minitab16案例教程PPT模板

A—假设测定－决定标本大小：
(3)：2 Proportion（单样本）
<统计－功效和样本数量－ 1 Proportion ： >
背景：H0：P1＝P2
Ha：P1 < P2 有意水平 α = 0.05 查出力 1－β = 0.9
P的备择值：实际要测定的比例？ －－母比率；
功效值（查出力）： 1－β ＝0.9
M--工序能力分析（连续型）：案例：Camshaft.MTW ① 工程能力统计：
短期 工序能力
长期 工序能力
X平均＝目标值 －> Cp＝Cpm
X平均≠目标值 －> Cp > Cpm
② 求解Zst（输入历史均值）：
历史均值：表示强行将它拉到中心位置 －>不考虑偏移－> Zst (Bench)
③ 求解Zlt（无历史均值）：
A—假设测定：案例：2sample-t.MTW (2)： 2-sample t（单样本）
① 正态性验证：
<统计－基本统计－ 正态性检验 ： >
背景：判断两个母集团Data的平均， 统计上是否相等（有差异）
步骤①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：t－test；
P-Value Biblioteka 0.05 → 正态分布目的：掌握多X因子变化对Y的影响（交互作用细节）； <统计－方差分析－双因子：>
材料、交互的P < 0.05 －>有意；
A—假设测定－决定标本大小： (1)：1-sample Z（已知u）
<统计－功效和样本数量－ 1-sample Z： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小
M--测量系统分析： 连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
所有点落在管理界限内 －>良好
大部分点落在管理界限外 －>主变动原因：部品变动
－>良好
－>测量值随部品的变动 －>测量值随OP的变动
－>对于部品10，OP有较大分歧；
M--测量系统分析： 离散型案例（名目型）：gage名目.Mtw
<统计－功效和样本数量－ 1 Proportion ： >
背景：H0：P＝ 0.9
Ha：P < 0.9 测定数据P1＝0.8 、 P2＝0.9
有意水平 α = 0.05
查出力 1－β = 0.9
P1=0.8 功效值（查出力）： 1－β ＝0.9 P2=0.9
母比率0.8 实际上是否0.9以下，需要样本102个
背景：3名测定者对30部品反复2次TEST
检查者1需要再教育； 检查者3需要追加训练； (反复性)
个人与标准的一致性 （再现性？）
两数据不能相差较大， 否则说明检查者一致的 判定与标准有一定差异
M--测量系统分析： 离散型案例（顺序型）：散文.Mtw 背景：3名测定者对30部品反复2次TEST
张四 需要再教育； 张一、张五需要追加训练； (反复性)
有意水平 α = 0.05
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 标准差（推定值）：sigma＝10
样本数量27 >已知u的1-sample Z的样本数量 －>t 分布假定母标准偏差未制定分析；
A—假设测定－决定标本大小：
(3)：1 Proportion（单样本）
假设P：H0的P值（0.9）
母比率0.8 实际上是否小于0.9，需要样本217个
A—假设测定：案例：Camshaft.MTW (1)： 1-sample t（单样本）
背景：对零件尺寸测定100次，数据能否说明与目标值（600）一致 （α = 0.05 ）
P-Value > 0.05 → Ho（信赖区间内目标值存在） →可以说平均值为600
有意水平 α = 0.05
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 标准差：sigma＝10
A—假设测定－决定标本大小：
(2)：1-sample T（未知u）
<统计－功效和样本数量－ 1-sample t： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小
无历史均值： －> 考虑偏移－> Zlt (Bench)
* Zshift ＝ Zlt (Bench) － Zlt (Bench) ＝12.13－1.82＝0.31
工序能力分析：案例：Camshaft.MTW 另：capability sixpack工具
M--工序能力分析（离散型）：案例：bpcapa.MTW (1)：二项分布的Zst
缺陷率： 不良率是否 受样本大小 影响？
－平均（预想）PPM＝226427 －Zlt＝0.75 ＝>Zst＝Zlt＋1.5＝2.25
M--工序能力分析（离散型）：案例：bpcapa.MTW (2)：Poisson分布的Zst
A—Graph（坐标图）：案例：Pulse.MTW
(1) Histograpm（直方图）－单变量
通过形态确认： －正规分布有无； －异常点有无；
(2) Plot（散点图）－X、Y双变量
通过形态确认： －相关关系； －确认严重脱离倾向的点；
(3)Matrix Plot（行列散点图－矩阵图）－多变量 (4)Box Plot（行列散点图－矩阵图）－多变量
(5)Multi-vari Chart（多变因图）Sinter.MTW
两数据不能相差较大， 否则说明检查者一致的判定 与标准有一定差异
M--正态性测定: (测定工序能力的前提) 案例： 背景：3名测定者对10部品反复2次TEST
P-value > 0.05 －> 正态分布（P越大越好） 本例：P＝ 0.022 ，数据不服从正态分布。 原因：1、Data分层混杂；
2、群间变动大；
目的：掌握多X因子变化对Y的影响（大概）；
－> 材料和时间 存在交互作用；
(5)Multi-vari Chart（多变因图）Sinter.MTW
目的：掌握多X因子变化对Y的影响（）； <统计－方差分析－主效果图、交互效果图：>
倾斜越大，主效果越大
无交互效果 －> 平行； 有交互效果 －> 交叉；
(5)Multi-vari Chart（多变因图）Sinter.MTW