【正文】 這將視期望目標及后果而定 在大多數(shù)情況下我們采用 α= α風險因子 ? α因子被用來指出，若我們錯誤地拒絕 Null Hypothesis （ Type 1 Error） 時，所愿意承擔的風險程度 ? 我們將 α視為決定接受 /拒絕的門檻值 – 若 p﹤ α ,拒絕 null hypothesis(發(fā)生改變 ) – 若 p﹥ α ,接受 null hypothesis(沒有改變 ) ? 此因子代表這樣的風險：我們可能會采取沒有改善效果的行動 ? 因此，我們所選的 α值應(yīng)包含這些實際因素：財務(wù)風險，安全風險，改變后顧客受影響的風險 ? 典型的 α值為 5%或 10% β風險因子 ? 1－ β =當總體中存在一具體變化時，偵測出該變化的機會 ? 也稱為“ Power of the test:檢驗?zāi)芰Α? ? 與 Type 2 Error (錯誤地接受 null hypothesis） 相關(guān) ? 實際意義為：可能忽略改進的機會 ? 一般說來， β錯誤的成本較 α 錯誤要低 ? 在工業(yè)實驗中典型的 β值為 10%20% 將 Hypothesis Testing 與 MAIC Roadmap相連接 流程改善方法論 步驟一：流程測量 步驟四：流程控制 步驟三：流程改善 步驟二：流程分析 規(guī)劃項目并確認流程輸入輸出 主要變量 更新 control plan 應(yīng)用 DOE確認關(guān)鍵的輸入 重新審查資料并重點區(qū)分主要 輸入變量 完成 Multi—Vari studies 并鑒定 潛在的主要輸入 完成 FMEA并評估 Control plan 對主要的測量系統(tǒng)執(zhí)行 gage studies 執(zhí)行短期的流程能力研究并評估 Control plan 持續(xù)的確認流程穩(wěn)定性及能力 完成流程 Control plan 決定最佳的操作程序 產(chǎn)品 /流程發(fā)展工具的 Roadmap Y=F(X1,X2,X3,……,X K) 還記得這個簡單的公式嗎？ 數(shù)據(jù)類型 ? 不連續(xù)型 /屬性型 – 不連續(xù)事件的記數(shù)（ 1， 2， 3， 4個不良品） – 定性描述 ? 民主黨 /共和黨 ? 好 /壞 ? 機器 1/機器 2 ? 連續(xù)型 /變量型 – 小數(shù)位數(shù)是有意義的 ? 時間、重量、厚度，等等 統(tǒng)計工具 Roadmap 的“目的” ? 為 Belt有系統(tǒng)地提供使用統(tǒng)計工具的方法 – “不要在需要榔頭時，使用起子” ? 有系統(tǒng)地提供將工具和 Minitab 連結(jié)的方法 ? 減少混淆與焦慮 – “ Regression , ANOVA and Chi—Square 總是打架！” 分析 Roadmap 教授們不會教給你的東西 X Data 離散 連續(xù) X Data 離散 連續(xù) ChiSquare Logistic Regression ANOVA Means/Medians Tests Regression Multiple Logistic Regression Multiple Logistic Regression 2,3,4 way …ANOVA Medians Tests Multiple Regression X Data 單一 X 多元 Xs 單一 Y 多元 YS 離散 連續(xù) Multivariate Analysis (注意：這并不是 Multi—Vari Studies） 情境一 領(lǐng)班想知道兩名員工卸貨時 是否有顯著的時間差異（以分鐘為測量單位） Y為何？ 資料類型為何？ X為何？ 資料類型為何？ 使用何種工具？ 情境二 人事部門想了解年齡 （ old 與 young） 與人員受聘的關(guān)聯(lián)性 Y為何？ 資料類型為何？ X為何？ 資料類型為何？ 使用何種工具？ 情境三 設(shè)計小組想了解引擎壽命與車輛重量有無關(guān)系 Y為何？ 資料類型為何？ X為何？ 資料類型為何？ 使用何種工具？ 情境四 交通部門想了解 卡車重量與車內(nèi)人員受重傷程度之間有無關(guān)聯(lián) Y為何？ 資料類型為何？ X為何？ 資料類型為何？ 使用何種工具？ 回顧 ? 介紹 Hypothesis Testing 的基本觀念 ? 將 Hypothesis Testing 與后續(xù)的 MAIC相連接 Hypothesis Testing 專有名詞 Null Hypothesis (Ho) Type I Error Alpha Risk Significance Level (顯著性水平 ) Alternative Hypothesis (Ha) Type II Error Beta Risk Significant Difference (顯著性差異 ) Power(檢驗力 ) Test Statistic(檢驗統(tǒng)計量 ) T Test （ T檢驗） 與 Selected Nonparametric Tests(非參數(shù)檢驗 ) 目的 ? 介紹 tTest及其在平均數(shù)比較中的重要性 ? 介紹 Means(平均數(shù) )/Medians(中位數(shù) )檢驗的基本概念 統(tǒng)計檢驗 ? 在假設(shè)檢驗?zāi)K中，我們討論不同群組的比較 ? 我們想知道是否有充足的統(tǒng)計證據(jù)來拒絕 Null Hypothesis(虛無假設(shè) ) ? 我們收集資料后，該如何“檢驗”這些資料呢？ ? 有數(shù)種不同的檢驗方法，視資料的類型和比較的對象而定 ? 在此，我們將檢驗數(shù)量型輸出資料 Variable Output data 與屬性型輸入資料 attributes Input data 分析 Roadmap 我們將講授的內(nèi)容 X Data 離散 連續(xù) X Data 離散 連續(xù) ChiSquare ANOVA Means/Medians Tests Regression 2,3,4 way …ANOVA Medians Tests Multiple Regression X Data 單一 X 多元 Xs 單一 Y 多元 YS 離散 連續(xù) 分析 Roadmap 單一 X： 單一 Y ChiSquare ANOVA Mean/ Medians Test Regression Logistic Regression Discrete(離散 ) Continuous(連續(xù) ) X Data Continuous(連續(xù)) Discrete(離散) Y Data Continuous(連續(xù)型 )Y和 Discrete(離散型 )X ANOVA Means/ Medians Tests 1 Level X 的比較 2 Level X 的比較 3 Level X 的比較 1 level 的范例： 顧客 1的 20個交貨時間樣本 2 levels 的范例： 顧客 1和顧客 2的 20個交貨時間樣本 3 levels 的范例： 顧客 2和 3的 20個交貨時間樣本 Continuous Y 和 Discrete X Roadmap ANOVA Means/ Medians Tests 1 Level X 的比較 3 Level X 的比較 研究 Spread 研究 Centering 研究 Stability (若可行 ) 研究 Shape 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering 我們將在 ANOVA中 討論此內(nèi)容 2 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering 研究Continuous Y 和 Discrete X Roadmap ANOVA Means/ Medians Tests 研究 Spread 研究 Centering 1 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 注意： 在只有一群組的情況下，我們討論的是將 我們的樣本資料與假設(shè)值做比較 1 level 的范例： 對顧客 1的 20個交貨時間樣本 我們是否達到我們的目標時間？ Hypotheses ?Null Hypotheses (Ho):我們的交貨時間與目標時間并無不同 ?Alternate Hypotheses (Ha):我們的交貨時間大于目標時間 分析 Roadmap :單一樣本 開啟工作表 中的 1 Sample t 分析 Roadmap :1個樣本 1 Level X 的比較 研究 Stability (若可行 ) Minitab 焦點或問題是？ SPC Chart IMR 是否有任何明顯的變化趨勢或模式， 足以證明資料并非來自單一的母體或 流程？ 分析 Roadmap :1個樣本 1 Level X 的比較 研究 Stability (若可行 ) Minitab 焦點或問題是？ SPC Chart IMR 是否有任何明顯的變化趨勢或模式， 足以證明資料并非來自單一的母體或 流程？ 研究 Shape Descriptive (描述 )統(tǒng)計與 正態(tài)檢驗 資料是否為正態(tài)分布？ 小 p—value( 小于 5%）值，資料為非正 態(tài)分布 注意樣本大小的問題 正態(tài)分布 檢驗是否為正態(tài)分布的三種方法 1） Histogram (直方圖） 資料是否呈鐘型曲線？ 2） Normality Plot (正態(tài)分布測試圖 ) 資料點是否為一直線？ 3） P Value P Value 是否大于 5%？ 分析 Roadmap :1個樣本 Minitab 焦點或問題是？ SPC Chart IMR 是否有任何明顯的變化趨勢或模式， 足以證明資料并非來自單一的母體或 流程？ Descriptive (描述 )統(tǒng)計與 正態(tài)檢驗 資料是否為正態(tài)分布？ 小 p—value( 小于 5%）值，資料為非正 態(tài)分布 注意樣本大小的問題 1 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering OR 我們馬上會回到單一樣本檢驗！ 分析 Roadmap ANOVA Means/ Medians Tests 1 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering OR 2 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering 研究ANOVA Means/ Medians Tests 2 Level X 的比較 研究 Stability (若可行 ) 研究 Shape 研究 Spread 研究 Centering 研究注意： 當 2 le