Minitab教材.ppt

Minitab的使用 QADepartment沈莹杰2007 08 MINITAB Mini Tabulator 小型 计算机Minitab是众多统计软件当中比较简单易懂的软件之一 相对来讲 Minitab在质量管理方面的应用是比较适合的 Minitab的功能齐全 一般的数据分析和图形处理都可以应付自如 在上个世纪80年代Motorola开始在公司内推行6Sigma 并开始借助Minitab使6Sigma得以最大限度的发挥 6Sigma的DMAIC阶段中 很多分析和计算都可以都通过Minitab简单的完成 即使是对统计的知识不怎么熟悉 也同样可以运用Minitab很好的完成各项分析 Minitab介绍 Minitab界面和基本操作介绍 DataWindow 输入数据的窗口每一列的名字可以写在最前面的列每一列的数据性质是一致的 主菜单 SessionWindow 分析结果输出窗口 Minitab界面 同一时间只能激活一个窗口 每一个窗口可以单独储存 不同的要求选择不同的保存命令 Minitab界面 打开文件 保存文件 打印窗口 编辑最后对话框 前一命令 下一命令 查找 查找下一个 管理图形 Info窗 关闭图形 剪切 复制 粘贴 恢复 statguide 程序文件夹 取消 帮助 数据文件夹 实验设计 撤销 History窗 文件窗 report窗 数据窗 程序窗 Pjtmanager Minitab工具栏介绍 Data ChangeDataType TexttoNumeric 需要转换的列 转换后数据存放列 可以是原来的数据列 数据类型的转换 ChangeDataType Data Stack StackColumns 输入需要堆栈的列 如果由前后顺序 按前后顺序进行输入 输入堆栈后存放列的位置 注解可以用来区分数据的来源 原始数据 数据的堆栈 Stack Unstack Data Stack StackBlocksofColumns 原始数据 在对话框中输入2 5列数据 注解列在前面 输入新工作表和注解的位置 数据块的堆积 StackBlocks 输入需要转置的列 输入新工作表的位置 可以输入注解列 Data TransposeColumns 转置栏 TransposeColumns Data Concatenate 输入需要连接的数据列 输入新数据列的位置 原始数据 连接 Concatenate Data code 原始数据 编码 规则 被编码的变量 编码 Code 基础统计 描述性统计 DisplayDescriptiveStatistics 打开附件 2255MB00BasicStats mpjStat BasicStatistics DisplayDescriptiveStatistics在 Variables 中输入 Diameter DescriptiveStatistics DiameterVariableNN MeanSEMeanStDevMinimumQ1MedianQ3Diameter1201 40000 04260 14751 21001 23501 45001 4650VariableMaximumDiameter1 6800 选择需显示的统计量 Stat Tables TallyIndividualVariables TallyforDiscreteVariables DiameterDiameterCount1 2111 2211 2311 2511 3811 4541 4711 5611 681N 12 描述性统计 Mode Stat BasicStatistics Graphicalsummary 描述性统计 GraphicalSummary 中位数 四分之三位数 四分之一位数 样本数 95 CI 真实的平均值95 置信区间 平均 P 0 05 正态分布 Minitab概率计算 Z分布 10 8 6 4 13 14 12 1 2 3 3 2 1 0 USL 16 10 假设过程 10 2 问题1 如果USL 13 USL和mean之间是多少mm 问题2 如果StdDev 2 USL和mean之间是多少个StdDev 问题3 超过USL部分的概率是多少 X刻度单位是mm Z刻度单位是标准偏差 P x 13 Minitab概率计算 Z分布 Calc ProbabilityDistributions Normal 在平均值和观测值之间有几个StDev Normalwithmean 0andstandarddeviation 1xP X x 1 50 933193 注 MTB中得出的是观测值左边部分概率 P X 13 1 0 933193 0 066807 练习 求Z 0 94的概率 SessionWindow输出 MinitabZ值计算 Z分布 Calc ProbabilityDistributions Normal 82 64 问题 P Z 0 8264 InverseCumulativeDistributionFunctionNormalwithmean 0andstandarddeviation 1P X x x0 82640 940034 SessionWindow输出 Minitab概率及Z值计算 Z分布 练习 分别计算下列Z值左边和右边部分的曲线所覆盖的面积1 1 2 4 3 2 0 45 2 2 1 75 Mean 20 StandardDeviation 4 计算下列X值左边和右边部分曲线所覆盖的面积22 26 20 18 14 Minitab之常用图形 特性要因图C EDiagram柏拉图ParetoChart散点图ScatterPlot矩阵图MatrixPlot直方图Histogram箱形图Boxplot时间序列图TimeSeriesPlot趋势图RunChart多变量图Multi VariChart Minitab常用的图形 Minitab常用的图形 特性要因图 Data File OpenWorksheet Data Surfaceflaws mtw Stat Qualitytools Causeandeffect Minitab常用的图形 特性要因图 点击sub 结果输出 Stat Qualitytools ParetoChart Minitab常用的图形 ParetoChart 输入缺陷列 输入频数列 其他项所占的比率1 80 pareto名称 X轴 Y轴名称 ParetoChart 掌握核心的少数原因而使用 遵循2 8法则 Minitab常用的图形 ParetoChart 4个缺陷项占88 5 Minitab常用的图形 ScatterPlot ScatterPlot 大致掌握两个变数 X Y 的相关关系而使用 Gragh ScatterPlot 输入MTB Minitab常用的图形 ScatterPlot 可以选择不同的输出表现形式 可以用直接方式判定 有正相关的倾向 更详细的说明可以参见回归分析 结果输出 Graph MatrixPlot MatrixPlot为同时掌握许多变数间的相关关系而使用 选择所有所关心的变数 显示Pulse1和Pulse2相关关系的散点图 显示Pulse1和Weight相关关系的散点图 显示Height和Weight相关关系的散点图 显示Height和Weight相关关系的散点图 和X轴 Y轴相互被调换 Data File OpenWorksheet Data Pulse mtw Minitab常用的图形 Matrixplot Graph Histogram Minitab常用的图形 Histogram Histogram 大致掌握data的中心和散布 异常点等信息 选择所需的变量 可以是多个 选择所需的直方图点击ok 可以知道分布的总体情况 包括范围 形态 最频值 散布大小 有无异常值等 BoxPlot 大致掌握Data的中心和散布形态 了解异常值是否存在 Q1 Q3 median UpperLimit Q3 1 5 Q3 Q1 内的最大值 Q3 将数据以顺序排列时位于 的值 中央值 将数据以顺序排列时位于中央的值 Q1 将数据以顺序排列时位于1 4的值 LowerLimit Q1 1 5 Q3 Q1 内的最小值 异常值 Data的中间50 Graph Boxplot Minitab常用的图形 Boxplot Minitab常用的图形 Timeseriesplot Timeseriesplot 掌握Data随时间的变化 Graph TimeSeriesPlot 输入MTB 输入序列 点击 Minitab常用的图形 Timeseriesplot 选择合适的图 依此状况来判定未定的销售趋势 结果输出 Minitab常用的图形 RunChart Stat QualityTools Runchart 是Stack形态的Data的话 选择有测定Data的行列 指定SubgroupSize 抽样内平均 中位数中选择 RunChart 掌握随时间经过对过程Data有何影响 掌握是否有异常原因的过程变化 用4个P Value判断数据的倾向 P Value0 05以上 稳定 P Value0 05不到 存在异常原因 ClusteringP Value为0 0096的解释 Clustering的假设验证判定值P Value 0 0096 0 05 结果 不稳定 存在异常值 一般题目没有特别说明的时候 置信度都为95 显著水平为5 置信度 显著水平 1 Data File OpenWorksheet Data Pulse mtw Minitab常用的图形 Multi VariChart Stat QualityTools Multi Varichart 选择反应值 Y 选择输入因子 X 最多能选择4个 Multi VariChart 掌握许多X因子水平变化时 Y因子的值怎样变化从而掌握因子间相互关系 在各X因子水平上Y因子的平均值怎样不同 在坐标上显示 MetalType3水平的平均连接的线 MetalType别SinterTime3水平的平均连接的线 MetalType15是SinterTime0 5 MetalType18是SinterTime1 0 MetalType21是SinterTime2 0上Strength最高 MetalType和SinterTime间交互作用存在 Data File OpenWorksheet Data Sinter mtw MSA测量系统分析 测量误差的组成部分 Accuracy 准确度Bias 偏移Linearity 线性Stability consistency 稳定性 一致性 Precision 精密度Repeatabilitytest retest 重复性Reproducibility 再现性 重复性是由一个评价人 采用一种测量仪器 多次测量同一零件的同一特性时获得的测量值变差 重复性 再现性 再现性是由不同的评价人 采用相同的测量仪器 测量同一零件的同一特性时测量平均值的变差 GRR 5 15 GageR R变动 99 置信区间 分辨率 分辨力发现最小变化的能力不恰当的测量单位测量单位对于所检测的变差来讲太大指导方针 10份制规则 测量系统的最小辨识力应为产品规范或过程变差的1 10 分辨力好 分辨力差 测量同样的过程输出 1 3 1 分辨力 变量型MSA的6步骤 进行初始校正研究策划 取样 大部分选择10个零件 是事先有计划准备 cover变动或Spec全范围 分辨力 记录所有测量系统所有的分辨力 试验和数据收集 通常需要3个操作员 10个零件 每个操作员对每个零件测量3次 重复 如果没有3个操作员 选择足够的样品以满足 ofsamples x ofoperators 14如果还是不可能 选择重复次数满足SxO 4 trials 6SxO 5 trials 5SxO 8 trials 4SxO 14 trials 3 标准操作程序 定位 盲测实施研究 好的观察和笔记是成功MSA的关键 注意观察下面内容 观察任何过程的偏差 寻找环境的改变 操作员的差异 输入数据的错误 使用仪器的错误分析和解释结果有必要时改进测量系统持续评价 MSA Variables Data Stat QualityTools GageStudy GageR RStudy Crossed 首选ANOVA方法 因为如果operator part显著 可以包含交互作用项 USL LSL 0 50 USL 1 0 LSL 0 6 USL 1 0 LSL 0 5 本例中 Two WayANOVATableWithInteractionSourceDFSSMSFPPart92 058710 22874539 71780 00000Operator20 048000 0240004 16720 03256Operator Part180 103670 0057594 45880 00016Repeatability300 038750 001292Total592 24912GageR R ContributionSourceVarComp ofVarComp TotalGageR R0 00443710 67Repeatability0 0012923 10Reproducibility0 0031467 56Operator0 0009122 19Operator Part0 0022345 37Part To Part0 03716489 33TotalVariation0 041602100 00StdDevStudyVar StudyVar ToleranceSource SD 5 15 SD SV SV Toler TotalGageR R0 0666150 3430632 6668 61Repeatability0 0359400 1850917 6237 02Reproducibility0 0560880 2888527 5057 77Operator0 0302000 1555314 8131 11Operator Part0 0472630 2434023 1748 68Part To Part0 1927810 9928294 52198 56TotalVariation0 2039651 05042100 00210 08NumberofDistinctCategories 4 SessionWindow Graphs MSA Variables MSA Variables 1 Stability稳定性 2 Discrimination分辨力 3 Repeatability重复性 4 Productvs Measurementvariation产品vs测量变差 1 2 3 5 5 4 5 对测定系统变动的直方图 根据测定者反复值R chart在管理界线内 故良好 5 Reproducibility再现性 目标是50 以上的点落在控制线以外 变动的原因主要是部件间的差异 根据测定者的变动 是测定者别全体的平均 根据部件的变动 是随部件的全体平均 部件与测定者间交互作用 ANOVA上交互作用 Oper Part 是显著的 Study Tolerance 置信区间不重叠的个数 全部变差的10 7 来自测量系统全部变差的3 1 来自重复性问题 其余的部分来自再现性问题89 来自零件的变差 SessionWindow MSA Variables MSA Variables MSA PurposeOfAttributeMSA 准确性检查评价标准和顾客要求对比 识别测量系统符合 已知标准 的程度精密性检查确认检查员 评价者 所有班次 设备 生产线是否使用相同标准评价 再现性量化检查员 评价者 或仪器准确重复检查结果的能力 重复性识别检查员 仪器测量 已知标准 顾客定义 确保没有错误分类的能力多久操作员会将不良品判为良品 多久操作员会将良品判为不良品 确定以下范围是否需要培训是否缺乏程序或控制计划标准是否未定义仪器调整是否是必须的 MSA AttributeMSA6step Step1 至少选择30个部件50 有缺陷50 没有缺陷尽可能选择界限附近的好的和不好的样品Step2 选择有资格的评价者Step3 每个评价者随机评价部件 确认是否通过或不通过Step4 输入Excel或MTB报告属性数据MSA的有效性Step5 结果文件化 如有必要 进行相应的改善Step6 再运行MSA 验证改善有效 MSA AttributeMSA Kappa比较了评价者之间去除了的偶然性的一致性比率由于偶然性一致的比率Pchance PInsp1Good PInsp2Good PInsp1Bad PInsp2Bad Kappa的判定规则通常如下0 9 极好的测量系统 MSA AttributeMSA 属性数据用3个或以上分类的顺序表示 可用KCC Kendall sCoefficientOfConcordance 评价测量系统KAPPA Pass FailKCC Mild Medium Hot VeryHot KCC的判定规则通常如下 0 0 7低程度联系 需关注测量系统 0 7 1 0通常可接收 MSA AttributeMSA Kappa Stat QualityTools Attribute AgreementAnalysis DATA Unstack数据 stack数据 评价人员 重复次数 已知标准值则输入所在列 顺序型数据check MSA AttributeMSA Kappa AttributeAgreementAnalysisAttributeAgreementAnalysisforR1T1 R1T2 R2T1 R2T2WithinAppraisersAssessmentAgreementAppraiser Inspected MatchedPercent95 CI1201995 00 75 13 99 87 2201890 00 68 30 98 77 Matched Appraiseragreeswithhim herselfacrosstrials Fleiss KappaStatisticsAppraiserResponseKappaSEKappaZP vs 0 1n0 8976980 2236074 014630 0000y0 8976980 2236074 014630 00002n0 7916670 2236073 540440 0002y0 7916670 2236073 540440 0002BetweenAppraisersAssessmentAgreement Inspected MatchedPercent95 CI201785 00 62 11 96 79 Matched Allappraisers assessmentsagreewitheachother Fleiss KappaStatisticsResponseKappaSEKappaZP vs 0 n0 8452610 09128719 259370 0000y0 8452610 09128719 259370 000 2个评价者Kappa 0 70 一致度较好 足够的重复性 评价者间的Kappa 0 70 足够的再现性 MSA AttributeMSA KCC 下面是对提议好坏的判断值 使用1 5的标准 1表示差 5表示极好 ProposalJudge1Judge2Judge3143324243545434453216232 例 MSA AttributeMSA KCC Stat QualityTools Attribute AgreementAnalysis MSA AttributeMSA KCC AttributeAgreementAnalysisforJudge1 Judge2 Judge3BetweenAppraisersAssessmentAgreement Inspected MatchedPercent95 CI600 00 0 00 39 30 Matched AllAppraisers assessmentsagreewitheachother Fleiss KappaStatisticsResponseKappaSEKappaZP vs 0 1 0 0588240 235702 0 249570 598520 0357140 2357020 151520 43983 0 1076920 235702 0 456900 676140 0000000 2357020 000000 500050 4375000 2357021 856160 0317Overall0 0330580 1320730 250300 4012Kendall sCoefficientofConcordanceCoefChi SqDFP0 67003410 050550 0738 还是能得到Kappa统计表 但是用不到它们 首先要看p值 记住KCC 0 表示有联系 如果p值很小 我们接受KCC 0 P值表示纯粹由于偶然而发生联系的可能性 这里表示有的纯粹由于偶然而发生非0KCC的机会是7 4 互相联系的水平 你的决定取决于你愿意承担的风险 通常设为0 05KCC比较小 MINITAB过程能力分析 DataCollection 反映长期的变动 C指数 P指数 Target Target 规格界限对称 规格界限对称 Cpk Cp Cpm Cpmk Ppk Pp Ppm Ppmk N N Y Y N Y N Y N Y 过程能力指数整理 变量型数据过程能力分析 变量型数据过程能力分析 PLSL 实际Data 变换Data ZBench的结果随长期或短期的标准偏差以及Target设定有 无 ZST和ZLT进行变换 USL LSL PUSL 3 0 4 5 ZBench PTOTAL PLSL PUSL 7 5 一般的 水平指ZBench的ZST值 ZBench ZBench的定义 变量型数据过程能力分析 NormalityTest 变量型Data上正态性测定是Data分析的基础 过程能力分析 平均值测定 效果分析等大部分利用变量型Data的分析结果的解释都假定正态分布 没有正态分布的话根据过程能力指数及P value的判断会出错 NormalityTest 正态性测定 Stat BasicStatistics NormalityTest 利用Minitab的正态性测定 正态性测定方法 通过一般坐标的大概的诊断 通过Histogram频度数的形状 利用NormalProbabilityPlot的大概的诊断 使正态分布的曲线成直线化 判断Data与直线的类似性利用NormalProbabilityPlot适合性测定 P value值越大越接近于正态分布 接近直线 正态分布的变量型数据过程能力分析 Stat QualityTools CapabilityAnalysis Normal 利用Minitab的过程能力分析 假定正态分布的过程能力分析 过程能力分析设定 一个OP生产的连续5个样品为一组 输入Singlecolumn Distance25 Sub groupsize Sub group25 or5LSL 9USL 11 非正态数据用Box Cox转化 工序数据规格的上限规格的目标值规格的下限数据的平均数据量组内标准偏差全体标准偏差 短期过程能力Cp 短期工序能力指数Cpk 考虑偏移的短期工序能力指数 长期过程能力Pp 长期工序能力指数Ppk 考虑偏移的实际工序能力指数 表示平均离目标值 Target 脱离多少的指数 平均与Target一样的话Cp Cpm相反远离的话是Cp Cpm 现在Data的完成能力现在数据来看因达不到规格的不良率是0PPM 短期的预想完成能力规格未达到或超过而发生的不良率是762 61PPM 长期的预想完成能力规格未达到或超过而发生的不良率是5641 18PPM 正态分布的变量型数据过程能力分析 Stat QualityTools CapabilityAnalysis Normal Option 利用Minitab的过程能力分析 ZBench ZST算出方法 输入Target值 过程能力分析设定 LSL输入 USL输入 Target值输入 正态分布的变量型数据过程能力分析 Zstbench 为求ZBench值Check下面 短期工序能力 ST ZBench 自Target ZST值Cpk 自Target算出 Z值算出 短期过程能力指数 ZST HistoricalMean上输入Target值 Within的ZBench 3 94 输入Target时Data的平均被忽视 只对Target的长 短期标准偏差计算 正态分布的变量型数据过程能力分析 Zstbench LSL输入 USL输入 Stat QualityTools CapabilityAnalysis Normal Option 利用Minitab的工序能力分析 ZBench ZLT算出方法 Target值未输入 考虑平均值 要分析的Raw数据在一个列输入的情况 工序能力分析设定 Target值未输入 为求ZBench值Check下面 正态分布的变量型数据过程能力分析 Zltbench 长期过程能力 LT ZBench 考虑偏移算出 Ppk ZLT值值Ppk 考虑偏移的实际过程能力指数 Z值算出 短期过程能力指数 ZST HistoricalMean上输入Target值 WithinZBench 3 94 无偏移影响长期过程能力指数 ZLT HistoricalMean上未输入Target值 OverallZBench 2 53 有偏移影响ZShift ZST ZLT 3 94 2 53 1 41 正态分布的变量型数据过程能力分析 Zltbench Stat SixSigma ProcessReport Normal 利用Minitab的过程能力分析其他方法 正态分布的变量型数据过程能力分析 其他方法 Stat QualityTools CapabilitySixpack Normal 利用Minitab的过程能力分析其他方法 正态分布的变量型数据过程能力分析 其他方法 属性数据过程能力分析 二项分布 二项分布式 P是出现特定现象的概率 1 P 是不出现特定现象的概率n 抽样数 x 不良数 P 母集团的不良率 P x 是n个中的不良x个存在的概率 Yield适用 Yield是Defect 0 时的概率 x 0 File OpenWorksheet Bpcapa MTW Stat QualityTools CapabilityAnalysis Binomial Data Minitab上利用二项分布数据的过程能力分析结果 提供P管理图 累计比率表 不良率的直方图 Capability统计量 PPM Z值 等 CapabilityAnalysis Binomial 结果 累计不良率 不良的比例 确认随机分布及异常值 不良率是否受样本大小的影响 确认以平均线为中心均匀分布 不良率的分布 过程能力 属性数据过程能力分析 二项分布 平均不良率 P 0 226427 预想PPM 226 427PPM 长期工序时ZLT 0 751 ZST ZLT 1 5 0 751 1 5 2 251 属性数据过程能力分析 泊松分布 Poisson分布式 不知道不良率 p 和总数 n 但n和p相乘的Defect数是知道的 故指结果的Defect数 X是Defec数 即 X 2的话Defect是发生2个的概率 n大 不良率p小的时候可使用 Yield适用 Yield是Defect 0 时的概率 而且Defect数np和DPU d u 相同的意思 Poisson分布的活用 File OpenWorksheet Bpcapa MTW Stat QualityTools CapabilityAnalysis Poisson Size不同的Unit数输入 Defect数输入 要了解的Defect数输入 收率是Defect是0的情况 故输入 0 Data 属性数据过程能力分析 泊松分布 平均DPU DPU的Min Max DistofDPUPoison分布形态 DPU的全体分布形状 CumulativeDPU累计MeanDPU汇聚形态 现在看Samplegroup55个适当 UChart不一定的每单位的缺点数管理图确认工序的管理状态 确认Random分布及异常值与否 DefectRate掌握DPU是否受样品大小的影响 以平均线为中心均匀分布 平均DPU与直接计算的相同 Defect数 Unit数 329 12 406 0 0265194 Min MaxDPU表示DPU从0 0 0 0753425存在 CapabilityAnalysis Poisson 结果 假设检验 2orMoreSamples 1Sample One WayANOVA 1 Samplet test 2 Samplet test Pairedt test 2Samples independent dependent 比较平均 比较变差 2orMoreSamples 1Sample TestforEqualVariances 1VarianceTest 2VarianceTest 2Samples ComparingOnetoaStandard ComparingOnetoOne ComparingMultipleGroups MakingComparisons RoadMap MakingComparisons RoadMap 比较比率 2orMoreSamples 1Sample Chi SquareTest 1ProportionTest 2ProportionTest 2Samples ComparingOnetoaStandard ComparingOnetoOne ComparingMultipleGroups 例 零售点想知道周平均销售是否 175 000 未知 0 05 1 sample t 假设 H0 175 000Ha 175 000 Stat BasicStatistics 1 Samplet H0落在置信区间内 拒绝H0失败 1 sample t 解释 p value 0 132因为p value value 0 05 所以不能拒绝H0H0为真 没有足够证据显示周平均销售 175 000 1variancetest 例 George想证明自己是高水平的分析员 预测误差 FE 的 3 0 05 假设 H0 3Ha 3 Stat BasicStatistics GraphicalSummary 输入90 求Sigma的置信区间为什么是90 而不是95 The90 CI中Sigma的上限是3 214 解释 总体标准偏差90 置信度 3 214 而3 214 不小于3 没有足够证据显示总体标准偏差 3 不能拒绝H0 SampleSize 1 SampleMean Stat PowerandSampleSize 1 Samplet 例 探测平均变化3 2时 需要的样本大小 variance 2 0 05 0 1或0 2或0 3 SampleSize 1 SampleMean练习 呼叫中心电话解决的历史平均时间是12 5minutes改善目标 时间降低20 估计改善后的StandardDeviation大约是1 2 Alpha 5 andapower 80 为验证改善需要的样本大小 Ho P 0 5 Target Ha P 0 5 Target 某BB对IPO InitialPublicOffering 进行调查 结果是130份调查中有55份不会主动透露收入预测 能否证明IPO调查中小于50 都不会主动透露收入 Stat Basicstatistics 1Proportion 全体个数 不良个数 置信度 要比较的比率 对立假设 求根据正态分布的测定和置信区间时使用 这里样品的大小充分大 以正态分布为基础 假设 例 5 1ProportionTest P Value0 048 0 05 可以说 50 接纳假设和对立假设 SampleSize 1Proportion 母集团比率从56 减小到54 时需要的样本大小 0 05 0 2 例 Stat PowerandSampleSize 1Proportion PowerandSampleSizeTestfor1ProportionTestingproportion 0 56 versus 0 56 Alpha 0 05AlternativeSampleTargetProportionSizePowerActualPower0 5438190 80 800009 1ProportionTest练习 一个制药厂研发了一种新药治疗偏头痛 想通过假设检验确认药的疗效至少 73 临床数据研究了143个有偏头痛的人 有111人表示使用用疼痛减轻 是否有足够证据显示该药疗效 73 significancelevel 5 一个调查随机抽取了3000名商店的雇员 2190名 73 表示对当前的工作满意估计73 有多少的可信度 有足够证据显示对当前工作的满意度 70 如果调查300名雇员 219名表示满意呢 练习一 练习二 2 Samplet test 例 某调查研究出纳员和ATM交易费用的对比 银行收集了随机的45个出纳和53个ATM的交易费用 进行假设检验确认出纳的平均交易费用是否比ATM至少高 0 35 0 05 Data 见附件 测定Data的正态 出纳费用的P Value是多少 是正态分布吗 ATM费用的P Value是多少 是正态分布吗 测定等分散性 看F Test还是Levene sTest P Value是多少 结果是 实施独立检验 withinsamples是否独立 betweensamples是否独立 P Value是多少 结果是 测定步骤 实施t Test 建立假设 significantlevel P Value是多少 结果是 2 Samplet test 正态性检验 统计性确认Data是否正态分布 假设 目的 Ho 是正态分布 Ha 不是正态分布 Stat Basicstatistics NormalityTest P Value均 0 05 所以都为正态分布 2 Samplet test 等分散检验 统计性确认Data的分散是否有差异 假设 目的 H0 2Teller 2ATMHa 2Teller 2ATM MINITAB的2个测定方法 F test data都是正态分布时Levene sTest data不是正态分布时 Stat Basicstatistics 2Variances或 Stat ANOVA TestforEqualVariances Stack形态的Data Unstack形态的Data p value value 不等分散 对DataBox plot 2 Samplet test 独立性检验 WithinGroups 假设 H0 DataisrandomHa Dataisnotrandom Stat Nonparametrics RunsTest p value 0 05 FailtorejectH0Conclusion Dataisrandom 2 Samplet test 独立性检验 BetweenGroups OriginalFile ModifiedFile 因为MTB相关性比较时需要相同数量数据 因此把ATM中第46 53个数据删除 生成新的一列ATM New Graph Scatterplot Select Simple ATM和Teller之间没有关联 Graphical分析 2 Samplet test 独立性检验 BetweenGroups 假设 H0 ATM和Teller不相关 独立 Ha ATM和Teller相关 独立 Stat BasicStatistics Correlation Analytical分析 相关系数r 0 136很小 弱相关或不相关p value 0 372 0 05 failtorejecttheNullHypothesis结论 Teller和ATM不相关 独立 假设 H0 Teller ATM 0 35Ha Teller ATM 0 35 2 Samplet test 检验平均值 Stat Basicstatistics 2 Samplet Stack形态的Data Unstack形态的Data 两个集团的散布相同的话Check 2 Samplet test 检验平均值 P Value0 022 0 05 Teller和ATM的平均差异大于0 35 Teller和ATM的的差异 对差异的信赖区间 Pairedt test 正态性检验 例 食品公司想比较2个分析员George和Lisa的预报是否有差异 随机预测了18个生产线 0 05 Data 见附件 检查Pairedttest的假定 只需要对difference进行检验 Independence UsetherunstestasbeforeNormality Checkfornormalityasbefore Stat Basicstatistics NormalityTest H0 Data正态Ha Data不是正态p 0 05 接受Ho 数据是正态分布 先用Calc Calculator计算出Differences Pairedt test 独立性检验 Stat Nonparametrics RunsTest H0 DataisrandomHa Dataisnotrandomp value 0 05 FailtorejecttheNullHypothesisConclusion Dataisrandom Pairedt test 检验difference Ho d 0 Ha d 0 假设 Stat Basicstatistics Pairedt Pairedt test 检验difference H0落在置信区间内 也就是说2个分析员预测的meandifference的95 置信区间包含0 两者的预测没有差异 解释 p value 0 482 value 0 05 failtorejectH0推断H0 Lisa和George预测的difference统计上不显著 2variancetest 统计性确认Data的分散是否有差异 假设 目的 H0 2regular 2dietHa 2regular 2diet 0 05 MINITAB的2个测定方法 F test data都是正态分布时Levene sTest data不是正态分布时 Stat Basicstatistics GraphicalSummary 例 供应商供应的regularsoda和dietsoda每瓶都是710ml 最近有顾客抱怨两种soda容量的变差有所不同 随机收集30瓶 测量容量 以确认regular和dietsoda变差是否有差异 Dataarenormal Dataarenotnormal GraphicalSummary DietSodaVolume GraphicalSummary RegularSodaVolume 2variancetest Stat Basicstatistics 2Variances或 Stat ANOVA TestforEqualVariances Stack形态的Data Unstack形态的Data p value value 不等分散 对DataBox plot TestforEqualVariances Regular Diet95 BonferroniconfidenceintervalsforstandarddeviationsNLowerStDevUpperRegular306 733658 7236712 2703Diet304 402925 704138 0232F Test normaldistribution Teststatistic 2 34 p value 0 025Levene sTest anycontinuousdistribution Teststatistic 5 47 p value 0 023 SessionWindow输出 SampleSize TwoMean Stat PowerandSampleSize 2 Samplet 例 探测平均变化3 2时 需要的样本大小 variance 4 0 05 0 2 SampleSize TwoMean 练习LevelI客户服务处理一个顾客抱怨平均花费50 78分钟 LevelII客户服务处理一个顾客抱怨平均花费27 5分钟 两个客户服务的StandardDeviation均为10 5分钟已知Alpha 5 power 90 确定总体均值不同所需样本大小 2ProportionTest Ho PA PB Ha PA PB 0 05 某集团的财务部门比较2项业务单位关于费用报告准确性的业绩 调查显示业务单位A的890份报告中有40份报告 4 5 有错误相似的调查显示业务单位B的700份报告中有23份报告 3 3 有错误基于上述数据财务部门的黑带需要确认因子X 业务单位 是否影响Y 费用报告错误 你是如何给他建议的 Alpha 5 Stat Basicstatistics 2Proportion 假设 例 2ProportionTest 解释 p value 0 212p value 0 212 risk 0 05 failtorejecttheNullHypothesis没有足够证据显示业务单位A和业务单位B费用报告错误的百分比有差异 2ProportionTest 练习 MedChoice Inc 给需要治疗偏头痛的人分发了2种商标的药有证据显示200名偏头痛的人中有145名表示使用商标A的药后症状减轻 同时150名中101名表示使用商标B的药后症状减轻公司能否推断在5 的显著性水平上 病人使用A后的疗效比使用B的疗效高 SampleSize 2Proportion 母集团比率从54 变化2 时需要的样本大小 0 05 0 2 例 Stat PowerandSampleSize 2Proportion 0 05 0 2时大约需要9700个样本才能观察到从54 变化2 One WayANOVA One WayANOVA一个因子 input X 有2个或2个以上水平Balanced 每个水平上样本大小相同Unbalanced 每个水平上样本大小不同Two WayANOVA2个因子 每个因子有2个或2个以上水平K WayANOVAK个因子 每个因子有2个或2个以上水平 ComparingMeans Two WayANOVA GeneralLinearModel GLM One WayANOVA