算術(shù)平均 標(biāo)準(zhǔn)偏差 設(shè)備的評(píng)價(jià) 上例中的 PValue=,比 ,可說明三個(gè)設(shè)備中中至少有一個(gè)設(shè)備生產(chǎn)的產(chǎn)品的 Hole Size 平均與其它不同 . Hole Size的目標(biāo)值為 , 平均的信賴區(qū)間中包含 ,可推斷出其中的 1號(hào)設(shè)備和 2號(hào)設(shè)備是較好的設(shè)備 , 而 3號(hào)設(shè)備不好 . 如果 , PValue比 ,不能確定設(shè)備別生產(chǎn)的產(chǎn)品的 Hole Size的平均有不同，從而評(píng)價(jià)三個(gè)設(shè)備這也是沒有 太大的意義 . 條件別平均的 95% 信賴區(qū)間 P : PValue ? PValue ≥ 的時(shí)候 → 可推斷出各集團(tuán)間 Data 平均相同 . ? PValue ＜ 的時(shí)候 → 可得知至少有一個(gè)集團(tuán) Data 平均與其它不