离散数据的置信区间和假设检验.ppt

该【离散数据的置信区间和假设检验 】是由【相惜】上传分享，文档一共【51】页，该文档可以免费在线阅读，需要了解更多关于【离散数据的置信区间和假设检验 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第6局部:离散数据的置信区间和假设检验目的:目标:用Pareto图确定少数几个关键类型的缺陷。强调离散数据分析图的使用。理解缺陷比例的置信区间的用法,并计算单样本和双样本的置信区间。理解多个X变量卡方分析的用法〔双向表〕。使用Minitab绘图并进行分析。在上一局部,我们借助图形、置信区间和假设检验对连续数据的分析进行了讨论。下面,我们将运用图形、置信区间和几种比例的统计检验方法对离散数据进行分析。第6局部:离散数据的置信区间 -- -量化变差,以确定变化是和假设检验否具有统计显著性四种类型: 单样本, 双样本, 单样本,p<.1双样本,p<.1 4.??比例的卡方(?2)检验 -具有多水平独立变量的比较。 -研究两个变量间的关系。离散数据导图如果工序产生的数据是离散的,Pareto图表可以帮助我们将注意力集中在研究关键因数上。合并那些不重要的缺陷有助于简化图形并使其对分析更有益处。关闭所有翻开的工作表和图形。:\SixSigma\minitab\training minitab\:Stat>QualityTools>ParetoChart在pareto对话框中,有两种数据格式选项:ChartDefectsdatain:(用于原始缺陷数据,栏C4和C5)ChartDefectsTable:(用于汇总的缺陷数据栏C1和C5)Minitab可生成Pareto图OtherstSetupPersonalAddressBookNotResolvedServerSpaceNotExchangeInstallationGeneralInquiryLockup/%PercentCountExchangeHelpDeskCalls-FW36,FW38,FW39累计缺陷%Pareto图形左边显示最大频数的缺陷,右边显示较小频数的缺陷。Pareto图形Pareto图形左边显示最大频数的缺陷,右边显示较小频数的缺陷。图中的曲线显示了累计的缺陷百分比。图形应该可以说明:查找造成80%缺陷的缺陷类型。在上例中,15种缺陷类型中的4种占总缺陷数量的66%,剩余35%的缺陷分别由其余的11种类型的缺陷产生。查找栏高度出现较大差异的位置。如果次品数量之间存在很小的差异,那么,就不能缩小您工程的重点范围。〔尝试换一种方式考虑问题,即,考虑财务上的影响,而不是缺陷的数量。〕Pareto图形151050DayCount151050EveningCount151050NightCount151050WeekendCountOtherSmudgePeelScratchFinishDefects可以使用对话设置将原始数据对几种不同的因数进行分析。在图形中保存缺陷的常规顺序。考虑累积缺陷线的高度,它表示特定因素总缺陷数量。在这种情况下,缺陷大多发生在“夜间〞。在被分析的因素〔周期〕之间,查找缺陷水平的差异。在这本例中,黄昏和周末很少产生划痕。原始数据的Pareto图表问题:降低客户培训效劳的比例(百分比)。处理离散的响应变量时,您想知道的是缺陷比例如何随潜在X变量的变化而变化。注释:n是样本容量k是样本的缺陷数量p=k/n是样本中的缺陷比例p总体的缺陷比例(未知)>离散数据的指引图正态泊松(Poisson)近似法近似法1个比例比较2个比例多于2个比例(及双向表格)大n(样本容量)p不太接近0或1np>10和n(1-p)>10大n(样本容量)比例较小(p<)下表总结了我们在本局部中所使用的方法。(置信区间和假设检验)离散数据分析的类型p+z*p(1-p)/n>>>z*p(1-p)*>>(p1-p2)+11n1n2+?2(卡方)精确二项式检验Poisson置信区间正态泊松(Poisson)近似法 近似法大n(样本容量)p不接近0或1np>10和n(1-p)>10大n(样本容量)比例较小(p<)>>下表总结了我们将在这一局部使用的方法。Z值得自正态分布表,取决于所要求的置信度。离散数据分析的统计方法1个比例比较2个比例多于2个比例(及双向表格)