六西格瑪：相關(guān)和回歸分析ppt課件

1、分析階段,ZTE-GB402-V1.5,相關(guān)和回歸分析,峽析羨粗那宙軌闌恕籌桐趨腮蓄畦甕席喘捷挖謄揉婦狐煥六珊赦惋獲謝足六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,主要內(nèi)容,1. 相關(guān)分析 2. 回歸分析,晌詐嘶柵禾傳饅碳損歐斤延納姥緊猩審卞景弧瑯稅狄軌怠爾丸離汕歉憂嗣六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,學(xué)習(xí)目的,變量(X1)與變量(X2)間或X與Y間 -有多少相關(guān)性 相關(guān)分析 -變量間關(guān)系式的推測 回歸分析,它們之間有關(guān)系嗎? 有多強(qiáng)的關(guān)系? 有什么樣的關(guān)系式,機(jī)動(dòng)車的數(shù)量 vs 交通事故發(fā)生率 網(wǎng)板厚度 vs

2、焊膏厚度,梳秘獄砸埔養(yǎng)顛魁崗苛甜梭路雛扦諜司乃曹園侈藍(lán)暈升柏焙甭暑百遞欲找六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,1. 相關(guān)關(guān)系是,相關(guān)關(guān)系可以用數(shù)據(jù)來看出兩個(gè)變量(Y與X,或兩個(gè)X)間緊密程度如何. 兩者之間關(guān)系的強(qiáng)度通過相關(guān)系數(shù)(r)可以計(jì)數(shù)化. (Minitab使用Pearson product moment 相關(guān)系數(shù),1.0,0,1.0,負(fù)的相關(guān)系,正的相關(guān)關(guān)系,r,弱相關(guān)關(guān)系,決定點(diǎn),筐癸而罩說害撂鑄仟鑄醉至梳濾墓滑腆學(xué)鬼穴飾祈池吭僧搽苞龐吁鍛夢彩六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,r值,r 接近 -

3、1,r 接近 +1,) 正的相關(guān)關(guān)系 () 負(fù)的相關(guān)關(guān)系 接近0時(shí)幾乎沒有相關(guān)關(guān)系,相關(guān)系數(shù)的性質(zhì),為調(diào)查相關(guān)關(guān)系,需要數(shù)據(jù)構(gòu)造為成對的2個(gè)變量數(shù)據(jù),寨皆嬸完候夾劃駭薦新趕磋郊妨陜潛拉銀癸澡闌沫嗓圭色蹲算顧必噶唐釣六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,相關(guān)系數(shù)(Correlation Coefficient,一般表示為 (總體的相關(guān)關(guān)系),其范圍是 1 1,一般情況下我們無法知道的正確的值,因此使用從樣本推斷的值r.r從 如下公式得出且范圍是 -1 r 1 . 一般樣本大小(30個(gè)以上)為基準(zhǔn) 如果 |r| 0.80 時(shí)具有強(qiáng)的相關(guān)關(guān)系 如果 0.3

4、|r| 0.80 時(shí)具有弱的相關(guān)關(guān)系. 如果 |r| 0.30 時(shí)認(rèn)為沒有有效的關(guān)系,相關(guān)公式,劃嘲嚎型駐著貯稻鄙逃發(fā)勉尤愚戎病第椅炸媒燴擒謂忙邁緩速坦膳吼漣訝六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,強(qiáng)的正相關(guān),弱的正相關(guān),中間程度的正相關(guān), r | = 0.936, r | = 0.560, r | = 0.3390,強(qiáng)的負(fù)相關(guān),弱的負(fù)相關(guān),中間程度的負(fù)相關(guān),相關(guān)的類型和大小,佐廈摧鈞漲盒硫肇診蜂魂皆迂顏休椰尋身墨枕爬交醬殃拎淤脂蕩確亂許到六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,判斷相關(guān)類型,對結(jié)果 Y影響最大的

5、因子,可從點(diǎn)的密集程度判斷 單純通過散點(diǎn)圖分析相關(guān)關(guān)系時(shí)不客觀,因此需要客觀的分 析,即可看出相關(guān)程度的指數(shù)(相關(guān)系數(shù)計(jì)算方法等) 相關(guān)系數(shù)計(jì)算方法是從直線的觀點(diǎn)進(jìn)行分析. 曲線關(guān)系時(shí),如果以相關(guān)系數(shù)方法計(jì)算時(shí)會(huì)出現(xiàn)錯(cuò)誤的結(jié) 果,怒使脯詫幽幅樓豐違串突典吧負(fù)扇揍發(fā)偷胖憑顴特沾沃彪舞烴聘柞龜造吠六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,相關(guān)并不是分析所有的因果關(guān)系,即使證明Y與 X間具有相關(guān),也并不意味著Y的變動(dòng)一定是X的變動(dòng)引起的. 可能存在引起X與Y同時(shí)變動(dòng)的第3個(gè)隱藏變量. 兩個(gè)變量間有關(guān)系的結(jié)論并不意味著因果關(guān)系. 且樣本相關(guān)系數(shù)的值接近“0”表示

6、兩個(gè)變量間直線關(guān)系弱 ,并不意味著兩個(gè)變量間沒有關(guān)系,相關(guān)的濫用與誤用,刻蛻積擋秒培普享塑格史俺孿官緘快曳竿驢駭首禍賣松妒椿搶攜獵阻我毅六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,事例分析,單板生產(chǎn)過程中,刮刀壓力可能會(huì)影響到焊膏的厚度,為了了解刮刀壓 力和焊膏厚度的關(guān)系. 為此我們進(jìn)行幾次實(shí)驗(yàn)后得出如下資料.求此資料的散點(diǎn)圖及總體的 相關(guān)系數(shù),打開 A_08.mtw,梨鋅澆鉸警閥肢駝須留詩褂力擯教棘討你陳瞅崇勻墊防腥做滁奔墓約荷蚌六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Stat Basic Statistics Co

7、rrelation,從上面點(diǎn)來看,可以猜測有強(qiáng)的相關(guān)關(guān)系,穴九趣盟討削縫淚意戴侶辯糯奉碼絨汀鉛快烷趙閡帆淬業(yè)林緝鐐壁遺艷昨六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,分析結(jié)果根據(jù) 刮刀壓力和焊膏厚度的相關(guān)系數(shù)為 r = 0.955,可看出具有強(qiáng)的負(fù)相關(guān). 從上述結(jié)果可以得出:為了保證焊膏厚度符合要求.必須監(jiān)控刮刀的壓力,統(tǒng)計(jì)分析,結(jié)果解釋,汁凡咐滬卓昨蔥迫次址兢睫偏瓣綻棧評皮睜靡閱屈匆居鄙宦綏氣弦色佳摧六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,事例分析,下面給出13家上市公司的每股賬面價(jià)值和每股紅利，以 1.賬面價(jià)值作為

8、橫軸，畫散點(diǎn)圖 2.計(jì)算相關(guān)系數(shù)并解釋,嗣屎葷等錫正有萊肘志盧貼豎凹脂融生胡舊貍珊晌鑷銘疆族睦幼懾攘物螺六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,從散點(diǎn)圖我們可以看出什么,相關(guān)系數(shù)可以看出什么,糾菌顧蜒槐順梅厘婁枕雕臣冊駕效彪旋床埔縮紀(jì)美梳稱剪逾虞難功又擋檀六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,通過它我們可以知道哪個(gè)輸入對輸出值 有多少影響? 為了得到想要的輸出值, 我們應(yīng)按什么水 平管理X的規(guī)格,回歸尋找“Y”與“X”關(guān)系的方法 什么是回歸？ 描述“ Y”與“X”關(guān)系的數(shù)學(xué)方法 創(chuàng)建過程的“模型,2. 回歸分析,

9、棱鵑找貿(mào)濁箭諒疲臀脫敝慶憲骨慌鈣胡破敦茄詐競磷檬仲撅縣丘湊準(zhǔn)花再六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,相關(guān)是告訴關(guān)系的程度,回歸分析是找出Y=F(X)的函數(shù)關(guān)系式,回歸分析的種類,單純回歸模型:獨(dú)立變量為一個(gè) 多重回歸模型:獨(dú)立變量為兩個(gè)以上 例 Y = a + bx1 + cx2 + dx3,單純線性回歸模型:設(shè)定直線關(guān)系后分析 例 Y = a + bx 曲線回歸模型 : 設(shè)定曲線關(guān)系后分析 例 Y = a + bx + cx2 + dx3 Y = a bx,給滔襲爺擁軀房砍奠拎蹦柔句悔腔柜蛾斃隱深痛照敗贖縫段史起跡膽腋期六西格瑪：相關(guān)和回歸分析（P

10、PT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,單純線性回歸,回歸分析的階段,Data 收集,用散點(diǎn)圖確認(rèn)關(guān)系,用最小二乘法 推斷總體,進(jìn)行方差分析,畫直線 (Line Fitting,分析殘差,此章的因子為一個(gè),因子和輸出值(Y)的關(guān)系為直線關(guān)系的單純線性回歸(Simple Linear Regression,揍先惑疆囤枕隸叔殘嶺寸給賦鳳藝治世萍訊慕芒激葷攔廄傲驗(yàn)酶鳥輔宋毀六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,通過樣本推測的直線,未知的真實(shí)直線,Yi = + xi + i (i = 1,., n,i 是相互獨(dú)立的,遵守N(0, 2) 的概率變量,

11、單純線性回歸模型,i,ei,xi, yi,x,y,在這里, i iid N(0,2,Model,定義 一個(gè)獨(dú)立變量(x)與 一個(gè)從屬變量(Y)間的關(guān)系 方程式化后顯示的方法,傷訂媚語賺緝漣傷削盟跑屬芽淆笆三豌鯉強(qiáng)宵瘧姐縷辛歌婚幫病匣拱弱姓六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,將誤差平方和最小化的推斷方法,找出將殘差平方最小化的直線,最小平方和的單純回歸,單純回歸直線,與回歸直線的 差異(誤差,直線是以“最小平方和推斷法 (least square estimation)”的 原則畫出的.從資料的點(diǎn)到直線 的距離的平方和最小化,目句塢姨敵閱畸了納喂叼尊勢

12、步弛聚娟番豹巧語上葬田央時(shí)翟肋酵猜橢懇六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,e,b,Scatter Plot Y vs.X with Fitted Line Y = a + bX,直線的方程式是 Y = a +bX a是 常數(shù), b是斜率. “擬合線”是包括實(shí)際點(diǎn)和直線的平 方差的和最小化后形成的直線. 實(shí)際資料的點(diǎn)和直線的差異稱為 殘差(residuals(e,擬合線,回歸方程式構(gòu)造,導(dǎo)跋尉狼牙烤肝貯碩祿植廟疽現(xiàn)狽絲陋聚說燦扛屆丟榴茅誦椽迄脅蹈硼摳六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,殘差(e)是對誤差的最佳

13、推斷值,是實(shí)際結(jié)果值和回歸方程式推測的最佳值間的差異,殘差 : 實(shí)際觀測值(yi )和推測值 的差,殘差越小推斷的回歸式更能說明實(shí)際結(jié)果,殘差是誤差的最好的推斷值. 殘差按大小排列或按資料的順序排列時(shí),它們以“0”為軸相對稱,并且不能存在 特別的傾向,喪椰德凰恩糟厭曬讒纏撇嘎湃形稠耙隅冬估彤隙講夫喘膨囤鮮彼研傾彭玖六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,大家用MINITAB對上述數(shù)據(jù)進(jìn)行回歸分析,打開 : A13.mtw,下面是對硅膠強(qiáng)度有重要影響的SiO2使用量 的關(guān)系的分析數(shù)據(jù),事例分析,閱血囊辨輻道眩哆堅(jiān)斬善紊啼繪廷叁隱活薄娶焉鯉箋軟進(jìn)狂耶萄擾儈辜

14、氨六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Graph Plot,從散點(diǎn)圖看似乎有一定相關(guān)性! 那么要進(jìn)一步分析有多少相關(guān)性,籍嗎土染纏看遵疊刺寬社典昏皋軟臥練陌圭病績囂蝸配呵歲硬拋扮訖蝶談六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Stat Regression Regression,回歸方程式,方差分析,訛鄉(xiāng)葵兔顆撓植朱刮砍諜煞塌滴輔伊坑西剃郊示啃恕阮鄉(xiāng)無菩幢酚采壓毒六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,s:殘差(誤差)的標(biāo)準(zhǔn)差。殘差為觀測值預(yù)測值。換句話說，指觀 測點(diǎn)至回歸

15、方程式中描述的擬合線的距離。(對于優(yōu)秀的模型， 此值應(yīng)較小) s = MS(error)1/2 R-Sq:由擬合線能夠“ 解釋”的總變差的百分?jǐn)?shù)。由“ X”解釋的變差。 (對于優(yōu)秀的模型，此值應(yīng)較大) R-Sq(adj):對過于擬合情況(方程式中的變量過多)的調(diào)整，它將包括 模型中的項(xiàng)數(shù)與觀測值的個(gè)數(shù)進(jìn)行對比 其中 n = 觀測值數(shù)量 p =模型中項(xiàng)數(shù)，包括常數(shù),判斷的方法,New,渴求齊鈉澄餃川掐中篙刊忿砒罰若氈訂陶薄拱婿賤爬澎洪旺裔扛葫拒竅尾六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,X” 變量的p值 - 速度 Ho: 斜率= 0 H1: 斜率 = 0

16、或者，另一種表達(dá)方式： Ho: “ X” 不顯著 H1: “ X” 顯著,常數(shù)的p-值 H0：直線通過原點(diǎn)(0,0) (0硬度=0使用量) H1：直線不通過原點(diǎn)(0,0,結(jié)果判斷,R2越大，模型對工序模擬得越好,New,暖孩峻貯害鹽葉闖瑯勿二紀(jì)燙華韶平但濫逞涼虛薯仰駿邪溝枉閉驗(yàn)薦甜結(jié)六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,SSregression:由模型中的“ X” 解釋變量“ Y”的變動(dòng) 每一X值對應(yīng)的模型預(yù)測值和Y的總平均值之 差的平方和。 SSerror:未被解釋的“Y”的變差。每個(gè)數(shù)據(jù)點(diǎn)的Y觀測 值和該數(shù)據(jù)點(diǎn)Y的預(yù)測值之差的平方和。值 越小越好。

17、 SStotal:Y值相對其平均值的總變差,結(jié)果判斷,回歸項(xiàng)(的SS 和 MS) 應(yīng)比誤差項(xiàng)的 (SS 和 MS)大,通過查看R-Sq, R-Sq(adj)，s和p值來評估模型,p-值應(yīng) 0.05，以表示統(tǒng)計(jì)顯著性 (良好擬合的方程式,New,糜炬戌大昭迸枷呻哺晃韭頻拆漚稈泣窿驕妻撫甭旱愚孤笛姨起江汁庶胳噬六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Stat Regression Fitted Line Plot(擬合線,R-sq值稱為決定系數(shù),用R2 表示,范圍是 0 R2 1 ,R2 越接近 1時(shí)可以說明越接 近回歸線,暖渡昆呈氮棚錢漆驕慫汲悟鐳捅王縷膽

18、仔巡犁示耐只釬茁逞沏拙考邦檻談六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Stat Regression Fitted Line Plot,殘差分析,Storage Oprion中選擇 Residual和 Fits時(shí),可得出如下數(shù)據(jù),僧搜盯詢愈小思援扳仿喧咽齒對墳鈴裙楊千獄霹融渣嫂狂洶吐拎擠酪壹準(zhǔn)六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,Stat Regression Residual Plots(殘差圖表,殘差具有多少正態(tài)性,條狀圖是鐘型的曲線嗎? 要無視(30)以下的資料,個(gè)別殘差能看出多少傾 向?或異常點(diǎn),是否沒有

19、傾向,對“0” 是隨機(jī)的,魔廊哩迄寫序降奴爪毒項(xiàng)錐馴穆陜捶志籌塹刪簡幸胖姜探澎顛擬嘲嗆淺凰六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,回歸分析結(jié)果解釋,SiO2的使用量(X)與強(qiáng)度(Y)間的推斷回歸式是 強(qiáng)度(Y) = 3.07+6.9 SiO2使用量(X) . 且兩個(gè)變量回歸系數(shù)為72%,可以說具有強(qiáng)的關(guān)系. (使用Adj. R-sq) 即,用上述回歸直線可以說明的變動(dòng)量為72%. 觀察方差分析表,粗裕淬抨鯉鎊疤斯亞衫呀醇掀腿讓瞳屏傈式住午拷守僳呂漣汽褥綸逛脂頂六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,回歸相關(guān)警告 -

20、 圖表,R-Sq. 66.2,R-Sq. 66.2,R-Sq. 66.2,R-Sq. 66.2,對4個(gè)不同的資料群從基本統(tǒng)計(jì)結(jié)果來看似乎一樣,但期間很明顯有差異. 總是要用一種以上的方法來看,不要忘記憶原始資料(raw data)! 畫散點(diǎn)圖,歹具卞竊淋屁造沙同只罩瀑挖磨補(bǔ)陛搶瘋埂擎腕枉坑余證纂厄從界杖岡帽六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,相關(guān)與回歸的概要,相關(guān)分析可以作為非常有用的工具活用于實(shí)際生活中. 相關(guān)關(guān)系是看出兩個(gè)連續(xù)型變量間相關(guān)性的尺度 假定因果關(guān)系時(shí)需要更加注意. 回歸模型將變量間的關(guān)系顯示為線型或非線型函數(shù). 回歸分析可以從回歸式預(yù)

21、測期望值,區(qū)米潤咒諾僻衍覆惋常捍洛罐老舶牟空教步博郴見激啼盆伺綠閱媽靳巒陜六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,您相信我們的家電所占據(jù)的展示廳面積的大小會(huì)影響銷售量。您已經(jīng)收集了過去12個(gè)月內(nèi)，多個(gè)零售點(diǎn)銷售量與總的占地面積方面的數(shù)據(jù)?，F(xiàn)在，您希望分析這些數(shù)據(jù)，看占地面積是否確實(shí)與年銷售量存在某種關(guān)系,應(yīng)用所學(xué)的單變量回歸方法。準(zhǔn)備解釋您的答案、以及支持您的結(jié)論的結(jié)果,K) (平方英尺,New,枝湛毒骨暗窿陳既缺垛濕蕾什餃追曳孫侯眺鳳菏亮覽操蟹兢牲悟柿數(shù)諸籬六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,分析階段總結(jié),如

22、果我們的數(shù)據(jù)量比較大，采集數(shù)據(jù)非常容易時(shí)，我們可 以使用描述型的統(tǒng)計(jì)工具進(jìn)行分析。 1.如果想知道變量的分布形狀、平均值的位置、離散程度、傾斜度、 峰態(tài)等具體的統(tǒng)計(jì)信息，可以用Display Descriptive Statistics 工具來分析. 2.如果我們想知道變量分布形狀、均值的大概位置、離散的程度的粗 略信息時(shí)，我們可以用Histogram、 Multiple Dotplot等工具分析. 3.如果我們要比較兩個(gè)變量或者想知道在不同“條件”下變量發(fā)生什么 樣的變化時(shí)，我們可以用Box plot、 Multiple Dotplot工具來分析,New,吊墾捶兒莖霓捐贍撒謹(jǐn)防影淪中森維渭瘋

23、恢滬往金雕鍛姥侄殃絆狀毖晦壞六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,4.如果我們想知道變量之間的相互關(guān)系時(shí)，可以使用Scatter plot 、 Marginal plot （兩個(gè)變量之間的關(guān)系）和 Matrix plot（多個(gè)變量之 間的相互作用）. 5.如果我們想知道隨著時(shí)間變化，變量怎樣變化時(shí)可以使用Time series plot進(jìn)行分析. 6.如果我們要知道多個(gè)輸入變量（X）對輸出變量（Y)的影響程度，可以 使用Multi-Vari Chart、Main Effects Plot進(jìn)行分析. 7.如果我們要知道不良品,缺陷數(shù),爭議點(diǎn),事故的現(xiàn)象或原因等集中在哪 些方面的時(shí)候，可以使用Pareto chart、 Pie chart進(jìn)行分析,New,荒纓啟長苫犯抓擺攣超兌糊號唯蔫惜澀盆蜘雜柳侵氰軒肥察潛遍傣喜怠捏六西格瑪：相關(guān)和回歸分析（PPT 39）六西格瑪：相關(guān)和回歸分析（PPT 39,如果我們的數(shù)據(jù)量比較小，采集數(shù)據(jù)非常難，我們可以使 用假設(shè)檢驗(yàn)工具對均值進(jìn)行分析。 一、我們涉及的數(shù)據(jù)是連續(xù)性的數(shù)據(jù)時(shí) 1. 如果我們想知道一個(gè)變量跟一個(gè)基準(zhǔn)值是否在統(tǒng)計(jì)意義上有顯著性差 異的時(shí)候（也就是判斷這個(gè)變量是否發(fā)生了異常原因的波動(dòng)），可以 使用1 sample