非正態(tài)數(shù)據(jù)轉(zhuǎn)換及過程能力分析V.ppt

Nonnormal Data,非正態(tài)數(shù)據(jù)轉(zhuǎn)換,及過程能力分析,關(guān)于這個模塊,使用為正態(tài)分布數(shù)據(jù)設計的工具主要依賴于數(shù)據(jù)確實接近正態(tài)分布且穩(wěn)定(沒有異常原因)。 這個模塊主要研究對非參數(shù)數(shù)據(jù)起作用的方法。,我們將學到,1. 為什么我們需要正態(tài)數(shù)據(jù) 2. 如何檢驗正態(tài)數(shù)據(jù) 所有的數(shù)據(jù) 分層的數(shù)據(jù) 3. 我們?nèi)绾螌B續(xù)數(shù)據(jù)實施轉(zhuǎn)換使其正態(tài) 轉(zhuǎn)換的類型 轉(zhuǎn)換選擇 Box-Cox 方法 4. 非正態(tài)數(shù)據(jù)的流程能力分析,非正態(tài)數(shù)據(jù),不是所有的數(shù)據(jù)都是正態(tài),只在一個 方向有長尾的我們就說他是偏斜的,使用非正態(tài)數(shù)據(jù)的結(jié)果,案例：計算正態(tài)曲線的流程西格瑪 值 為了判定流程西格瑪，找到超出規(guī)格界限的缺陷區(qū)域：在Z表中查找不合格率如果數(shù)據(jù)是非正態(tài)的，那么估計的缺陷區(qū)域?qū)徽_， 使用這種方法將會得到錯誤的流程西格瑪值。,受非正態(tài)數(shù)據(jù)影響的方法,注意！,有些時候異常原因?qū)е抡龖B(tài)數(shù)據(jù)出現(xiàn)偏斜,尋找使數(shù)據(jù)偏斜的因子 始終繪制數(shù)據(jù)的時間序列圖 尋找流程平均數(shù)或可變性的偏移 可能導致偏斜 始終根據(jù)其他因子對數(shù)據(jù)分層 某個特殊組可能導致偏斜,案例：決定時間,目標：使用Minitab 檢查數(shù)據(jù)組的正態(tài)性。,背景： 一個商業(yè)貸款業(yè)務根據(jù)作出決定的 時間收集數(shù)據(jù)。可以得到100筆貸款 申請的數(shù)據(jù)。時間假定是按天記錄 。18天是允許決定的最長時間。,1. 繪制決定時間的直方圖 2. 構(gòu)建決定時間的正態(tài)圖 3. 決定時間是正態(tài)分布的嗎？ 4. 檢查時間圖和分層的點圖，判定是否： 有偏移發(fā)生在特殊的時間， 另一個因子導致偏斜。,直方圖,直方圖,正態(tài)性檢驗,StatBasic StatNormality Test,其他正態(tài)檢驗方法？,正態(tài)檢驗,檢查分層數(shù)據(jù),GraphDot Plot,Minitab 輸出,兩種因子分層都沒有明顯的證據(jù),時間序列圖,Graph Time Series Plot,結(jié)論 既不是因子(決定或區(qū)域) 也不是時間移動了數(shù)據(jù)。因此，假設決定時間是非正態(tài)的是可靠的。,看數(shù)據(jù)是否符合一個已知的分布,StatQuality ToolsIndividual Distribution Identification,分布識別圖,繪制流程能力圖,StatQuality ToolsProcess CapabilityProcess Capability Analysis Nonnormal,能力分析,什么是轉(zhuǎn)換？,“線性” 轉(zhuǎn)換 線性轉(zhuǎn)換有以下形式： Y = aX + b; 你能： 數(shù)據(jù)乘以一個常數(shù) u 給數(shù)據(jù)增加一個常數(shù) u 或兩者都做 線性轉(zhuǎn)換的例子 u 乘以或增加一個常數(shù)會影響數(shù)據(jù)的形狀(分布) ；它將只是改變刻度。 u 改變指數(shù)或使用三角函數(shù)會影響數(shù)據(jù)的形狀。,形狀改變轉(zhuǎn)換,BOX-COX,結(jié)果分析,檢驗轉(zhuǎn)換后是否正態(tài),檢驗結(jié)果,正態(tài)檢驗,使用Lambda,Box-Cox 轉(zhuǎn)換,Box-Cox 冪轉(zhuǎn)換把Y 升高到l1的冪,冪轉(zhuǎn)換包括以下方面：,能力分析,能力分析,能力分析,該你了,數(shù)據(jù)收集了銀行的排隊時間，上界限是3.5分鐘。 數(shù)據(jù)在“Bank Queue”欄中。,檢驗正態(tài)性。 選擇最佳轉(zhuǎn)換(如果需要)。