【正文】 1=假 104 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ?假設(shè)設(shè)定方法 ? 以原假設(shè) [母體和 Sample(樣本 )是一樣的 ]來(lái)假定 ?Ho： μ 1=μ 2 ?Ho： μ 1=μ 2=μ 3=?? μ n ?Ho： σ 1=σ 2 ?Ho： σ 1=σ 2= σ 3 ?? σ n 105 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 對(duì)立假設(shè) [母體和樣本不同的 ]則為 ?兩側(cè)檢驗(yàn)時(shí) H1： μ 1≠ μ 2 ?偏側(cè)檢驗(yàn)時(shí) H1： μ 1 ＜ μ 2 μ 1 ＞ μ 2 ?兩側(cè)檢驗(yàn)時(shí) H1： σ 1≠ σ 2 ?偏側(cè)檢驗(yàn)時(shí) H1： σ 1 ＜ σ 2 σ 1 ＞ σ 2 106 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ?假設(shè)檢驗(yàn)的形態(tài) ? 計(jì)量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計(jì)量 ?實(shí)行平均值檢驗(yàn)的必須檢驗(yàn)分散的同質(zhì)性（ Ftest) ?Ftest是比較 2個(gè)以上的母體的散布 ? 計(jì)數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計(jì)量 ?次數(shù)、頻度等 107 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ?假設(shè)檢驗(yàn)時(shí)樣本大小和特征 ? 樣本的大小取多少好呢？ ?如果樣本數(shù)小，很難表示母體的特征，可能導(dǎo)致檢驗(yàn)結(jié)果的錯(cuò)誤 ?相麼，樣本數(shù)大的時(shí)候，實(shí)際操作中時(shí)間 /費(fèi)用方面難以適用 ?因此，樣本數(shù)的大小最好從各方面都考慮後作出恰當(dāng)?shù)臎Q定 108 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的實(shí)行順序 ? 設(shè)定原假設(shè)、對(duì)立假設(shè) (Ho， Hi) ? 確定顯著性水平（ α =， ， ） ? 選擇檢驗(yàn)統(tǒng)計(jì)量（ Z， T， Chisquare統(tǒng)計(jì)量） ? 求接受或拒絕域 ? 從數(shù)據(jù)上判定顯著性，解釋結(jié)果 ?P(Probability)概率值＜ α 則接受對(duì)立假定 (H1) ?P(Probability)概率值＞ α 則接受對(duì)立假定 (Ho) ? 把統(tǒng)計(jì)的解釋結(jié)果用于實(shí)際問(wèn)題 109 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型 ?假設(shè)檢驗(yàn)結(jié)果的判定方法 拒絕值 接受域 ?原假設(shè) (Ho)：接受 ?對(duì)立假立 (H1)：拒絕 拒絕域 ?原假設(shè) (Ho)：拒絕 ?對(duì)立假立 (H1)：接受 (α) 110 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型 ? 統(tǒng)計(jì)學(xué)的判定方法 ?數(shù)據(jù)計(jì)算值結(jié)果小于拒絕值時(shí)：接受原假設(shè) (Ho) ?數(shù)據(jù)計(jì)算值結(jié)果大于拒絕值時(shí)：拒絕原假設(shè) (Ho) ?“ 0”值在信賴區(qū)間內(nèi)時(shí)：接受原假設(shè) (Ho) ?“ 0”值在信賴區(qū)間外時(shí)：拒絕原假設(shè) (Ho) ? Minitab的判定方法 ?PValue值大于 α 時(shí)：接受原假設(shè) (Ho) ?PValue值小于 α 時(shí)：拒絕原假設(shè) (Ho) 111 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ?假設(shè)檢驗(yàn)的 Minitab運(yùn)用 ? 洗衣機(jī)下部 Transmission Housing有 10CTQ， 10個(gè) CTQ是 8個(gè) Fixture Brake的高度 離合器，在這里先查看 8個(gè)不同的 Fixture間有無(wú)高度尺寸公差，如果 Fixure間有高度公差的話，用“ X”因素來(lái)判斷後調(diào)查原因并改善。 112 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? X2（ Chisquare） ? 適合度檢驗(yàn)（ Goodness of fit test） ?什麼是適合度？：試驗(yàn) or觀測(cè)得到的結(jié)果跟理論一致的程度 ?什麼是適合度檢驗(yàn)？：檢驗(yàn)觀測(cè)值有什麼樣的理論分布 ?假設(shè)設(shè)定 ? Ho： P1=P2=??=Pn ? H1： P1 P2 ?? Pn ? 例：硬幣的正面的出現(xiàn)的概率 50%和實(shí)際觀測(cè)的概率比較 113 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? 分割表（ Contingency Table） ?什麼是分割表？：因兩個(gè)變數(shù)分割後得到表 ?什麼是獨(dú)立性檢驗(yàn)？：使用于檢驗(yàn)分類(lèi)的變量之間的關(guān)系是獨(dú)立，即變量之間有相關(guān)性（從屬關(guān)系），或者有（獨(dú)立關(guān)系）稱(chēng)獨(dú)立性檢驗(yàn)。 ?設(shè)定假設(shè) ? Ho：獨(dú)立（分類(lèi)的變數(shù)之間地相關(guān)性） ? H1：從屬（分類(lèi)的變數(shù)之間有相關(guān)性 ) 114 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? 期望值（ E），觀測(cè)值（ O）， X2統(tǒng)計(jì)量 ?期望值（ Expected Frequency）：對(duì)一些現(xiàn)象的結(jié)果期望的值 ?觀測(cè)值（ Observed Frequency）：對(duì)一些現(xiàn)象的結(jié)果實(shí)際觀測(cè)的 ?X2統(tǒng)計(jì)量是 ? ?? E Ex22 )0(115 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? X2(Chisquare)統(tǒng)計(jì)量 ? 用 3個(gè)月把 Monitor產(chǎn)品不良類(lèi)型按不同的交接班整理後，調(diào)查各交接班有（從屬的）無(wú)（獨(dú)立的）產(chǎn)品不良類(lèi)型的特性後，進(jìn)行改善活動(dòng)，檢出了 N=309個(gè) Monitor不良。按 4種不良類(lèi)型來(lái)整理。 ? 利用 X2(Chisquare)驗(yàn)證 ?原假設(shè) (Ho)：不良類(lèi)型和交接之間彼此是否無(wú)關(guān)聯(lián)（獨(dú)立因素） ?對(duì)立假設(shè)（ H1）：不良類(lèi)型和交接班之間彼此是否有關(guān)聯(lián)（從屬因素） 116 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 ? 不良類(lèi)型： ?A：碰傷 ?B：洩漏 ?C：開(kāi)關(guān)不良 ?D：粘貼不良 117 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)數(shù)型 交接班 A B C D 1 15 21 45 13 2 26 31 34 5 3 33 17 49 20 ?設(shè)定假設(shè) ?原假設(shè)（ Ho）：不良類(lèi)型和交接班之間彼此無(wú)關(guān)聯(lián)（獨(dú)立） ?對(duì)立假設(shè)（ H1）：不良類(lèi)型和交接型號(hào)之間彼此有關(guān)聯(lián)（從屬） 118 改善（ Improvement） 119 分散分析（ ANOVA）的理解 ?什麼是分散分析（ ANOVA）？ ? 試驗(yàn)實(shí)施後，對(duì)試驗(yàn)結(jié)果進(jìn)行分析所使用的分析方法 ? 特性值的散布用總平方和來(lái)表示。直接影響特性值的因子或用水平變動(dòng)來(lái)分析後找出對(duì)比誤差，造成‘ Y’特性值（反應(yīng)值）特別大的影響因子。什麼是水平的分析方法。 ? 區(qū)分‘ X’的水平，分析各水平上連續(xù)的‘ Y’的數(shù)據(jù)。 120 分散分析（ ANOVA）的理解 ? 可以說(shuō)是決定各水平上‘ Y’特性值（反應(yīng)值）的平均值是否具有 同樣值，步驟 ?暫定的找出致命的少數(shù)因子的方法 ? 分散分析的用語(yǔ)理解 ? 因子 (Factor)：試驗(yàn)上影響特性值的原因 ? 水平 (Level)：為實(shí)施試驗(yàn)的因子條件 ? 平方和 (Sum of square)：在因子的特定水平上，計(jì)算測(cè)定值變化程度 ? 試驗(yàn) Balance/Unbalance：測(cè)定值相同或不相同時(shí)所有因子水平的 調(diào)合數(shù) 121 分散分析（ ANOVA）的理解 ?分散分析的使用 ? One Way ANOVA： 具有 2個(gè)以上的水平的 1個(gè)因子的情況 ? Balance ANOAV： 具有 2個(gè)以上因子的情況 ? 試驗(yàn)計(jì)劃法（ DoE=Design of Experiment）：分析多因子時(shí)，針對(duì)那個(gè) 調(diào)合上給‘Ｙ ’特性值造成影響大的因子。 122 試驗(yàn)計(jì)劃法的樹(shù)立 ? 試驗(yàn)計(jì)劃法的樹(shù)立 ? 明確試驗(yàn)的目的 ? 選定反應(yīng)值（從屬變量）‘ Y’ ? 選定因子（獨(dú)立變量）‘ X’ ? 選定因子的水平 ? 選定試驗(yàn)計(jì)劃 ? 實(shí)施試驗(yàn) 數(shù)據(jù)收集 ? 數(shù)據(jù)分析 ? 導(dǎo)出結(jié)論 ? 驗(yàn)證試驗(yàn) 123 試驗(yàn)計(jì)劃法的樹(shù)立 ?明確試驗(yàn)?zāi)康? ? 明確試驗(yàn)記錄樣式的目的 ?製作‘ Y’ (從屬變量 )明確定義‘ X’ (獨(dú)立變量）效果的的預(yù)測(cè)值表 ? 在做試驗(yàn)計(jì)劃時(shí)，必須注意以下內(nèi)容 ?用數(shù)據(jù)決定什麼？ ?數(shù)據(jù)收集後怎麼分析？ ?得到的數(shù)據(jù)做必要的決定時(shí)有用嗎？ ? 如果不是重新樹(shù)立計(jì)劃 124 試驗(yàn)計(jì)劃法的樹(shù)立 ?選定反應(yīng)值（從屬變量）‘Ｙ’ ? 選定的題目可能有多個(gè)‘Ｙ’ ?題目展開(kāi)後 (Logic Tree等 )，選定‘ Yn’的各個(gè)獨(dú)立因子‘ X’進(jìn)行改善 ?計(jì)數(shù)值數(shù)據(jù)的效率性是計(jì)量值的 63%左右時(shí)，有必要更多數(shù)據(jù) ?當(dāng)測(cè)定‘ Y’困難時(shí)，采用給予分類(lèi)或跟標(biāo)準(zhǔn)進(jìn)行比較的方法 125 試驗(yàn)計(jì)劃法的樹(shù)立 ?測(cè)定後的樣本數(shù)據(jù)最好是保存，必要時(shí)再進(jìn)行對(duì)比調(diào)查 ?當(dāng)數(shù)據(jù)測(cè)定有主觀性時(shí)，可能有時(shí)間偏移，因此必須隨機(jī)化或盲化實(shí)施 ?試驗(yàn)前不管數(shù)據(jù)的種類(lèi)，必須對(duì)‘ Y’實(shí)施 Gage RR，其值要少于 20% 126 試驗(yàn)計(jì)劃的樹(shù)立 ?選定因子（獨(dú)立變量）‘ X’ ? 獨(dú)立變量有多種 ?在試驗(yàn)上接意圖變化的試驗(yàn)變量 ?不是有意變化的可觀察的變量 ?Blocking變量（人為制造的變量） ?潛在變量 127 試驗(yàn)計(jì)劃的樹(shù)立 ? 選定獨(dú)立變量 ?利用測(cè)定、分析階段得到的統(tǒng)計(jì)分析結(jié)果 ?專(zhuān)家意見(jiàn) ?大腦風(fēng)暴法 ?Flow Chart ?現(xiàn)象分析數(shù)據(jù) ?特性要因圖 ?競(jìng)爭(zhēng)社分析 ?顧客分析 協(xié)力社調(diào)查 ?Process Mapping ?Rolled Through Yield 128 試驗(yàn)計(jì)劃的樹(shù)立 ? 潛在變量 ?潛在變量是給結(jié)果帶來(lái)影響的，但難以發(fā)覺(jué)，并且不可能控制和測(cè)定。為了減少潛在變量的影響， 一般采用隨機(jī)法和 Blocking。 ? 主效果及交互作用 ?主效果比普通交互作用更重要。如果判定為交互利作用更重要的話，使用試驗(yàn)計(jì)劃的一個(gè)因素；可是交互作用有可能跟其它交互作用交叉。 129 試驗(yàn)計(jì)劃的樹(shù)立 ? 選定因子水平 ? 水平數(shù)可以按試驗(yàn)的目的和反應(yīng)值的圖表形狀來(lái)決定 ?能用篩選試驗(yàn)來(lái)找出得要的因子的話，使用典型的 2水平 ?‘ Y’值按水平產(chǎn)生充分差異的範(fàn)圍來(lái)選定水平 ? 如果選定的溫度範(fàn)圍小，幾乎不影響應(yīng)答的話，可能錯(cuò)判為溫度不重要的因子 ?確定的水平不能超出現(xiàn)實(shí)可能的水平（最佳的選定水平上，不能適用實(shí)際的話郵局不能改善） ?試驗(yàn)的幾個(gè)調(diào)和可能是不能接受的反應(yīng)值，但是那種條件下，可能出現(xiàn)最佳值？ 130 試驗(yàn)計(jì)劃的樹(shù)立 ? 選定試驗(yàn)計(jì)劃 ? 做試驗(yàn)計(jì)劃時(shí)要想 10個(gè)重要概念 ?直交性 ?隨機(jī)性 ?再現(xiàn)性 ?反復(fù)性 ?管理能力 ?潛在變量 ?Noise變量 ?Blocking ?Sample的大小 ?交叉 131 試驗(yàn)計(jì)劃的樹(shù)立 ?試驗(yàn)計(jì)劃的選定 ? 直交性 ?試驗(yàn)配置或部分配置法上把因子的效果做成彼此獨(dú)立而使用 ? 隨機(jī)化 ?為了防止非試驗(yàn)的因子的外部要因引起的效果時(shí)使用 ? 試驗(yàn)順序隨機(jī)化 ? 試驗(yàn) Unit隨機(jī)化 ? 測(cè)定順序隨機(jī)化 132 試驗(yàn)計(jì)劃的樹(shù)立 ? 再現(xiàn)性 ?完全再設(shè)置度驗(yàn)裝置，在同樣水平上追加得到值的時(shí)候 ? 在做測(cè)定時(shí)可減少散布 ? 對(duì)對(duì)試的結(jié)果增加信賴感 ? 反復(fù)性 ?反復(fù)各試驗(yàn) Run 得到 Sample不如再現(xiàn)性，但能測(cè)定變動(dòng) ? 管理： ?選定的條件，必須能得到管理 133 試驗(yàn)計(jì)劃的樹(shù)立 ? 潛在變量 ?不太明確，控制也困難，測(cè)定也不可能，但影響反應(yīng)值的值。為了減少潛在變量的影響，常常隨機(jī)化。 ? Noise變量 ?已知道影響反應(yīng)值，但控制困難的變量，為了減少這個(gè)變量選定預(yù)想的 Noise變量，在所有水平上實(shí)施試驗(yàn) 134 試驗(yàn)計(jì)劃的樹(shù)立 ? Blocking ?Block是同質(zhì)性的集團(tuán)，如果判斷為一些要因成為問(wèn)題時(shí)，把那個(gè)要因選定為 Blocking因子 ? Blocking因子來(lái)選定的話，不增加試驗(yàn)烽，可要因分析 ? Blocking不選定為 Blocking因子的話，試驗(yàn)結(jié)果出現(xiàn)問(wèn)題，不能分析原因 ? 樣本的大小 ?考慮測(cè)定值的變化程度等，決定樣本數(shù)，質(zhì)。 135 試驗(yàn)計(jì)劃的樹(shù)立 ? 交叉法 ?交叉是因子的效果不能彼此分離，部分配置法多少都有交叉，一般是主效果大于可交互作用的情況， 3次以上的交互作用類(lèi)似的情況幾乎沒(méi)有。 ? 試驗(yàn)和實(shí)施數(shù)據(jù)收集 ? 試驗(yàn)之前準(zhǔn)備數(shù)據(jù)表格，可能的話，把相關(guān)的所有內(nèi)容全部記錄。 ? 試驗(yàn)時(shí)必須參加觀察 ?通過(guò)觀察可以知道是因果關(guān)系還是相關(guān)關(guān)系。 ?實(shí)驗(yàn)期間可以知道條件的範(fàn)圍是否恰當(dāng) 136 試驗(yàn)計(jì)劃的樹(shù)立 ? 測(cè)定後的樣本，因有的時(shí)候需要再調(diào)整測(cè)定樣本，最好要保管。 ? 連續(xù)的試驗(yàn)：進(jìn)行大規(guī)模試驗(yàn)不如實(shí)施幾次小的試驗(yàn) ?初期試驗(yàn)階段上