【正文】 d”（ 標(biāo)準(zhǔn)殘差）大的單元不能與其它單元的型式不一致，對(duì)總卡方值產(chǎn)生很大的影響。 .422 = ()2/ ?2 = (fo fe)2 fe ?? 與下頁表格中的臨界值比較 fe, 預(yù)期頻率 fe = (總行數(shù) ) x (總欄數(shù) ) 總計(jì) fe = 94 x 38 = 309 列聯(lián)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) 卡方分布 df . 2 5 0 . 1 0 0 . 0 5 0 . 0 2 5 . 0 1 0 . 0 0 5 . 0 0 11 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 (r1)(c1)=df（ 自由度） 其中 r = 行數(shù) c =欄數(shù) 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) 你的任務(wù)是減少醫(yī)院設(shè)備的服務(wù)呼叫次數(shù)。 現(xiàn)在設(shè)法確定在醫(yī)院和需要服務(wù)的設(shè)備類型之間是否有什么關(guān)聯(lián) 。 Z是為滿足置信度要求而從正態(tài)分布中產(chǎn)生的值。合理方法的選擇取決于樣本容量和缺陷比例。 大樣本容量 缺陷比例不過小 也不過大 [ np10 和 n(1p)10 ] 使用正態(tài)近似法 p = 10/n p=.10 Use Poisson Approximation 0 n=20 50 100 150 200 250 比例 樣本容量 使用 Poisson 近似法 p = 110/n 收集更多的數(shù)據(jù) ， 或采用 精確二項(xiàng)式方法 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) 棕色 和 紅色 為可接受 黃色、橙色、藍(lán)色和綠色 為缺陷 樣本 1是一包 10盎司裝的普通 Mamp。M 1. 分別 畫出以上兩個(gè)樣本的 4種類型缺陷 的 Pareto圖形（參見第 4至 7頁）。先用手算（ 16頁），然后，再借助 minitab（ 24頁）進(jìn)行計(jì)算。切記將數(shù)據(jù)畫圖，參見 2535頁（將顏色以數(shù)值而非文本的形式輸入，只有這樣 Minitab才能將數(shù)據(jù)繪制成圖）。M （普通和花生）中每種顏色所占的比例。M以不同的顏色和符號(hào)標(biāo)識(shí)。M (或讓教師適當(dāng)處理 ) 課堂練習(xí) Mamp。 ? 對(duì)于那些 不接近 ，可以使用 正態(tài)近似法計(jì)算 1個(gè)樣本和 2個(gè)樣本差值的置信區(qū)間和假設(shè)檢驗(yàn)。 ? 如果你具有一個(gè)雙向表， 首先將數(shù)據(jù)制圖 并尋找其間的關(guān)系，然后，運(yùn)用顯著性的 卡方檢驗(yàn) 確定所觀察到的差異是否是偶然產(chǎn)生。 路徑 : (In Minitab) StatMultivariateDiscriminate Analysis (CART) Classification and Regression Trees) 根據(jù)獨(dú)立變量 (X‘ s)將觀測(cè)值 (Y)分類到兩個(gè)或多個(gè)組中。 Hall, 1984. 5. 數(shù)據(jù)采集 (Data Mining) 根據(jù)獨(dú)立變量 (X‘ s)將觀測(cè)值 (Y)分類到兩個(gè)或多個(gè)組中。 確定是否有足夠的證據(jù)證明，在置信度為 95％的情況下，供應(yīng)商 1比供應(yīng)商 2生產(chǎn)的次品少（單邊檢驗(yàn) ）。 缺陷數(shù)量 k1 = 3 k2 = 10 k1 + k2 = ___ 樣本容量 n1 = 100 n2 = 100 n1 + n2 = ___ 缺陷比例 p1 = k1/n1 p2 = k2/n2 p = (k1+k2) = ___ = ___ (n1+n2) = ____ 供應(yīng)商 1 供應(yīng)商 2 總計(jì) 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) 精確二項(xiàng)式檢驗(yàn)：比較 2個(gè)小比例 （大 n, 小缺陷次數(shù)） 例 : 涂漆表明的黑斑 檢驗(yàn)邏輯 ： 如果兩個(gè)工序相同，缺陷應(yīng)該是隨機(jī)地分布于兩個(gè)樣本中。 如果實(shí)際的比例遠(yuǎn)遠(yuǎn)偏離 50/50，就有足夠的證據(jù)說明這兩個(gè)工序是不同的。 單擊累計(jì) 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) 擬合好壞檢驗(yàn)舉例 (多比例互等性 ) 有 90只老鼠，一個(gè)接一個(gè)地經(jīng)過下降通道進(jìn)入三扇門中的一扇。 Ho: p1 = p2 = p3 = 1/3 假設(shè)每只老鼠經(jīng)過下降通道一次，觀測(cè)所得數(shù)據(jù)如下： n1 = 23, n2 = 36, 以及 n3 = 31. 每個(gè)門道所觀察的預(yù)期頻數(shù)應(yīng)該相等， 預(yù)期頻率 = 90 (1/3) = 30 ? = .05 DF = 2 (k1)??2table = 門 1 2 3 觀測(cè)值 23 36 31 預(yù)期值 30 30 30 ?2calc = (2330)2 + (3630)2 + (3130)2 = 30 30 30 由于 ，所以，我們不能拒絕 H0。 Ho: p1 = p2 = p3 Ha: 至少有 1個(gè)等式不成立 ?2 檢驗(yàn)統(tǒng)計(jì)值 (近似地 )服從自由度為 (k 1)的 ?2 分布， From: Mathematical Statistics with Applications, 3rd Edition Mendenhall, Scheaffer, Wackerly 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) 首先將數(shù)據(jù)制圖 : GraphPlot 如圖所示在“ Data Display” 中填寫“ Item 1”， 為每一類型設(shè)備創(chuàng)建一個(gè)單獨(dú)的符號(hào) 如圖所示，在醫(yī)院 4 和醫(yī)院 5與設(shè)備服務(wù)呼叫次數(shù)之間 看上去存在某種聯(lián)系 如圖所示在“ Data Display” 中填寫“ Item 2”， 創(chuàng)建獨(dú)特的線型以連接每類設(shè)備 課堂練習(xí)解答 : 服務(wù)電話減少 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) StatTablesCross Tabulation 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) 交叉制表的對(duì)話窗口報(bào)告 確實(shí) 存在某種依賴關(guān)系！ 注意：這并沒有說是“ 好的”或“ 差的”依賴關(guān)系 P值 .05, 拒絕 Ho 顯著的差異主要是由于醫(yī)