Minitab全面培訓(xùn)教程-課件

Minitab統(tǒng)計(jì)分析Minitab全面培訓(xùn)教程Minitab是眾多統(tǒng)計(jì)軟件當(dāng)中比較簡(jiǎn)單易懂的軟件之一；相對(duì)來(lái)講，Minitab在質(zhì)量管理方面的應(yīng)用是比較適合的；Minitab的功能齊全，一般的數(shù)據(jù)分析和圖形處理都可以應(yīng)付自如。Minitab全面培訓(xùn)教程在上個(gè)世紀(jì)80年代Motolora開始在公司內(nèi)推行6Sigma，并開始借助Minitab使6Sigma得以最大限度的發(fā)揮；6Sigma的MAIC階段中，很多分析和計(jì)算都可以都通過(guò)Minitab簡(jiǎn)單的完成；即使是對(duì)統(tǒng)計(jì)的知識(shí)不怎么熟悉，也同樣可以運(yùn)用Minitab很好的完成各項(xiàng)分析。Minitab全面培訓(xùn)教程計(jì)算功能計(jì)算器功能生成數(shù)據(jù)功能概率分布功能矩陣運(yùn)算Minitab全面培訓(xùn)教程數(shù)據(jù)分析功能基本統(tǒng)計(jì)回歸分析方差分析實(shí)驗(yàn)設(shè)計(jì)分析控制圖質(zhì)量工具可靠度分析多變量分析時(shí)間序列列聯(lián)表非參數(shù)估計(jì)EDA概率與樣本容量Minitab全面培訓(xùn)教程圖形分析直方圖散布圖時(shí)間序列圖條形圖箱圖矩陣圖輪廓圖三維圖點(diǎn)圖餅圖邊際圖概率圖莖葉圖特征圖Minitab全面培訓(xùn)教程由于時(shí)間有限，很多內(nèi)容只是做簡(jiǎn)單的介紹；在兩天的時(shí)間里，主要的課程內(nèi)容安排如下：R&D研發(fā)支援生產(chǎn)

6σTransactionManufacturing區(qū)分第一天第二天上午基本界面和操作介紹常用圖形的Minitab操作特性要因圖柏拉圖散布圖直方圖時(shí)間序列圖4）組間/組內(nèi)能力分析5）Weibull能力分析基礎(chǔ)統(tǒng)計(jì)和假設(shè)檢驗(yàn)1)描述統(tǒng)計(jì)2)單樣本Z測(cè)試3)單樣本T測(cè)試4)雙樣本T測(cè)試5)成對(duì)T測(cè)試6)1比率測(cè)試7)2比率測(cè)試8)正態(tài)分布下午SPC的Minitab操作

1)Xbar-RChart2)Xbar-SChart

3)I-MRChart4)Z-MRChart5)I-MR-R/SChart6)PChart7)NPChart

8)CChart9)UChart能力分析1）正態(tài)分布圖能力分析2）泊松分布圖能力分析3）二項(xiàng)分布圖能力分析方差分析1)單因數(shù)和雙因數(shù)方差分析回歸分析1)簡(jiǎn)單回歸2)逐步回歸MSA測(cè)量系統(tǒng)分析1)測(cè)量重復(fù)和再現(xiàn)性

(交叉Crossed、嵌套Nested)2)測(cè)量走勢(shì)圖3)測(cè)量線性研究4)屬性測(cè)量R&R研究（計(jì)數(shù)）Minitab全面培訓(xùn)教程Minitab界面SessionWindow:分析結(jié)果輸出窗口DataWindow:輸入數(shù)據(jù)的窗口每一列的名字可以寫在最前面的列每一列的數(shù)據(jù)性質(zhì)是一致的主菜單Minitab界面同一時(shí)間只能激活一個(gè)窗口.每一個(gè)窗口可以單獨(dú)儲(chǔ)存.不同的要求選擇不同的保存命令打開文件保存文件打印窗口之前之后命令查找數(shù)據(jù)查找下一個(gè)數(shù)據(jù)取消幫助顯示因子設(shè)計(jì)當(dāng)前數(shù)據(jù)窗口session窗口剪切復(fù)制粘貼恢復(fù)顯示worksheets折疊顯示GRAPH折疊狀態(tài)向?qū)э@示session窗口折疊項(xiàng)目窗口關(guān)閉所有圖形窗口重做編輯最近對(duì)話框歷史記錄報(bào)告便棧打開相關(guān)文件項(xiàng)目管理窗口插入單元格插入行插入列移除列工具欄的介紹數(shù)據(jù)的生成

(MakeRandomData)例：生成一組男生身高的數(shù)據(jù)，要求：平均身高175cm，標(biāo)準(zhǔn)偏差5cm，數(shù)據(jù)個(gè)數(shù)100.Select:計(jì)算>隨機(jī)數(shù)據(jù)>正態(tài)數(shù)據(jù)的生成結(jié)果生成有規(guī)律的數(shù)據(jù)Select:計(jì)算>產(chǎn)生模板化數(shù)據(jù)>簡(jiǎn)單數(shù)集結(jié)果輸出數(shù)據(jù)類型的轉(zhuǎn)換

(ChangeDataType)Select:數(shù)據(jù)>更改數(shù)據(jù)類型>數(shù)字到文本需要轉(zhuǎn)換的列轉(zhuǎn)換后數(shù)據(jù)存放列，可以是原來(lái)的數(shù)據(jù)列數(shù)據(jù)類型的轉(zhuǎn)換結(jié)果數(shù)據(jù)的堆棧（Stack&Unstack）Select:數(shù)據(jù)>堆疊>列原始數(shù)據(jù)輸入需要堆棧的列，如果由前后順序，按前后順序進(jìn)行輸入輸入堆棧后存放列的位置注解可以用來(lái)區(qū)分?jǐn)?shù)據(jù)的來(lái)源數(shù)據(jù)的堆棧結(jié)果數(shù)據(jù)塊的堆棧(StackBlocks)Select:數(shù)據(jù)>堆疊>列的區(qū)組原始數(shù)據(jù)在對(duì)話框中輸入2~5列數(shù)據(jù)，注解列在前面輸入新工作表和注解的位置數(shù)據(jù)塊的堆棧結(jié)果轉(zhuǎn)置欄（TransposeColumns）Select:數(shù)據(jù)>轉(zhuǎn)置列輸入需要轉(zhuǎn)置的列輸入新工作表的位置可以輸入注解列轉(zhuǎn)置結(jié)果連接（Concatenate）Select:數(shù)據(jù)>合并原始數(shù)據(jù)輸入需要連接的數(shù)據(jù)列輸入新數(shù)據(jù)列的位置連接結(jié)果編碼（Code）Select:數(shù)據(jù)>編碼>數(shù)字到文本原始數(shù)據(jù)被編碼的變量存儲(chǔ)編碼值的欄規(guī)則編碼編碼結(jié)果Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程特性要因圖控制圖(參見SPC部分)柏拉圖散布圖直方圖時(shí)間序列圖σσσσσσMinitab全面培訓(xùn)教程決定特性Y頭腦風(fēng)暴找出可能的要因X將X依5M+1E方式列表將表輸出MINITAB中輸出結(jié)果圖形Minitab全面培訓(xùn)教程人機(jī)料法環(huán)測(cè)不夠熟練設(shè)備沒(méi)有保養(yǎng)原料沒(méi)有檢查沒(méi)有設(shè)定標(biāo)準(zhǔn)化方法溫度太高儀器偏差太大培訓(xùn)不夠設(shè)備不常清掃原料含s,p太高抽樣方式不合理濕度太低儀器R&R太高監(jiān)督不夠沒(méi)有進(jìn)行點(diǎn)檢輸入表中Select:統(tǒng)計(jì)>質(zhì)量工具>因果注意輸入格式填好各項(xiàng)需要的參數(shù)結(jié)果輸出:Minitab全面培訓(xùn)教程收集各項(xiàng)質(zhì)量特性缺陷列成表輸入到MINITAB中MINITAB繪出圖形找出關(guān)鍵的Y特性Minitab全面培訓(xùn)教程項(xiàng)次缺陷項(xiàng)數(shù)量1虛焊5002漏焊3003強(qiáng)度不夠2004外觀受損1505其它160Minitab全面培訓(xùn)教程Select:統(tǒng)計(jì)>質(zhì)量工具>Pareto圖填好各項(xiàng)參數(shù)輸入缺陷列輸入頻數(shù)列在此指定“95%”將使余下的圖示為“Others”。設(shè)置X軸,Y軸標(biāo)簽可以對(duì)柏拉圖進(jìn)行命名結(jié)果輸出不良項(xiàng)目不良數(shù)不良率累計(jì)不良率摩擦痕7.780.370.37輥印2.440.120.48污染2.270.110.59劃傷2.220.110.70線形裂紋1.970.090.79異物壓入1.330.060.85斑痕1.110.050.91微細(xì)裂紋0.770.040.94墊紙壓入0.680.030.98軋機(jī)墊紙印痕0.510.021.00合計(jì)21.08

下表為STS冷軋工廠ZRM不良現(xiàn)狀,試做分析練習(xí):Minitab全面培訓(xùn)教程決定你所關(guān)心的Y決定和Y有可能的X收集Y和X的數(shù)據(jù)輸入MINITAB繪出圖形判定Y和X之間的關(guān)系Minitab全面培訓(xùn)教程YX65800668106582066830678406785068860688706789068900Minitab全面培訓(xùn)教程Select:圖形>散點(diǎn)圖輸入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式輸出圖形可以用直接方式判定，有正相關(guān)的傾向。更詳細(xì)的說(shuō)明可以參見回歸分析Minitab全面培訓(xùn)教程決定你所關(guān)心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出直方圖進(jìn)行判定練習(xí)序號(hào)零件重量161.161.361.460.660.662.061.060.6260.660.860.961.361.060.860.760.2361.360.660.360.761.260.661.162.1461.060.861.860.960.961.761.460.4560.960.260.661.561.759.862.162.3661.060.860.960.661.161.061.160.9760.360.761.061.760.561.661.660.7860.561.361.561.161.060.761.260.8961.061.461.060.361.161.161.061.11061.260.960.461.660.660.460.360.61160.460.561.361.261.960.961.060.71260.860.859.760.861.061.260.660.71362.361.261.260.061.060.161.461.11462.260.960.561.662.561.161.061.41560.160.861.061.160.861.561.760.5Select:圖形>直方圖輸入數(shù)據(jù)例:右表為某零件重量的數(shù)據(jù).試作(1)直方圖(2)計(jì)算均值x和標(biāo)準(zhǔn)差s(3)該特性值的下限是60.2克,上限是62.6克,在直方圖中加入規(guī)格線并加以討論.填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式可以同時(shí)為幾個(gè)變量作直方圖點(diǎn)擊此選項(xiàng)輸入上下規(guī)格界限結(jié)果輸出請(qǐng)依照直方圖分析方法來(lái)進(jìn)行圖形分析和判定更深入的分析可以參見制程能力分析部份。Minitab全面培訓(xùn)教程決定你所關(guān)心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出時(shí)間序列圖進(jìn)行判定Minitab全面培訓(xùn)教程時(shí)間銷售量2006/11502006/21262006/31352006/41652006/51902006/61702006/71752006/81802006/9176輸入數(shù)據(jù)Select:圖形>時(shí)間序列圖填入?yún)?shù)可以選擇不同的輸出表現(xiàn)形式時(shí)間刻度設(shè)置結(jié)果輸出依此狀況來(lái)判定未定的銷售趨勢(shì)。Minitab全面培訓(xùn)教程控制圖一.控制圖原理1.現(xiàn)代質(zhì)量管理的一個(gè)觀點(diǎn)--產(chǎn)品質(zhì)量的統(tǒng)計(jì)觀點(diǎn)a.產(chǎn)品的質(zhì)量具有變異性.b.產(chǎn)品質(zhì)量的變異具有統(tǒng)計(jì)規(guī)律性.至工業(yè)革命以后,人們一開始誤認(rèn)為:產(chǎn)品是由機(jī)器造出來(lái)的,因此,生產(chǎn)出來(lái)的產(chǎn)品是一樣的.隨著測(cè)量理論與測(cè)量工具的進(jìn)步,人們終于認(rèn)識(shí)到:產(chǎn)品質(zhì)量具有變異性,公差制度的建立是一個(gè)標(biāo)志.產(chǎn)品質(zhì)量的變異也是有規(guī)律性的,但它不是通常的確定性現(xiàn)象的確定性規(guī)律,而是隨機(jī)現(xiàn)象的統(tǒng)計(jì)規(guī)律.控制圖一.控制圖原理2.控制圖的原理a.計(jì)量值產(chǎn)品特性的正態(tài)分布如果我們對(duì)某一計(jì)量值產(chǎn)品的特性值(如:鋼卷厚度等）進(jìn)行連續(xù)測(cè)試,只要樣本量足夠大,就可看到它們服從正態(tài)分布的規(guī)律.0μn(x;μ,σ)控制圖一.控制圖原理b.3σ控制方式下的產(chǎn)品特性值區(qū)間3σ控制方式下產(chǎn)品特性值落在[μ-3σ,μ+3σ]范圍內(nèi)的概率為99.73%,其產(chǎn)品特性值落在此區(qū)間外的概率為1-99.73%=0.27%.0.135%0.135%μ-3σμ+3σμ控制圖一.控制圖原理c.常規(guī)控制圖的形成μμ-3σμ+3σμμ+3σμ-3σμ-3σμ+3σμ控制圖一.控制圖原理d.控制圖原理的解釋第一種解釋:1.若過(guò)程正常,即分布不變,則點(diǎn)子超過(guò)UCL的概率只有1‰

左右.2.若過(guò)程異常,μ值發(fā)生偏移,于是分布曲線上、下偏移,則點(diǎn)子超過(guò)UCL或LCL的概率大為增加.結(jié)論:點(diǎn)出界就判異以后要把它當(dāng)成一條規(guī)定來(lái)記住.891011UCLCLLCL時(shí)間(h)控制圖一.控制圖原理第二種解釋:1.偶然因素引起偶然波動(dòng)。偶然波動(dòng)不可避免,但對(duì)質(zhì)量的影響微小,通常服從正態(tài)分布,且其分布不隨時(shí)間的變化而改變。時(shí)間目標(biāo)線可預(yù)測(cè)過(guò)程受控控制圖一.控制圖原理2.異因引起異波。異波產(chǎn)生后,其分布會(huì)隨時(shí)間的變化而發(fā)生變化。異波對(duì)質(zhì)量影響大,但采取措施后不難消除。第二種解釋:結(jié)論:控制圖上的控制界限就是區(qū)分偶波與異波的科學(xué)界限,休哈特控制圖的實(shí)質(zhì)是區(qū)分偶然因素與異常因素兩類因素.時(shí)間目標(biāo)線不可預(yù)測(cè)過(guò)程失控二.常規(guī)控制圖及其用途控制圖~取樣費(fèi)時(shí)、昂貴的場(chǎng)合.UCLx=X+2.66RsUCLRs=3.267Rs單值-移動(dòng)極差控制圖X-Rs現(xiàn)場(chǎng)需把測(cè)定數(shù)據(jù)直接記入控制圖進(jìn)行控制.UCLX=X+m3A2RUCLR=D4RLCLR=D3R中位數(shù)-極差控制圖X-R當(dāng)樣本大小n>10,需要應(yīng)用s圖來(lái)代替R圖.UCLX=X+A3sUCLs=B4sLCLs=B3s均值-標(biāo)準(zhǔn)差控制圖X-s最常用最基本的控制圖.控制對(duì)象:長(zhǎng)度、重量等.UCLX=X+A2RUCLR=D4RLCLR=D3R均值-極差控制圖X-R正態(tài)分布(計(jì)量值)備注控制圖界限控制圖名稱控制圖代號(hào)分布~二.常規(guī)控制圖及其用途控制圖一定單位,樣品大小不變時(shí)UCLc=c+3c不合格數(shù)控制圖c一定單位中所出現(xiàn)缺陷數(shù)目控制UCLu=u+3u/n單位不合格數(shù)控制圖u泊松分布(計(jì)點(diǎn)值)不合格品數(shù)控制UCLnp=np+3np(1-p)不合格品數(shù)控制圖np用于不合格品率或合格品率控制UCLp=p+3p(1-p)/n不合格品率控制圖p二項(xiàng)分布(計(jì)件值)備注控制圖界限控制圖名稱控制圖代號(hào)分布√√√√Minitab全面培訓(xùn)教程計(jì)量型Xbar-RXbar-sI-MRI-MR-sZ-MR計(jì)數(shù)型PNpCUMinitab全面培訓(xùn)教程Xbar-R是用于計(jì)量型判穩(wěn)準(zhǔn)則：連續(xù)二十五點(diǎn)沒(méi)有超出控制界限。判異準(zhǔn)則：一點(diǎn)超出控制界限連續(xù)六點(diǎn)上升或下降或在同一側(cè)不呈正態(tài)分布，大部份點(diǎn)子沒(méi)有集中在中心線。Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程Select:統(tǒng)計(jì)>控制圖>子組的變量控制圖>Xbar-R打開Data目錄下的

凸輪軸.mtw路徑：ProgramFiles\Minitab\Minitab16\中文(簡(jiǎn)體)\樣本數(shù)據(jù)\凸輪軸輸入?yún)?shù)根據(jù)不同的輸入方式選擇不同的分析方法Minitab全面培訓(xùn)教程可以在這里選擇判異準(zhǔn)則判異準(zhǔn)則準(zhǔn)則1:一點(diǎn)超出控制界限AABCCBUCLCLLCL××區(qū)域A(+3σ)區(qū)域A(-3σ)區(qū)域B(+2σ)區(qū)域C(+1σ)區(qū)域C(-1σ)區(qū)域B(-2σ)UCLCLLCL準(zhǔn)則2:連續(xù)9點(diǎn)在中心線的同側(cè)判異準(zhǔn)則AABCCBUCLCLLCL準(zhǔn)則3:連續(xù)6點(diǎn)呈上升或下降趨勢(shì)AABCCBUCLCLLCL判異準(zhǔn)則準(zhǔn)則4:連續(xù)14點(diǎn)上下交替AABCCBUCLCLLCL判異準(zhǔn)則準(zhǔn)則5:連續(xù)3點(diǎn)中有2點(diǎn)落在中心線同一側(cè)的B區(qū)以外判異準(zhǔn)則AABCCBUCLCLLCL準(zhǔn)則6:連續(xù)5點(diǎn)中有4點(diǎn)在C區(qū)之外(同側(cè))判異準(zhǔn)則AABCCBUCLCLLCL準(zhǔn)則7:連續(xù)15點(diǎn)在中心線附近的C區(qū)內(nèi)判異準(zhǔn)則AABCCBUCLCLLCL準(zhǔn)則8:連續(xù)8點(diǎn)在中心線兩側(cè)而無(wú)一點(diǎn)在C區(qū)判異準(zhǔn)則AABCCBUCLCLLCLMinitab全面培訓(xùn)教程一般選擇Rbar的標(biāo)準(zhǔn)差估計(jì)方式Minitab全面培訓(xùn)教程進(jìn)行正態(tài)性轉(zhuǎn)換λ值將標(biāo)準(zhǔn)轉(zhuǎn)換變量的標(biāo)準(zhǔn)偏差最小化,當(dāng)λ≠0，轉(zhuǎn)換結(jié)果為Yλ,如λ＝0,轉(zhuǎn)換結(jié)果為L(zhǎng)OGeYλ值轉(zhuǎn)換值λ＝2Y′=Y2λ＝0.5Y′=√Yλ＝0Y′=logeYλ＝-0.5Y′=1/√Yλ＝-1Y′=1/Y決定選項(xiàng)(續(xù))輸入1,2,3StDEV控制限圖形輸出:Minitab全面培訓(xùn)教程請(qǐng)判定前圖是否有異常請(qǐng)問(wèn)本圖為解析用圖或是控制用圖Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程Select:統(tǒng)計(jì)>控制圖>

子組的變量控制>Xbar-s打開數(shù)據(jù)樣本目錄下的凸輪軸.mtwMinitab全面培訓(xùn)教程其他參數(shù)設(shè)置與Xbar-R圖相同圖形輸出:Minitab全面培訓(xùn)教程請(qǐng)判定前圖是否有異常請(qǐng)問(wèn)本圖為分析用圖或是控制用圖Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程打開下列檔案:Data目錄下的涂層.MTWSelect:統(tǒng)計(jì)>控制圖>

單值的變量控制圖>I-MRMinitab全面培訓(xùn)教程輸入變量Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程請(qǐng)判定前圖是否有異常請(qǐng)問(wèn)本圖為解析用圖或是控制用圖Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程打開Data目錄下的凸輪軸.mtwSelect:統(tǒng)計(jì)>控制圖>

子組的變量控制圖>I-MR-RMinitab全面培訓(xùn)教程輸入變量和樣本數(shù)Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程請(qǐng)判定前圖是否有異常請(qǐng)問(wèn)本圖為分析用圖或是控制用圖Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程Select:統(tǒng)計(jì)>控制圖>

單值的變量控制圖>Z-MR打開

數(shù)據(jù)樣本目錄下的質(zhì)量控制示例.MTW

當(dāng)過(guò)程數(shù)據(jù)少而無(wú)法很好評(píng)估過(guò)程參數(shù)時(shí)使用Minitab全面培訓(xùn)教程輸入變量輸入自變量Minitab全面培訓(xùn)教程選擇標(biāo)準(zhǔn)差的估計(jì)方法Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程判定及采取措施決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析Minitab全面培訓(xùn)教程P圖只能適用在二項(xiàng)分布的質(zhì)量特性性。在做p圖時(shí)，要注意其樣本數(shù)必須達(dá)到1/p~5/p，如此之下的圖才比較具有意義。Minitab全面培訓(xùn)教程打開數(shù)據(jù)文檔Select:統(tǒng)計(jì)>控制圖>屬性控制圖>P將數(shù)據(jù)輸入到Minitab表中Minitab全面培訓(xùn)教程輸入變量輸入樣本數(shù)Minitab全面培訓(xùn)教程選擇判異準(zhǔn)則計(jì)數(shù)型的判異準(zhǔn)則與計(jì)量型的不太一樣Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程np圖只能適用在二項(xiàng)分布的質(zhì)量特性性。在做np圖時(shí)，要注意其樣本數(shù)必須達(dá)到1/p~5/p，如此之下的圖才比較具有意義。Minitab全面培訓(xùn)教程打開數(shù)據(jù)文檔Select:統(tǒng)計(jì)>控制圖>屬性控制圖>NP將數(shù)據(jù)輸入到Minitab表中Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程c圖只能適用在泊松分布的質(zhì)量特性上。在做c圖時(shí)，要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上，如此之下的圖才比較具有意義。另外就是基本上c圖的樣本要一定才可以。如果樣本數(shù)不一樣，則應(yīng)當(dāng)使用u圖。Minitab全面培訓(xùn)教程打開數(shù)據(jù)文檔將數(shù)據(jù)輸入到

Minitab表中Select:統(tǒng)計(jì)>控制圖>屬性控制圖>CMinitab全面培訓(xùn)教程輸入變量Minitab全面培訓(xùn)教程判異準(zhǔn)則同P圖一樣Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施Minitab全面培訓(xùn)教程u圖只能適用在泊松分布的質(zhì)量特性上。在做u圖時(shí)，要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上，如此之下的圖才比較具有意義。Minitab全面培訓(xùn)教程打開數(shù)據(jù)文檔Select:統(tǒng)計(jì)>控制圖>屬性控制圖>U將數(shù)據(jù)輸入到

Minitab表中Minitab全面培訓(xùn)教程輸入變量輸入樣本量Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施EWMA的全稱為ExponentiallyWeightedMovingAverage,即指數(shù)加權(quán)移動(dòng)平均控制圖.EWMA圖的特點(diǎn):1、對(duì)過(guò)程位置的稍小變動(dòng)十分敏感;2、圖上每一點(diǎn)都綜合考慮了前面子組的信息;3、對(duì)過(guò)程位置的大幅度移動(dòng)沒(méi)有Xbar圖敏感;4、可應(yīng)用于單值,也可應(yīng)用于子組容量大于1的場(chǎng)合.EWMA圖的適用場(chǎng)合:可用于檢測(cè)任意大小的過(guò)程位置變化,因此常用于監(jiān)控已受控過(guò)程,以發(fā)現(xiàn)過(guò)程均值相對(duì)于目標(biāo)值的漂移EWMA練習(xí)Select:統(tǒng)計(jì)>控制圖>

時(shí)間加權(quán)控制圖>EWMA輸入?yún)?shù)確定權(quán)重系數(shù)λ的值,λ由所需的EWMA圖對(duì)位置偏移檢測(cè)靈敏度所決定,要求檢測(cè)靈敏度越高,λ值越小.如需檢測(cè)1σ的過(guò)程偏移,λ=0.2,如需檢測(cè)2σ的過(guò)程偏移,λ=0.4.常取λ=0.2,1<λ<2.圖形輸出Minitab全面培訓(xùn)教程決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施CUSUM的全稱為CumulativeSum,即累積和控制圖.CUSUM圖的特點(diǎn):1、可以檢測(cè)每個(gè)樣本值偏離目標(biāo)值的偏差的累積和;2、可應(yīng)用于單值,也可應(yīng)用于子組容量大于1的場(chǎng)合;3、要求每個(gè)子組的樣本容量相等.CUSUM圖的適用場(chǎng)合:CUSUM圖適用于在過(guò)程受控時(shí),檢測(cè)過(guò)程實(shí)際值偏離目標(biāo)的異常點(diǎn),作用與EWMA圖類似.CUSUM練習(xí)Select:統(tǒng)計(jì)>控制圖>

時(shí)間加權(quán)控制圖>CUSUM例:某機(jī)場(chǎng)每天離港、進(jìn)港航班多達(dá)千架次,航班延誤情況很是嚴(yán)重.航空公司在6σ管理中把航班延誤作為重點(diǎn)解決的質(zhì)量項(xiàng)目,規(guī)定航班起飛時(shí)間比時(shí)刻表晚5分鐘為延誤,其中不包括因惡劣天氣等無(wú)法抗拒因數(shù)造成的延誤.通過(guò)一段時(shí)間的治理,航班延誤率從過(guò)去的10%降到現(xiàn)在的2%左右,公司決定采取過(guò)程控制,把航班延誤率控制在2%的較好水平.輸入?yún)?shù)點(diǎn)擊此選項(xiàng)決策區(qū)間過(guò)程允許偏移量圖形輸出Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程計(jì)量型(基于正態(tài)分布)計(jì)數(shù)型(基于二項(xiàng)分布)計(jì)數(shù)型(基于泊松分布)Minitab全面培訓(xùn)教程能力分析(正態(tài))能力分析(組間/組內(nèi))能力分析(非正態(tài))能力分析(多變量正態(tài))能力分析(多變量非正態(tài))能力分析(二項(xiàng))能力分析(Poission)CapabilitySixpack

(正態(tài))CapabilitySixpack

(組間/組內(nèi))CapabilitySixpack

(非正態(tài))Minitab全面培訓(xùn)教程該命令會(huì)劃出帶理論正態(tài)曲線的直方圖，這可直觀評(píng)估數(shù)據(jù)的正態(tài)性。輸出報(bào)告中還包含過(guò)程能力統(tǒng)計(jì)表，包括子組內(nèi)和總體能力統(tǒng)計(jì)。Minitab全面培訓(xùn)教程該命令會(huì)劃出帶理論正態(tài)曲線的直方圖，可以直觀評(píng)估數(shù)據(jù)的正態(tài)性。該命令適用于子組間存在較大變差的場(chǎng)合。輸出報(bào)告中還包含過(guò)程能力統(tǒng)計(jì)表，包括子組間／子組內(nèi)和總體能力統(tǒng)計(jì)。Minitab全面培訓(xùn)教程該命會(huì)會(huì)劃出帶非正態(tài)曲線的直方圖，這可直觀評(píng)估數(shù)據(jù)是否服從其他分布。輸出報(bào)告中還包含總體過(guò)程總能力統(tǒng)計(jì)能力分析(多變量正態(tài))能力分析(多變量非正態(tài))---上述兩個(gè)命令用于對(duì)多個(gè)變量進(jìn)行分析Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明Y特性一般是指客戶所關(guān)心所重視的特性。Y要先能量化，盡量以定量數(shù)據(jù)為主。Y要事先了解其規(guī)格界限，是單邊規(guī)格，還是雙邊規(guī)格。目標(biāo)值是在中心，或則不在中心測(cè)量系統(tǒng)的分析要先做好。Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明在收集Y特性時(shí)要注意層別和分組。各項(xiàng)的數(shù)據(jù)要按時(shí)間順序做好相應(yīng)的整理Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明將數(shù)據(jù)輸入MINTAB中，或則在EXCEL中都可以。Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明利用MINITAB>統(tǒng)計(jì)>質(zhì)量工具

>能力分析(正態(tài))Minitab全面培訓(xùn)教程決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進(jìn)行分析結(jié)果說(shuō)明利用MINITAB的各項(xiàng)圖形來(lái)進(jìn)行結(jié)果說(shuō)明Minitab全面培訓(xùn)教程樣本X1X2X3X4X5199.7098.72100.24101.28101.20299.32100.97100.8799.2498.21399.8999.83101.4899.56100.90499.1599.7199.1799.3098.80599.66100.80101.06101.16100.45697.7498.8299.2498.6498.737101.18100.2499.6299.3399.918101.54100.96100.62100.67100.499101.49100.6799.36100.38102.101097.1698.2697.59100.0999.78Minitab全面培訓(xùn)教程Select:統(tǒng)計(jì)>質(zhì)量工具>能力分析(正態(tài))注意輸入方式Minitab全面培訓(xùn)教程根據(jù)不同的數(shù)據(jù)輸入方式選擇分析方法輸入上下規(guī)格界限Minitab全面培訓(xùn)教程一般選擇復(fù)合的標(biāo)準(zhǔn)差估計(jì)方式Minitab全面培訓(xùn)教程如果需要計(jì)算Cpm則需要輸入目標(biāo)值選擇是否作正態(tài)型轉(zhuǎn)換過(guò)程能力表現(xiàn)形式的選擇以Cpk,Ppk結(jié)果的輸出Cpm是指樣本數(shù)值相對(duì)于對(duì)于目標(biāo)值的一個(gè)能力值，也就是樣本是否靠近目標(biāo)值的概率樣本數(shù)值超過(guò)分析規(guī)格界限的分布率模擬曲線落在控制線以外的分布率Cp:過(guò)程能力指數(shù),又稱為潛在過(guò)程能力指數(shù),

為容差的寬度與過(guò)程波動(dòng)范圍之比.Cp=(USL-LSL)/6σCpk:過(guò)程能力指數(shù),又稱為實(shí)際過(guò)程能力指數(shù),

為過(guò)程中心μ與兩個(gè)規(guī)范限最近的距離

min{USL-μ,μ-LSL}與3σ之比.Cpk=min{USL-μ,μ-LSL}/3σCpm:過(guò)程能力指數(shù)，有時(shí)也稱第二代過(guò)程力指數(shù)，質(zhì)量特性偏離目標(biāo)值造成的質(zhì)量損失．其中:σ=R/d2其中:σ=R/d2Cpm=(USL-LSL)/6σ′其中:σ?2=σ2+(μ-m)2Cpmk=Cpk/√1+[(μ-m)/σ]2Cpmk稱為混合能力指數(shù)Pp與Ppk:過(guò)程績(jī)效指數(shù)，計(jì)算方法與計(jì)算Cp和Cpk類似，所不同的是，它們是規(guī)范限與過(guò)程總波動(dòng)的比值．過(guò)程總波動(dòng)通常由標(biāo)準(zhǔn)差s來(lái)估計(jì)．S=√過(guò)程能力與缺陷率的關(guān)系：1、假如過(guò)程中心μ位于規(guī)范中心M與上規(guī)范限USL之間，即M≤μ≤USL時(shí)，p(d)=Φ[-3(2Cp-Cpk)]+Φ(-3Cpk)2、假如過(guò)程中心μ位于規(guī)范中心M與下規(guī)范限LSL之間，即LSL≤μ≤M時(shí)，p(d)=Φ[-3(1+K)Cp]+Φ[-3(1-K)Cp]K=(2M-μ)/T以Zbench方式輸出ZUSL=(USL-μ)/σZLSL=(μ-LSL)/σZ=(USL-LSL)/2σ或Z=3Cp

雙側(cè)規(guī)范下綜合SigmaLevelZbench需通過(guò)總?cè)毕萋蔬M(jìn)行折算使用SigmaLevelZ來(lái)評(píng)價(jià)過(guò)程能力的優(yōu)點(diǎn)是:Z與過(guò)程的不合格率p(d)或DPMO是一一對(duì)應(yīng)的.結(jié)果說(shuō)明請(qǐng)打開Data目錄下的Camshaft.mtw，以Zbench方式輸出練習(xí)填入?yún)?shù)結(jié)果輸出通過(guò)DPMO求SigmaLevelSelect:Calc–ProbabilityDistribution-NormalSelect:Calc–Calculator結(jié)果輸出合格率Z值,SigmaLevelCapabilityAnalysis(Between/Within)組間的σ組內(nèi)的σ此處的Ppk>Cpk總的σ=√組間的σ2+組內(nèi)的σ2√∑(Xi－X)2/(n－1)過(guò)程穩(wěn)定系數(shù)dσ=StDev(overall)-StDev(B/W)過(guò)程相對(duì)穩(wěn)定系數(shù)drσ=[StDev(overall)-StDev(B/W)]/StDev(overall)StDev(overall):長(zhǎng)期標(biāo)準(zhǔn)差的估計(jì)值StDev(B/W):短期標(biāo)準(zhǔn)差的估計(jì)值過(guò)程相對(duì)穩(wěn)定系數(shù)的評(píng)價(jià)參考過(guò)程相對(duì)穩(wěn)定系數(shù)drσ的范圍評(píng)價(jià)drσ<10%接近穩(wěn)定10%<=drσ<20%不太穩(wěn)定20%<=drσ<50%不穩(wěn)定drσ>=50%很不穩(wěn)定Minitab全面培訓(xùn)教程此項(xiàng)的分析是用在當(dāng)制程不是呈現(xiàn)正態(tài)分布時(shí)所使用。因?yàn)槿绻瞥滩皇钦龖B(tài)分布硬用正態(tài)分布來(lái)分析時(shí)，容易產(chǎn)生誤差，所以此時(shí)可以使用其他分布來(lái)進(jìn)行分析，會(huì)更貼近真實(shí)現(xiàn)像。Minitab全面培訓(xùn)教程請(qǐng)使用同前之?dāng)?shù)據(jù)來(lái)進(jìn)行分析。上規(guī)格：103下規(guī)格：97規(guī)格中心：100Minitab全面培訓(xùn)教程Select:Stat>QualityTools>CapabiltyAnalysis(Nonnormal)Minitab全面培訓(xùn)教程威布爾分布的參數(shù)估計(jì)Minitab全面培訓(xùn)教程形狀參數(shù)Minitab全面培訓(xùn)教程可以使用Stat>basicstatistic>normalitytest但數(shù)據(jù)要放到同一個(gè)column中，所以必須針對(duì)前面的數(shù)據(jù)進(jìn)行一下處理Minitab全面培訓(xùn)教程進(jìn)行數(shù)據(jù)的堆積Minitab全面培訓(xùn)教程輸入變量輸入作為參考的概率記號(hào)結(jié)果輸出P-value＞0.05，接收為正態(tài)分布結(jié)果輸出(加標(biāo)0.5概率)Minitab全面培訓(xùn)教程一般的正態(tài)分布使用CapabilityAnalysis(Normal)如果是正態(tài)分布且其組內(nèi)和組間差異較大時(shí)可用CapabilityAnalysis(Between/Within)當(dāng)非正態(tài)分布時(shí)則可以使用CapabilityAnalysis(Nonnormal)Minitab全面培訓(xùn)教程復(fù)合了以下的六個(gè)圖形XbarR原始數(shù)據(jù)分布（plot）直方圖正態(tài)分布檢定CPK,PPKMinitab全面培訓(xùn)教程請(qǐng)以前面的數(shù)據(jù)來(lái)進(jìn)行相應(yīng)的CapabilitySixpack(Normal)練習(xí)Select:Stat>QualityTools>CapabiltySixpack(Normal)Minitab全面培訓(xùn)教程輸入規(guī)格Minitab全面培訓(xùn)教程選擇判異準(zhǔn)則Minitab全面培訓(xùn)教程默認(rèn)值是復(fù)合標(biāo)準(zhǔn)差計(jì)算公式Minitab全面培訓(xùn)教程如果希望計(jì)算Cpm,則輸入目標(biāo)值Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程復(fù)合了以下的六個(gè)圖形IndividualMovingRangeRange直方圖正態(tài)分布檢定CPK,PPKMinitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程復(fù)合了以下的六個(gè)圖形XbarR原始數(shù)據(jù)分布直方圖正態(tài)分布檢定CPK,PPK結(jié)果輸出形狀參數(shù)Minitab全面培訓(xùn)教程二項(xiàng)分布只適合用在好，不好過(guò)，不過(guò)好，壞不可以用在0,1,2,3等二項(xiàng)以上的選擇，此種狀況必須使用泊松分布。Minitab全面培訓(xùn)教程數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>Capabilty>Analysis>BinomialMinitab全面培訓(xùn)教程輸入樣本數(shù)輸入歷史的不良率Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程該線與PChart中的Pbar是相同的不良的比例（希望它是隨機(jī)分布）累計(jì)不良率Minitab全面培訓(xùn)教程泊松分布只適合用在計(jì)數(shù)型，有二個(gè)以上的選擇時(shí)例如可以用在外觀檢驗(yàn)，但非關(guān)鍵項(xiàng)部份0,1,2,3等二項(xiàng)以上的選擇，此種狀況必須使用泊松分布。Minitab全面培訓(xùn)教程數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>CapabiltyAnalysis(Poisson)Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程Minitab全面培訓(xùn)教程Select:Stat>BasicStatistics>Displaydescriptivestatistics假設(shè)想對(duì)兩組學(xué)生的身高進(jìn)行描述性統(tǒng)計(jì)以便比較,數(shù)據(jù)如右:填入?yún)?shù)輸出結(jié)果變異系數(shù)3/4數(shù)據(jù)點(diǎn)與1/4數(shù)據(jù)點(diǎn)的差值InterQuartileRange數(shù)據(jù)連續(xù)差異平方的均值選定欄數(shù)據(jù)修正均值

TrimmedMean輸出結(jié)果(續(xù)1)輸出結(jié)果(續(xù)2)Select:Stat>BasicStatistics>GraphicalSummary輸出結(jié)果(續(xù)3)假設(shè)檢驗(yàn)Minitab全面培訓(xùn)教程手機(jī)電池的使用壽命不是按年來(lái)計(jì)算的，而是按電池的充放電次數(shù)來(lái)計(jì)算的。鎳氫電池一般可充放電200-300次，鋰電池一般可充放電350-700次。某手機(jī)電池廠商宣稱其一種改良產(chǎn)品能夠充放電900次，為了驗(yàn)證廠商的說(shuō)法，消費(fèi)者協(xié)會(huì)對(duì)10件該產(chǎn)品進(jìn)行了充放電試驗(yàn)。得到的次數(shù)分別為891，863，903，912，861，885，874，923，841，836。Minitab全面培訓(xùn)教程上述數(shù)據(jù)的均值為878.9，明顯少于900。但是，到底均值落在什么范圍內(nèi)我們就認(rèn)為廣告宣傳是虛假的呢？900接受廣告宣傳現(xiàn)在的問(wèn)題是如何確定這兩條線的位置Minitab全面培訓(xùn)教程

假設(shè)檢驗(yàn)的原理是邏輯上的反證法和

統(tǒng)計(jì)上的小概率原理反證法：當(dāng)一件事情的發(fā)生只有兩種可能A和B，如果能否定B，則等同于間接的肯定了A。小概率原理：發(fā)生概率很小的隨機(jī)事件在一次實(shí)驗(yàn)中是幾乎不可能發(fā)生的。Minitab全面培訓(xùn)教程由于個(gè)體差異的存在，即使從同一總體中嚴(yán)格的隨機(jī)抽樣，X1、X2、X3、X4、、、，也不盡不同。它們的不同有兩種（只有兩種）可能：（1）分別所代表的總體均值相同，由于抽樣誤差造成了樣本均值的差別。差別無(wú)顯著性。（2）分別所代表的總體均值不同。差別有顯著性。Minitab全面培訓(xùn)教程假設(shè)檢驗(yàn)的一般步驟，即提出假設(shè)、確定檢驗(yàn)統(tǒng)計(jì)量、計(jì)算檢驗(yàn)統(tǒng)計(jì)量值、做出決策。

提出假設(shè)

構(gòu)造統(tǒng)計(jì)量

做出統(tǒng)計(jì)決策

計(jì)算統(tǒng)計(jì)量值做出推斷Minitab全面培訓(xùn)教程在決策分析過(guò)程中，人們常常需要證實(shí)自己通過(guò)樣本數(shù)據(jù)對(duì)總體分布形式做出的某種推斷的正確性（比如，總體的參數(shù)θ大于某個(gè)值θ0），這時(shí)就需要提出假設(shè)，假設(shè)包括零假設(shè)H0與備擇假設(shè)H1。Minitab全面培訓(xùn)教程假設(shè)檢驗(yàn)所使用的邏輯上的間接證明法決定了我們選取的零假設(shè)應(yīng)當(dāng)是與我們希望證實(shí)的推斷相對(duì)立的一種邏輯判斷，也就是我們希望否定的那種推斷。Minitab全面培訓(xùn)教程同時(shí)，作為零假設(shè)的這個(gè)推斷是不會(huì)輕易被推翻的，只有當(dāng)樣本數(shù)據(jù)提供的不利于零假設(shè)的證據(jù)足夠充分，使得我們做出拒絕零假設(shè)的決策時(shí)錯(cuò)誤的可能性非常小的時(shí)候，才能推翻零假設(shè)。Minitab全面培訓(xùn)教程所以，一旦零假設(shè)被拒絕，它的對(duì)立面——我們希望證實(shí)的推斷就應(yīng)被視為是可以接受的。Minitab全面培訓(xùn)教程收集樣本信息利用樣本信息構(gòu)造檢驗(yàn)統(tǒng)計(jì)量Minitab全面培訓(xùn)教程把樣本信息代入到檢驗(yàn)統(tǒng)計(jì)量中，得到檢驗(yàn)統(tǒng)計(jì)量的值。Minitab全面培訓(xùn)教程1、規(guī)定顯著性水平α，也就是決策中所面臨的風(fēng)險(xiǎn)2、決定拒絕域(criticalregion)和判別值(criticalvalue)3、判定檢驗(yàn)統(tǒng)計(jì)量是否落在拒絕域內(nèi)4、得出關(guān)于H0和關(guān)于H1的結(jié)論Minitab全面培訓(xùn)教程顯著性水平α是當(dāng)原假設(shè)正確卻被拒絕的概率通常人們?nèi)?.05或0.01這表明，當(dāng)做出接受原假設(shè)的決定時(shí)，其正確的可能性(概率)為95%或99%Minitab全面培訓(xùn)教程1、如果檢驗(yàn)統(tǒng)計(jì)量落入拒絕域中，則拒絕原假設(shè)2、如果檢驗(yàn)統(tǒng)計(jì)量落入接受域中，則我們說(shuō)不能拒絕原假設(shè)注意：判定法則2的含義是指我們?cè)谶@個(gè)置信水平下沒(méi)有足夠的證據(jù)推翻原假設(shè)；實(shí)際上，如果我們改變置信水平或樣本數(shù)量就有可能得到與先前相反的結(jié)果。Minitab全面培訓(xùn)教程零假設(shè)

備擇假設(shè)1.大于等于(≥) 小于(＜)2.小于等于(≤) 大于(＞)3.等于(＝) 不等于(≠)可能的零假設(shè)和備擇假設(shè)的情況Minitab全面培訓(xùn)教程某種果汁的包裝上標(biāo)明其原汁含量至少為90%。假定我們想通過(guò)假設(shè)檢驗(yàn)對(duì)這項(xiàng)說(shuō)明進(jìn)行檢驗(yàn)。Minitab全面培訓(xùn)教程如果要檢驗(yàn)的問(wèn)題帶有方向性，如燈泡壽命、電池時(shí)效、頭盔防沖擊性等數(shù)值是越大越好；零件廢品率、生產(chǎn)成本等數(shù)值則是越小越好，這類問(wèn)題的檢驗(yàn)就屬于單側(cè)檢驗(yàn)。Minitab全面培訓(xùn)教程拒絕域和臨界值臨界值接受域拒絕域接受域拒絕域臨界值左單側(cè)檢驗(yàn)右單側(cè)檢驗(yàn)Minitab全面培訓(xùn)教程例1:一家食品公司廣告說(shuō)他的一種谷物一袋有24千克。消費(fèi)者協(xié)會(huì)想要檢驗(yàn)一下這個(gè)說(shuō)法。他們當(dāng)然不可能打開每袋谷物來(lái)檢查，所以只能抽取一定數(shù)量的樣品。取得這個(gè)樣本的均值并將其與廣告標(biāo)稱值作比較就能做出結(jié)論。請(qǐng)給出該消費(fèi)者協(xié)會(huì)的零假設(shè)和備擇假設(shè)。Minitab全面培訓(xùn)教程解：（一）、首先找出總體參數(shù)，這里應(yīng)該是總體的均值m，即谷物的平均重量，給出原假設(shè)和備擇假設(shè)，即用公式表達(dá)兩個(gè)相反的意義。

H0:m≥24(均值至少為24)

Ha:m<24(均值少于24)（二）、確定概率分布和用來(lái)做檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量。我們要檢驗(yàn)抽取的樣本均值是否達(dá)到廣告宣稱的數(shù)額，就可以用樣本均值離標(biāo)稱值的標(biāo)準(zhǔn)離差個(gè)數(shù)的多少來(lái)判斷。因此構(gòu)造檢驗(yàn)統(tǒng)計(jì)量Minitab全面培訓(xùn)教程（三）、設(shè)定置信水平為95%。收集樣本信息，假設(shè)選取了一個(gè)數(shù)目為40的樣本，計(jì)算得

計(jì)算檢驗(yàn)統(tǒng)計(jì)量的值為（σ=0.2）（四）、查表可以得出臨界值和拒絕域，也可用計(jì)算機(jī)輸出p值。計(jì)算出的Z值落入拒絕域，所以拒絕H0，即意味著我們認(rèn)為谷物的重量達(dá)不到廠商宣稱的數(shù)值。Minitab全面培訓(xùn)教程一些產(chǎn)品某一項(xiàng)指標(biāo)必須滿足在某一個(gè)范圍內(nèi)，如精密零件的尺寸和重量、保險(xiǎn)絲適用的電流強(qiáng)度等等，這類問(wèn)題的檢驗(yàn)屬于雙側(cè)檢驗(yàn)。Minitab全面培訓(xùn)教程圖例:拒絕域和臨界值拒絕域臨界值接受域拒絕域Minitab全面培訓(xùn)教程假設(shè)檢驗(yàn)是基于樣本信息做出的結(jié)論，而我們知道樣本只是代表了總體的一部份信息，因此必須考慮發(fā)生誤差的概率。H0為真時(shí)我們拒絕H0的錯(cuò)誤稱為第I類錯(cuò)誤，犯這種錯(cuò)誤的概率用α來(lái)表示，簡(jiǎn)稱為α錯(cuò)誤或棄真錯(cuò)誤；當(dāng)H0為偽時(shí)我們接受H0的錯(cuò)誤稱為第II類錯(cuò)誤，犯這種錯(cuò)誤的概率用β來(lái)表示，簡(jiǎn)稱為β錯(cuò)誤或取偽錯(cuò)誤。Minitab全面培訓(xùn)教程接受零假設(shè)拒絕零假設(shè)零假設(shè)為真零假設(shè)為假正確-無(wú)偏差I(lǐng)類錯(cuò)誤II類錯(cuò)誤正確-無(wú)偏差

接受H0

拒絕H0，接受H1

H0為真 1－α（正確決策）

α（棄真錯(cuò)誤）

H0為偽

β

（取偽錯(cuò)誤）

1－β（正確決策）Minitab全面培訓(xùn)教程兩類錯(cuò)誤發(fā)生的概率如下表所示：Minitab全面培訓(xùn)教程接受H0拒絕H0II類錯(cuò)誤I類錯(cuò)誤單樣本Z檢驗(yàn)(1-SampleZ)例:右表為測(cè)量9個(gè)工件所得到的數(shù)據(jù).假設(shè)工件數(shù)據(jù)服從正態(tài)分布并且總體的σ=0.2,需計(jì)算總體均值是否等于5及其在95%置信度下的置信區(qū)間.Select:Stat>BasicStatistics>1-SampleZ假設(shè)檢驗(yàn)的Minitab實(shí)現(xiàn):填入?yún)?shù)輸出結(jié)果單樣本t檢驗(yàn)(1-Samplet)Select:Stat>BasicStatistics>1-Samplet例:右表為測(cè)量9個(gè)工件所得到的數(shù)據(jù).假設(shè)工件數(shù)據(jù)服從正態(tài)分布并且未知總體的σ,需計(jì)算總體均值是否等于5及其在95%置信度下的置信區(qū)間.填入?yún)?shù)輸出結(jié)果雙樣本t檢驗(yàn)(2-Samplet)Select:Stat>BasicStatistics>2-Samplet采用Data目錄下的Furnace.mtw填入?yún)?shù)輸出結(jié)果P-Value>0.05接受原假設(shè)成對(duì)樣本t檢驗(yàn)(Pairedt)Select:Stat>BasicStatistics>Pairedt采用Data目錄下的Exh_stat.mtw填入?yún)?shù)輸出結(jié)果P-Value<0.05拒絕原假設(shè)單樣本比例檢驗(yàn)(1Proportion)本案例采用總結(jié)數(shù)據(jù)形式,

直接填入?yún)?shù):Select:Stat>BasicStatistics>1Proportion實(shí)驗(yàn)次數(shù)成功次數(shù)輸出結(jié)果:雙樣本比例檢驗(yàn)(2Proportion)本案例采用總結(jié)數(shù)據(jù)形式,直接填入?yún)?shù):Select:Stat>BasicStatistics>2Proportion輸出結(jié)果Minitab全面培訓(xùn)教程選擇假設(shè)檢驗(yàn)方法要注意符合其應(yīng)用條件；當(dāng)不能拒絕H0時(shí)，即差異無(wú)顯著性時(shí)，應(yīng)考慮的因素：可能是樣品數(shù)目不夠；單側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn)的問(wèn)題。正態(tài)性檢驗(yàn)(Normalitytest)本例采用Data目錄下的Scores.MTWSelect:Stat>BasicStatistics>Normalitytest填入?yún)?shù)基于ECDF的檢驗(yàn)基于相關(guān)分析的檢驗(yàn)基于卡方分析的檢驗(yàn)注：ECDF:(ExperimentalCumulativeDistributionFunction)

實(shí)驗(yàn)室累計(jì)分布函數(shù)基于ECDF檢驗(yàn)的輸出結(jié)果基于相關(guān)分析檢驗(yàn)的輸出結(jié)果基于相關(guān)卡方檢驗(yàn)的輸出結(jié)果報(bào)紙報(bào)導(dǎo)某地汽油的價(jià)格是每加侖115美分，為了驗(yàn)證這種說(shuō)法，一位學(xué)者開車隨機(jī)選擇了一些加油站，得到某年一月和二月的數(shù)據(jù)如下：一月：119117115116112121115122116118109112119112117113114109109118二月：1181191151221181211201221281161201231211191171191281261181251）分別用兩個(gè)月的數(shù)據(jù)驗(yàn)證這種說(shuō)法的可靠性；2）分別給出1月和2月汽油價(jià)格的置信區(qū)間；3）給出1月和2月汽油價(jià)格差的置信區(qū)間.小組討論與練習(xí)Minitab全面培訓(xùn)教程

方差分析的引入

怎樣得到F統(tǒng)計(jì)量

單因素方差分析的例子

檢驗(yàn)方差假設(shè)

多因素方差分析

多變量圖分析小組討論與練習(xí)σσσσσσσMinitab全面培訓(xùn)教程1.理解方差分析的概念2.知道方差分析解決什么樣的問(wèn)題3.掌握單因素和多因素方差分析的原理4.會(huì)利用Minitab對(duì)實(shí)際問(wèn)題進(jìn)行方差分析5.能夠?qū)Ψ讲罘治龅慕Y(jié)果作出解釋Minitab全面培訓(xùn)教程假設(shè)檢驗(yàn)討論了檢驗(yàn)兩個(gè)總體均值是否相等的問(wèn)題，但對(duì)于多個(gè)總體的均值比較，如果仍用假設(shè)檢驗(yàn)，就會(huì)變得非常復(fù)雜?？傮wMinitab全面培訓(xùn)教程方差分析(ANOVA：analysisofvariance)能夠解決多個(gè)均值是否相等的檢驗(yàn)問(wèn)題。方差分析是要檢驗(yàn)各個(gè)水平的均值是否相等，采用的方法是比較各水平的方差。某汽車廠商要研究影響A品牌汽車銷量的因素。該品牌汽車有四種顏色，分別是黑色、紅色、黃色、銀色，這四種顏色的配置、價(jià)格、款式等其他可能影響銷售量的因素全部相同。從市場(chǎng)容量相仿的四個(gè)中等城市收集了一段時(shí)期內(nèi)的銷售數(shù)據(jù)，見下表。方差分析的引入(續(xù)二)城市黑色紅色黃色銀色145362319241432122338391926439421719A品牌汽車在四個(gè)城市的銷售情況單位：輛Minitab全面培訓(xùn)教程方差分析實(shí)際上是用來(lái)辨別各水平間的差別是否超出了水平內(nèi)正常誤差的程度觀察值之間的差異包括系統(tǒng)性差異和隨機(jī)性差異。Minitab全面培訓(xùn)教程觀察值期望值差距總離差組內(nèi)方差組間方差水平1水平2Minitab全面培訓(xùn)教程總離差組內(nèi)方差組間方差Minitab全面培訓(xùn)教程水平間(也稱組間)方差和水平內(nèi)(也稱組內(nèi))方差之比是一個(gè)統(tǒng)計(jì)量。實(shí)踐證明這個(gè)統(tǒng)計(jì)量遵從一個(gè)特定的分布，數(shù)理統(tǒng)計(jì)上把這個(gè)分布稱為F分布。即注意：組間方差(SSB)+組內(nèi)方差(SSw)=總方差(SST)F=組間方差／組內(nèi)方差Minitab全面培訓(xùn)教程從F分布的式子看出，F(xiàn)分布的形狀由分母和分子兩個(gè)變量的自由度確定，因此F分布有兩個(gè)參數(shù)。F分布的曲線為偏態(tài)形式，它的尾端以橫軸為漸近線趨于無(wú)窮。自由度(25,25)自由度(5,5)自由度(30,100)Minitab全面培訓(xùn)教程從上圖可以看出，隨著分子分母自由度的增加，分布圖逐漸趨向正態(tài)分布的鐘型曲線(但它的極限分布并不是正態(tài)分布),以前接觸過(guò)的t分布、χ2分布的圖像也有類似的性質(zhì)χ2分布F分布t分布正態(tài)分布Minitab全面培訓(xùn)教程不同組樣本的方差應(yīng)相等或至少很接近水平1水平2水平1組內(nèi)方差遠(yuǎn)遠(yuǎn)超過(guò)兩水平組間方差，我無(wú)法分離這兩種差別！Minitab全面培訓(xùn)教程例1：我們要研究一家有三個(gè)分支機(jī)構(gòu)的公司各分支機(jī)構(gòu)的員工素質(zhì)有無(wú)顯著差異，已邀請(qǐng)專業(yè)的人力評(píng)測(cè)單位對(duì)每一分支機(jī)構(gòu)的員工進(jìn)行了評(píng)測(cè)，結(jié)果以百分制的分?jǐn)?shù)給出，每一機(jī)構(gòu)抽取五位員工的結(jié)果如下表：Minitab全面培訓(xùn)教程觀察值分支一(北京)分支二(上海)分支二(廣州)17588692828565376777048569745897280樣本均值81.478.271.6樣本方差35.366.732.3樣本標(biāo)準(zhǔn)差5.948.175.68Minitab全面培訓(xùn)教程在方差分析之前，我們可利用Minitab對(duì)數(shù)據(jù)作方差一致性檢驗(yàn)Minitab能夠讀取的數(shù)據(jù)格式與上表給出的格式不同，我們必須把數(shù)據(jù)轉(zhuǎn)化為Minitab能夠理解的形式，具體做法是：將所有變量值輸入工作表的第一列，對(duì)因素進(jìn)行編碼，按照一定的順序編為1、2、3...，輸入后面幾列。對(duì)本例：先將素質(zhì)測(cè)評(píng)的得分輸入工作表列一；三個(gè)分支分別編碼為1、2、3，對(duì)應(yīng)于變量值填入第二列；數(shù)據(jù)Stat→ANOVA→TestforEqualVariance菜單方差一致性檢驗(yàn)方差一致性檢驗(yàn)(續(xù)一)適用于正態(tài)分布的數(shù)據(jù)適用于非正態(tài)分布的數(shù)據(jù)方差一致性檢驗(yàn)(續(xù)二)Minitab全面培訓(xùn)教程因素是方差分析研究的對(duì)象，在這個(gè)例子里，兩個(gè)變量分別是分支機(jī)構(gòu)位置和員工素質(zhì)測(cè)評(píng)分?jǐn)?shù)，這里分支機(jī)構(gòu)的位置就是一個(gè)因素，因素中的內(nèi)容就稱為水平。該因素中有三個(gè)水平，即機(jī)構(gòu)的不同位置。學(xué)過(guò)假設(shè)檢驗(yàn)的知識(shí)后，我們可以給出下面的假設(shè)：若零假設(shè)為真，則可以認(rèn)為只有一個(gè)抽樣分布，此時(shí)三個(gè)樣本均值比較接近。三個(gè)樣本均值的均值與方差可用于估計(jì)該抽樣分布的均值與方差。Minitab全面培訓(xùn)教程μx3x2x1三個(gè)樣本均值Minitab全面培訓(xùn)教程總體均值的最優(yōu)估計(jì)是三個(gè)樣本均值的算術(shù)平均數(shù)，而抽樣分布的方差的估計(jì)可以由三個(gè)樣本均值的方差給出，這個(gè)估計(jì)就是的組間估計(jì)又由得到Minitab全面培訓(xùn)教程為了說(shuō)明零假設(shè)為假時(shí)的情況，假定總體均值全不相同，由于三個(gè)樣本分別來(lái)自不同均值的總體，則樣本均值不會(huì)很接近，此時(shí)將變大，使得的組間估計(jì)變大。μ3μ2μ1x3x2x1三個(gè)樣本均值Minitab全面培訓(xùn)教程每個(gè)樣本方差都給出的一個(gè)估計(jì)，這個(gè)估計(jì)只與每個(gè)樣本內(nèi)部方差有關(guān)，若樣本量相同，各個(gè)樣本方差的算術(shù)平均值就是組內(nèi)方差的估計(jì)值。前面已經(jīng)討論過(guò)，當(dāng)零假設(shè)為真時(shí)，的組間估計(jì)和組內(nèi)估計(jì)應(yīng)該很接近，即其比值應(yīng)接近于1。而當(dāng)零假設(shè)不成立時(shí)，的組間估計(jì)將偏大，從而兩者的比值會(huì)大于1，因此我們構(gòu)造形如

Minitab全面培訓(xùn)教程F=組間方差/組內(nèi)方差的檢驗(yàn)統(tǒng)計(jì)量，在一定的置信水平下，將這個(gè)值和某個(gè)臨界值作比較，就可以得出接受還是拒絕零假設(shè)的結(jié)論。Minitab全面培訓(xùn)教程F統(tǒng)計(jì)量實(shí)際上是用來(lái)比較組間差異與組內(nèi)差異的大小，造成這種差別既有抽樣的隨機(jī)性，也可能包含系統(tǒng)因素的影響。組間差異是用各組均值減去總均值的離差的平方再乘以各組觀察值的個(gè)數(shù)，最后加總組內(nèi)差異則是各組內(nèi)部觀察值的離散程度Minitab全面培訓(xùn)教程上述組間差異與組內(nèi)差異必須消除自由度不同的影響對(duì)SSW，其自由度為n-g，因?yàn)閷?duì)每一種水平，該水平下的自由度為觀察值個(gè)數(shù)-1，共有g(shù)個(gè)水平，因此擁有自由度個(gè)數(shù)為對(duì)SSB，其自由度為g-1，g為水平的個(gè)數(shù)。FcrF的抽樣分布拒絕域Minitab全面培訓(xùn)教程接受域Minitab全面培訓(xùn)教程對(duì)于k個(gè)總體均值是否相等的檢驗(yàn)：

檢驗(yàn)統(tǒng)計(jì)量為：給定顯著性水平α的拒絕域：其中，g-1,n-g分別是F統(tǒng)計(jì)量分子分母的自由度Minitab全面培訓(xùn)教程對(duì)上例，計(jì)算得F=組間方差/組內(nèi)方差=125/44.8=2.79；查F分布表得到α=0.05時(shí)臨界值

Fcr(2,12)=3.89F<Fcr，所以不能拒絕零假設(shè)，即認(rèn)為三個(gè)分支機(jī)構(gòu)員工素質(zhì)大體一致，不存在顯著差異。Minitab全面培訓(xùn)教程上面的計(jì)算結(jié)果可以很方便的用方差分析表來(lái)描述。下面是用Minitab軟件得到的輸出結(jié)果，p值大于0.05,不能拒絕原假設(shè).即認(rèn)為三個(gè)分支機(jī)構(gòu)員工素質(zhì)評(píng)分無(wú)顯著差異.方差分析表方差來(lái)源自由度離差平方和均方FP組間2249.7124.92.790.101組內(nèi)12537.244.8合計(jì)14786.9Minitab全面培訓(xùn)教程方差分析也可以同時(shí)分析兩個(gè)或兩個(gè)以上的因素，這就是多因素方差分析。有的實(shí)際問(wèn)題需要我們同時(shí)考慮兩個(gè)因素對(duì)實(shí)驗(yàn)結(jié)果的影響，例如在例1中，除了關(guān)心分支機(jī)構(gòu)的差別外，我們還想了解不同薪酬水平是否和員工素質(zhì)有關(guān)。同時(shí)對(duì)這兩個(gè)因素進(jìn)行分析，就屬于雙因素方差分析，通過(guò)分析，我們可以知道究竟哪一個(gè)因素在起作用，或者兩個(gè)因素的影響都不顯著。Minitab全面培訓(xùn)教程施工溫度配方編號(hào)配方1配方2配方3配方4冷(4℃)26292133涼(10℃)38304469溫(16℃)54378579熱(20℃)10377156105例

2：特殊環(huán)境如水下、高溫環(huán)境中，建筑材料對(duì)水泥的硬化時(shí)間有嚴(yán)格的要求?，F(xiàn)欲比較幾種配方的水泥在不同溫度下的硬化時(shí)間，其他條件相同，試驗(yàn)結(jié)果如下表：適用于正態(tài)分布的數(shù)據(jù)適用于非正態(tài)分布的數(shù)據(jù)方差一致性檢驗(yàn)Minitab全面培訓(xùn)教程輸入數(shù)據(jù)運(yùn)行Stat→ANOVA→Two-way…Minitab全面培訓(xùn)教程出現(xiàn)Two-wayAnalysisofVariance對(duì)話框后：點(diǎn)選C2到Rowfactor框中點(diǎn)選C3到Columnfactor框中選擇Fitadditivemodel(可加模型)點(diǎn)選C1到Response框中Minitab全面培訓(xùn)教程紅色方框部分為方差分析表Minitab輸出結(jié)果S=√MSEMinitab全面培訓(xùn)教程我們將Minitab輸出的方差分析表轉(zhuǎn)換為下表其中F臨界值為手工加入雙因素方差分析:C2,C3方差分析表方差來(lái)源自由度離差平方和均方FPFcrC2327889292.870.0963.86C3315275509215.730.0013.86

誤差92913324

合計(jì)1520976Minitab全面培訓(xùn)教程C2是配方變量，F(xiàn)＜Fcr，所以不能拒絕零假設(shè)，即認(rèn)為不同配方的反應(yīng)時(shí)間大體一致，不存在顯著差異。C3是溫度變量，F(xiàn)＞Fcr，所以拒絕零假設(shè)，即認(rèn)為不同溫度的反應(yīng)時(shí)間不一致，存在顯著差異。Minitab全面培訓(xùn)教程還是以水泥硬化試驗(yàn)為例多變量圖：Stat→QualityTools→Multi-VariChartMinitab全面培訓(xùn)教程將反應(yīng)溫度各個(gè)取值對(duì)應(yīng)的硬化時(shí)間連接起來(lái)連線上四個(gè)點(diǎn)分別代表在該反應(yīng)溫度上對(duì)應(yīng)配方編號(hào)的反應(yīng)時(shí)間本例中，四種反應(yīng)溫度對(duì)應(yīng)不同水泥配方的反應(yīng)時(shí)間差異較大，說(shuō)明水泥反應(yīng)溫度與配方有交互作用，與四種溫度下最快的反應(yīng)時(shí)間對(duì)應(yīng)的編號(hào)分別為：３，２，２，２．若要將因子間的交互作用和其他因子作用量化，可以進(jìn)一步采用方差分析或一般的線性模式等方法．用方差分析來(lái)分析三地目標(biāo)人群對(duì)該產(chǎn)品的看法是否相同？Minitab全面培訓(xùn)教程1、化妝品公司要分析一種新產(chǎn)品是否受到普遍歡迎，市場(chǎng)部在上海、香港、東京三地針對(duì)目標(biāo)人群進(jìn)行了抽樣調(diào)查，消費(fèi)者的評(píng)分如下：樣本\城市上海香港東京組編號(hào)1668779組編號(hào)2745965組編號(hào)3756970組編號(hào)4797060組編號(hào)5847849組編號(hào)6568845組編號(hào)7558051組編號(hào)8687268組編號(hào)9748459組編號(hào)10887749ANOVA的Minitab實(shí)現(xiàn)：?jiǎn)我驍?shù)方差分析（One-Way）Select:Stat-ANOVA-

One-Way采用Data目錄下的

Exh-aov.MTW可進(jìn)行單變量方差分析,也可進(jìn)行多個(gè)均值的比較填入?yún)?shù)選擇均值的多重比較方法“Fisher’s”方法給出了各對(duì)均值差的置信區(qū)間設(shè)置誤差率“Hsu’MCB”方法給出了各個(gè)均值與“最好均值”差的置信區(qū)間結(jié)果輸出方差分析表的F檢驗(yàn)結(jié)果中,P值<0.05,表示某種地毯的耐久性有差異。相對(duì)于第1,2,3種地毯，第4種地毯為最佳，因?yàn)槠渚底畲?，另外?,3均值的置信區(qū)間的上限為0，因此這兩個(gè)水平為最小水平結(jié)果輸出（續(xù)）從中可看出2和4,3和4差值的置信區(qū)間均為正值,1和2差值的置信區(qū)間為負(fù)值,因此可認(rèn)為2和4,3和4的均值存在顯著差異。均值分析(Analys