MINITAB培训-假设检验-方差-回归-DOE-MSA.ppt

MINITAB培训-假设检验-方差-回归-DOE-MSA.ppt

《MINITAB培训-假设检验-方差-回归-DOE-MSA.ppt》由会员分享，可在线阅读，更多相关《MINITAB培训-假设检验-方差-回归-DOE-MSA.ppt（147页珍藏版）》请在冰豆网上搜索。

一、假设检验一、假设检验*编编SIXSIGMA培训培训二、方差分析二、方差分析三、质量工具三、质量工具四、试验设计四、试验设计假设检验假设检验&假设检验的理解假设检验的理解（HypothesisTest）对总体参数分布做假设对总体参数分布做假设,根据样本根据样本（Sample）观测值运用统计技术分析方法检验这种观测值运用统计技术分析方法检验这种假设是否正确，从而选择接受或拒绝假设的过程。

假设是否正确，从而选择接受或拒绝假设的过程。

假设假设:

特定某总体是特定某总体是,ex）制造部男员工的平均制造部男员工的平均身高是身高是172cm.原假设原假设（Ho,NullHypothesis）:

肯定肯定对立假设对立假设（H1orHa,AlternativeHypothesis）:

否定原假设否定原假设某总体某总体（N）Sample根据根据Sample的数据的数据检验已设定的该总体的假设检验检验已设定的该总体的假设检验原假设原假设（Ho）设定设定:

制造部男员工身高是制造部男员工身高是172cm设定对立假设设定对立假设（H1orHa）:

不是不是172cm（或或0.05时，接受原假设，拒绝对立假设；时，接受原假设，拒绝对立假设；PBasicStatistics1-SampleZ,4、比较比较P0.05的大小，判定的大小，判定:

接受接受H0,111-7/22出现对话框后：

出现对话框后：

Variables栏中选外园直径数值；栏中选外园直径数值；SIGMA：

栏中填栏中填0.016（总体（总体）TESTMEAN栏中填栏中填5.50（目标均值）（目标均值）GRAPHS对话框可填可不填对话框可填可不填OPTIONS对话框对话框:

CONFIDENCELEVEL:

95.0（置信度水置信度水平）平）ALTERNATIVE:

notequal（对立假设）对立假设）One-SampleZ:

sample实施结果：

实施结果：

Testofmu=5.5vsmunot=5.5Theassumedsigma=0.016VariableNMeanStDevSEMeansample355.501430.023900.00270Variable95.0%CIZPsample（5.49613,5.50673）0.530.597假设检验事例假设检验事例1SampleTTest&1SampleTTest实例：

实例：

Height66.0072.0073.5073.0069.0073.0072.0074.0072.0071.0074.0072.0070.0067.0071.0072.0069.0073.0074.0066.00确认确认HeightHeight的平均个子是否的平均个子是否70.（70.（单单,不知道母体的标准偏差不知道母体的标准偏差.）.）-原假设原假设:

平均个子平均个子=70-=70-对立假设对立假设:

平均个子平均个子7070Testofmu=70vsmunot=70VariableNMeanStDevSEMeanHeight2071.1752.5610.573Variable95.0%CITPHeight（69.976,72.374）2.050.054平均平均:

71.175:

71.175标准偏差标准偏差:

2.561:

2.561平均的标准偏差平均的标准偏差:

0.573:

0.573母平均的母平均的95%95%置信区间置信区间:

69.97672.374:

69.97672.374p-value:

0.054p-value:

0.054p-valuep-value比比0.050.05大，接受大，接受00假设假设.即即,可以平均个子看作可以平均个子看作70707070包含在置信区间里面。

包含在置信区间里面。

MinitabMenu:

Stat/BasicStatistics/1SampleTTest*注意注意:

在在Option上各上各greaterthan,lessthan,notequal的含义是什么的含义是什么?

111-8/22目标均值目标均值假设检验事例假设检验事例2SampleTTest&2SampleTTest实例：

实例：

例例3：

A、B两种不同情况下测得某两种不同情况下测得某PCB焊点拉拔力数据如下：

焊点拉拔力数据如下：

A：

5.655.894.374.285.12;B:

5.995.785.264.994.88;问两种条件下问两种条件下PCB的焊点拉拔力的焊点拉拔力是否有显著区别？

是否有显著区别？

H0：

A=B；H1：

ABMinitabMenu:

Stat/BasicStatistics/2SampleTTest两样本数据存于一栏两样本数据存于一栏两样数据存于不同栏两样数据存于不同栏对分散的同质性与否的对分散的同质性与否的check（在这里不是同质的在这里不是同质的no-check）111-9/22数据数据标注标注数据数据假设检验事例假设检验事例2SampleTTest&实施结果：

实施结果：

P值比值比0.05大，接受大，接受H0；即即2种条件下的种条件下的PCB板焊点拔取力没有差异板焊点拔取力没有差异从平均值看从平均值看B比比A拔取力大拔取力大总体均值的置信区间：

（总体均值的置信区间：

（-1.278,0.642）Two-sampleTforAvsBNMeanStDevSEMeanA55.0620.7290.33B55.3800.4870.22Difference=muA-muBEstimatefordifference:

-0.31895%CIfordifference:

（-1.278,0.642）T-Testofdifference=0（vsnot=）:

T-Value=-0.81P-Value=0.448DF=6111-10/22假设检验事例假设检验事例&成对数据的假设检验成对数据的假设检验英语分数向上程序运营后，比较程序实施前和实施后的英语分数，检讨向上程序是否实际上很有用英语分数向上程序运营后，比较程序实施前和实施后的英语分数，检讨向上程序是否实际上很有用程序实施前程序实施前/后的分数入以下时，检讨程序是否有利于英语分数向上后的分数入以下时，检讨程序是否有利于英语分数向上.（.（各各1010个随意抽出个随意抽出）Beforeafter7681605285875870918675778290646379858883PairedT-TestandCI:

before,afterPairedTforbefore-afterNMeanStDevSEMeanbefore1075.8011.643.68after1077.4012.183.85Difference10-1.606.382.0295%CIformeandifference:

（-6.16,2.96）T-Testofmeandifference=0（vsnot=0）:

T-Value=-0.79P-Value=0.448MinitabMenu:

Stat/BasicStatistics/PairedTPairedT:

CIMeanDifference2SampleT:

CIDifferencePairedT111-11/22假设检验事例假设检验事例1-Proportion1-ProportionDIDDID事业部为了确认事业部为了确认AA厂家的厂家的66sigmasigma的的PJTPJT成果，调查了成果，调查了300300个个samplesample，出现了出现了1515个不良品个不良品.AA厂家交货部品的目标不良率为厂家交货部品的目标不良率为15%15%，能不能看做目标达成了，能不能看做目标达成了?

MinitabMenu:

stat/BasicStatisticsMinitabMenu:

stat/BasicStatistics/1-Proportion1-ProportionClickClickTestofp=0.15vspnot=0.15SampleXNSamplep95.0%CIP-Value1153000.050（0.028251,0.081127）0.000实行结果实行结果111-12/22假设检验事例假设检验事例2-ProportionDIDDID事业部为了比较事业部为了比较A,BA,B两个两个lineline上发生的不良率，收集了上发生的不良率，收集了DataData.其结果其结果ALineALine上上10001000个当中有个当中有7575个不良个不良,BLineBLine上上15001500个当中发现了个当中发现了120120个不良。

能不能看作个不良。

能不能看作LineLine间不良率有差异间不良率有差异?

MinitabMenu:

stat/BasicStatisticsMinitabMenu:

stat/BasicStatistics/2/2-Proportion-ProportionTestandCIforTwoProportionsSampleXNSamplep17510000.075000212015000.080000Estimateforp

（1）-p

（2）:

-0.00595%CIforp

（1）-p

（2）:

（-0.0263305,0.0163305）Testforp

（1）-p

（2）=0（vsnot=0）:

Z=-0.46P-Value=0.646P-value:

0.646（64.6%）P-value:

0.646（64.6%）P-valueP-value值大，因此可以说值大，因此可以说00假设是对的。

假设是对的。

即即,可以说可以说A,BA,B两个两个lineline上所发生的不良率上所发生的不良率没有差异。

没有差异。

111-13/22假设检验事例假设检验事例需同时检验多个样本均值有无差异时，需要用到方差分析需同时检验多个样本均值有无差异时，需要用到方差分析建立假设：

建立假设：

H0H0：

胶水胶水AA粘接力均值粘接力均值=胶水胶水BB粘接力均值粘接力均值=胶水胶水CC的粘接力均值的粘接力均值H1H1：

胶水胶水AA粘接力均值粘接力均值胶水胶水BB粘接力均值粘接力均值胶水胶水CC的粘接力均值的粘接力均值确定显著水平：

确定显著水平：

=0.05=0.05选择假设检验类别选择假设检验类别:

单变量方差分析单变量方差分析MinitabMinitab计算计算PP值。

值。

111-14/22例：

想了解三种不同胶水对元件粘接力的影响，分别测得不同胶水粘接力如下：

例：

想了解三种不同胶水对元件粘接力的影响，分别测得不同胶水粘接力如下：

胶水A胶水B胶水C5.674.884.895.345.365.214.984.995.365.565.755.895.86.216.116.716.075.29问三种胶水粘接力均值有无差异？

问三种胶水粘接力均值有无差异？

假设检验事例假设检验事例111-15/22StatANOVAOne-way（Unstacked）注：

注：

Unstacked指不同条件的数据存储在不同列指不同条件的数据存储在不同列的状态的状态实施结果：

实施结果：

One-wayANOVA:

A,B,CAnalysisofVarianceSourceDFSSMSFPFactor20.1450.0730.260.778Error154.2730.285Total174.419Individual95%CIsForMeanBasedonPooledStDevLevelNMeanStDev-+-+-+-A65.67670.5823（-*-）B65.54330.5558（-*-）C65.45830.4547（-*-）-+-+-+-PooledStDev=0.53385.255.605.95假设检验事例假设检验事例2-Proportion111-16/22P0.05，因此接受零假设因此接受零假设H0A、B、C胶水粘接力胶水粘接力均值数据置信区间有重均值数据置信区间有重合部分合部分假设检验事例假设检验事例2VARIANCES111-17/22对两个总体的分布状况进行比较，如对两个车床所加工出来的零件尺寸精度的比较，这时会用到对两个总体的分布状况进行比较，如对两个车床所加工出来的零件尺寸精度的比较，这时会用到F检检验。

验。

例：

两台车床加工一批零件，为了解两台车床加工精度方面有无差异，各抽取例：

两台车床加工一批零件，为了解两台车床加工精度方面有无差异，各抽取10个零件测得尺寸个零件测得尺寸A数数值如下：

车床值如下：

车床1：

25.3,25.2,25.2,25.5,25.52,25.51,25.54,25.55,25.5,25.52;车床车床2:

25.5,25.55,25.56,25.49,25.48,25.53,25.52,25.54,25.5,25.47;问问:

两台车床加工精度有无差异两台车床加工精度有无差异?

步骤步骤:

H0:

车床车床1加工的工件尺寸加工的工件尺寸A的标准差的标准差=车床车床2加工的工件尺寸加工的工件尺寸A的标准差的标准差H1:

车床车床1加工的工件尺寸加工的工件尺寸A的标准差的标准差车床车床2加工的工件尺寸加工的工件尺寸A的标准差的标准差确定确定=0.05选择假设检验类别选择假设检验类别F检验法检验法;例用例用MINITAB计算计算PMinitabStatBasicStatistics2Variances假设检验事例假设检验事例2-Proportion111-18/22假设检验事例假设检验事例2-Proportion111-19/22TestforEqualVariancesTestforEqualVariancesLevel1CHE1Level2CHE2ConfLvl95.0000BonferroniconfidenceintervalsforstandarddeviationsLowerSigmaUpperNFactorLevels4.66E-027.13E-020.14358410CHE12.00E-023.06E-020.06166410CHE2F-Test（normaldistribution）TestStatistic:

5.422P-Value:

0.019LevenesTest（anycontinuousdistribution）TestStatistic:

0.077P-Value:

0.785接受零假设，两台车床加工精度没接受零假设，两台车床加工精度没有差异有差异假设检验事例假设检验事例2-Proportion111-20/22在需要同时比较多个方差的场合，需进行多样本方差检验在需要同时比较多个方差的场合，需进行多样本方差检验四台设备同时加工一种工件，为了解四台设备同时加工一种工件，为了解44台设备的精度有无差异，每台设备抽样台设备的精度有无差异，每台设备抽样1010PCSPCS测得尺寸如测得尺寸如下下（略），问四台设备精度是否有差异？

（略），问四台设备精度是否有差异？

H0H0：

。

；：

。

；H1H1：

。

：

。

MINTABMINTAB工工作表数据：

作表数据：

StatANOVATestforEqualVariancesStatANOVATestforEqualVariances假设检验事例假设检验事例2-Proportion111-21/22ResponseSIZEFactorsEQUIPConfLvl95.0000BonferroniconfidenceintervalsforstandarddeviationsLowerSigmaUpperNFactorLevels1.843682.945816.514710A3.291345.2588511.630110B3.133515.0066611.072310C2.764544.417149.768610DBartlettsTest（normaldistribution）TestStatistic:

3.055P-Value:

0.383LevenesTest（anycontinuousdistribution）TestStatistic:

0.295P-Value:

0.829假设检验事例假设检验事例2-Proportion111-22/22根据上图结果根据上图结果BartlettBartlett检验法和检验法和LeveneLevene检验法得出一致结论，检验法得出一致结论，PP值大于值大于0.05,0.05,所以认所以认为四台车床加工的工件精度没有显著差异为四台车床加工的工件精度没有显著差异.有时会存在有时会存在BartlettBartlett检验法和检验法和LeveneLevene检验法得出的结论不一致的问题检验法得出的结论不一致的问题,这时可检验这时可检验数据的正态性数据的正态性,如为正态分布数据如为正态分布数据,则以则以BartlettBartlett检验法为结论检验法为结论.如为非正态分布如为非正态分布,则则以以LeveneLevene检验法为准检验法为准.2.3统计技术方法2.3.1方差分析2.3.2回归分析2.3.3试验设计2.3.1方差分析方差分析一、几个概念一、几个概念二、单因子方差分析二、单因子方差分析三、重复数不等的情况三、重复数不等的情况一、几个概念一、几个概念在在试试验验中中改改变变状状态态的的因因素素称称为为因因子子，常常用用大大写写英文字母英文字母A、B、C、等表示。

等表示。

因因子子在在试试验验中中所所处处的的状状态态称称为为因因子子的的水水平平。

用用代代表表因因子子的的字字母母加加下下标标表表示示，记记为为A1，A2，Ak。

试试验验中中所所考考察察的的指指标标（可可以以是是质质量量特特性性也也可可以以是是产产量量特特性性或或其其它它）用用Y表表示示。

Y是是一一个个随随机机变变量。

量。

单因子试验：

单因子试验：

若试验中所考察的因子只有一个。

若试验中所考察的因子只有一个。

例例2.1-1现有甲、乙、丙三个工厂生产同一种零现有甲、乙、丙三个工厂生产同一种零件，为了了解不同工厂的零件的强度有无明显的差件，为了了解不同工厂的零件的强度有无明显的差异，现分别从每一个工厂随机抽取四个零件测定其异，现分别从每一个工厂随机抽取四个零件测定其强度，数据如表所示，试问三个工厂的零件的平均强度，数据如表所示，试问三个工厂的零件的平均强度是否相同？

强度是否相同？

工厂工厂量件强度量件强度甲甲乙乙丙丙1031019811011310710811682928486三个工厂的零件强三个工厂的零件强度度在这一例子中，考察一个因子：

在这一例子中，考察一个因子：

因子因子A：

工厂：

工厂该因子有三个水平：

甲、乙、丙该因子有三个水平：

甲、乙、丙试验指标是：

零件强度试验指标是：

零件强度这这是是一一个个单单因因子子试试验验的的问问题题。

每每一一水水平平下下的的试试验验结结果果构构成成一一个个总总体体，现现在在需需要要比比较较三三个个总总体体均均值值是是否否一一致致。

如如果果每每一一个个总总体体的的分分布布都都是是正正态态分分布布，并并且且各各个个总总体体的的方方差差相相等等，那那么么比比较较各各个个总总体体均均值值是是否否一一致致的的问问题题可可以以用用方方差差分分析析方方法法来解决。

来解决。

二、单因子方差分析二、单因子方差分析假假定定因因子子A有有r个个水水平平，在在Ai水水平平下下指指标标服服从从正正态态分分布布，其其均均值值为为，方方差差为为，i=1,2,r。

每每一一水水平平下下的的指指标标全全体体便便构构成成一一个个总总体体，共共有有r个个总总体体，这这时时比比较较各各个个总总体体的的问问题题就就变变成成比比较较各各个个总总体体的的均均值值是是否否相相同同的的问问题题了了，即即要要检检验验如下假设是否为真：

如下假设是否为真：

当当不真时，表示不同水平下的指标的不真时，表示不同水平下的指标的均值有显著差异，此时称因子均值有显著差异，此时称因子A是显著的，否是显著的，否则称因子则称因子A不显著。

检验这一假设的分析方法不显著。

检验这一假设的分析方法便是方差分析。

便是方差分析。

v方差分析的三个基本假定方差分析的三个基本假定1.在水平在水平下，指标服从正态分布下，指标服从正态分布；2.在不同水平下，各方差相等；在不同水平下，各方差相等；3.各数据各数据相互独立。

相互独立。

设在一个试验中只考察一个因子设在一个试验中只考察一个因子A，它有，它有r个个水平，在每一水平下进行水平，在每一水平下进行m次重复试验，其结果用次重复试验，其结果用表示，表示，i=1,2,r。

常常把数据列成常常把数据列成如下表格形式：

如下表格形式：

单因子试验数据表单因子试验数据表记第记第i水平下的数据均值为水平下的数据均值为，总均值为，总均值为。

此。

此时共有时共有n=rm个数据，这个数据，这n个数据不全相同，它们的个数据不全相同，它们的波动（差异）可以用总离差平方和波动（差异）可以用总离差平方和ST去表示去表示记第记第i水平下的数据和为水平下的数据和为Ti，；引起数据波动（差异）的原因不外如下两个：

引起数据波动（差异）的原因不外如下两个：

一是由于因子一是由于因子A的水平不同，当假设的水平不同，当假设H0不真不真时，各个水平下指标的均值不同，这必然会使试时，各个水平下指标的均值不同，这必然会使试验结果不同，我们可以用组间离差平方和来表示，验结果不同，我们可以用组间离差平方和来表示，也称因子也称因子A的离差平方和：

的离差平方和：

这里乘以这里乘以m是因为每一水平下进行了是因为每一水平下进行了m次试验。

次试验。

二是由于存在随机误差，即使在同一水平下二是由于存在随机误差，即使在同一水平下获得的数据间也有差异，这是除了因子获得的数据间也有差异，这是除了因子A的水平的水平外的一切原因引起的，我们将它们归结为随机误外的一切原因引起的，我们将它们归结为随机误差，可以用组内离差平方和表示：

差，可以用组内离差平方和表示：

Se：

也称为误差的离差平方和：

也称为误差的离差平方和可以证明有如下平方和分解式：

可以证明有如下平方和分解式：

ST、SA、Se的自由度分别用的自由度分别用、表示，它们也有分解式：

表示，它们也有分解式：

，其中：

，其中：

因因子子或或误误差差的的离离差差平平方方和和与与相相应应的的自自由由度度之比称为因子或误差的均方和，并分别记为：

之比称为因子或误差的均方和，并分别记为：

两者的比记为：

两者的比记为：

当当时时认认为为在在显显著著性性水水平平上上因子因子A是显著的。

其中是显著的。

其中是自由度为是自由度为的的F分布的分布的1-分位数。

分位数。

单因子方差分析单因子方差分析表表各个离差平方和的计算：

各个离差平方和的计算：

其中其中是第是第i个水平下的数据和；个水平下的数据和；T表示表示所有所有n=rm个数据的总和。

个数据的总和。

进行方差分析的步骤如下：

进行方差分析的步骤如下：

（1）计算因子）计算因子A的每一水平下数据的和的每一水平下数据的和T1，T2，Tr及总和及总和T；

（2）计算各类数据的平方和）计算各类数据的平方和；（3）依次计算）依次计算ST，SA，Se；（4）填写方差分析表；）填写方差分析表；（5）对于给定的显著性水平）对于给定的显著性水平，将求得的，将求得的F值与值与F分布表中的临界值分布表中的临界值比较，当比较，当时认为