MINITAB使用手册.pptx

《MINITAB使用手册.pptx》由会员分享，可在线阅读，更多相关《MINITAB使用手册.pptx（126页珍藏版）》请在课桌文档上搜索。

1、MINITAB 使用手册,1,主要内容,2,1.Minitab介绍 2.功能菜单介绍 3.常用工具介绍 4.统计性假设验证 5.常用Graph制作方法 6.常用管理图 7.DOE,3,使用目录,1.Minitab介绍(P4)2.功能菜单介绍.(P5)3.常用工具 3-1.EXCEL DATA复制.(P19)3-2.Stack Data.(P20)3-3.Unstack Data.(P22)3-4.Make Patterned Data.(P24)3-5.Random Data.(P26)3-6.概率计算 3-6-1.正态分布概率计算.(P29)3-6-2.超几何分布概率计算(P30)3-6-3

2、.二项分布概率计算.(P31)3-7.DPMOSIGMA.(P32)3-8.SIGMADPMO.(P33)3-9.基本统计量计算.(P34)3-10.正态验证.(P36)3-11.Brush.(P37),3-12.Capability Analysis 3-12-1.Normal.(P38)3-12-2.Binomial.(P40)3-12-3.Poisson.(P42)3-12-4.Box-cox转换.(P44)3-12-5.多重峰工程能力.(P47)3-12-6.有外点工程能力.(P56)3-13.Gage R&R(Crossed).(P58)3-14.Gage R&R(Attribute

3、).(P61)3-15.样本大小的选择.(P68)4.统计性假设验证 4-1.1 Sample-t(P70)4-2.2 Sample-t.(P71)4-3.Paired-t.(P74)4-4.ANOVA.(P75)4-5.1-Proportion.(P76)4-6.2-Proportion.(P77),4-7.2 验证.(P78)4-8.非参数验证.(P80)5.常用Graph 5-1.Pareto.(P82)5-2.Boxplot.(P84)5-3.Dotplot.(P86)5-4.Time Series plot(P88)5-5.Plot.(P90)5-6.Contour plot.(P9

4、2)6.常用管理图 6-1.XBAR-R.(P94)6-2.XBAR-S.(P96)6-3.P Chart.(P98)6-4.NP Chart(P100)6-5.C Chart.(P102)6-6.U Chart.(P104)6-7.I-MR Chart.(P106)7.DOE.(P108),在放映幻灯片状态下点击页码可直接进入需要的内容,4,1.Minitab介绍,-.Minitab是什么？现国内使用的很多统计分析用软件有SAS，SPSS，MINITAB等。MINITAB原来是为了基础统计学的学生,于1972年在美国的宾西法尼亚州立大学开发的。但后来在工学，社会学，经营学等资料的分析和研究方

5、面广泛使用。自从6SIGMA诞生后,就成为6SIGMA活动必要的分析工具。MINITAB的基本数据的输入，输出方式与EXCEL相似，能将复杂的统计分析简单化，可容易理解统计意义。(Internet Home Page:),-.为什么要使用Minitab?因为在实施6SIGMA过程中要运用很多统计和概率方面的知识,而进行大量的手工计算,无疑是很不合算的,在时间上也是不允许的,所以我们引进了MINITAB 软件,它的基本数据的输入，输出方式与EXCEL相似，能将复杂的统计分析简单化，并且其中图形形式丰富,可容易理解统计意义。且MINITAB制作的所有图表与文字与EXCEL相似并可互换，可使用复制及

6、粘贴功能,在制作报告书时也可灵活使用。,5,2.功能菜单介绍(双击MINITAB快捷键后出现下面画面),功能菜单工具栏(图标)Session WindowWork sheet,6,File:文件管理菜单 Edit:Work Sheet,Data 编辑,外部 Data 链接 及 命令 Editor 等 Manip:Manipulation(Data 处理)的菜单 Calc:Calculation(计算)对 Data 进行计算 Stat:Statistics(统计)对各种Data进行统计分析.Graph:制作Graph Editor:调节Work Sheet,Graph,Session Windo

7、w 的环境 Window:控制 Window 及 Graph 的画面 Help:帮助菜单,2-1.Minitab 菜单,7,2-1-1.File功能,新建 Work Sheet(or Project)打开Project(扩展名:mpj)保存Project 另存Project为 对Project描述(可查看,可编辑内容)打开Work Sheet(扩展名:mtw)通过ODBC(Open Data Base Connectivity)打开 保存当前Work Sheet 另存当前Work Sheet 为 关闭Work Sheet 打开Graph(扩展名:mgf)另存Session Windows 其它

8、 文件(Text)等 打印Session Window 打印设置 退出MINITAB 最近编辑过的文档,8,2-1-2.Edit功能,恢复被删除的 Data 清除单元格中内容 删除单元格 复制单元格 剪切单元格 粘贴单元格 粘贴链接 链接到其它的 Worksheet 全部选定单元格 编辑最后的对话框 Session中命令的编辑 Minitab 运行参数设定,9,2-1-3.Manip功能,从激活的Work Sheet 中复制 数据 将激活的Work Sheet 分开成几个 将几个Work Sheet合并为一个.复制列数据 分离列数据 合并列数据 行列数据转换 整理Data 对指定的Data排序

9、 删除行 删除行，列，常数.链接其它Work Sheet Data.定义数据类型 改变Data的类型 显示 session,10,2-1-4.Calc功能,计算器 列数据统计量 行数据统计量 对数据实行标准化 将日期/时间数据提取为一般数据 将日期/时间数据提取为文本数据 作成一些有规律的数据 作成由X,Y,Z值制作 3D Graph 的组合数据 作成变量的指标数据 设定数据库 产生随机数据 概率分布计算 矩阵计算,11,2-1-5.Stat功能,基础的统计计算 回归分析 分散分析 实验计划法.管理图制作 品质分析工具 信赖性分析 多变量分析 时序变化分析 Table形态数据分析 非参数分析

10、Exploratory Data Analysis 样品大小分析,12,2-1-6.Graph功能,图形显示方式设置 X，Y 相关形式图Y 随时间变化的时序图 制作X与Y间相关关系的Chart 制作表示出现频度的柱状图 制作Box Plot 2 个以上X,Y相互关系 Matrix 图制作 X,Y 的 Matrix 草图由X,Y,Z 值 3 次坐标 用等高线表示 由X,Y,Z值 做 3D 坐标图 由X,Y,Z值 做 3D 线型坐标图 由X,Y,Z值 做3D表面图 制作散点图 制作表示占有率的饼图 在边际有标示的 X-Y Plot 制作表示概率分布的Plot 制作径叶图 设置Graph 在 Ses

11、sion Window 中显示的参数,13,2-1-7.Editor功能,查找数据或文本 替换数据或文本 转到其它行或列 转到指定的行或列 格式化列 列的属性编辑 Work Sheet 属性编辑 插入单元格 插入 行 插入 列 移动 列 定义使用者偏好的设置 剪切板参数设定,14,2-1-8.Window功能,层叠所有的Window 使所有的Window显示成Tile形式 所有窗口最小化 重新储存按钮图标 重新排列图标 刷新 使用标准工具按钮 使用Project 管理工具按钮 使用状态工具按钮 关闭所有的 Graph 窗口 设定Graph 的大小/位置 显示 Session 窗口 显示Proj

12、ect 管理 窗口 当前激活窗口为Work Sheet 1*,15,2-1-9.Help功能,帮助 查找帮助 怎样使用帮助 Stat(统计分析)向导 查找Stat(统计分析)向导 怎样使用 Stat(统计分析)向导 使用指南 查找使用指南 Session 命令帮助 查找 Session 命令帮助 Minitab 的主页 关于Minitab的信息,16,打开PROJECT,PROJECT保存,打印WORKSHEET,剪切,复制,粘贴,恢复,以前brushed 行,下面 brushed行,过去对话筐,SESSION WINDOW,现数据WINDOW,HELP,插入,插入行,插入列,列移动,删除,W

13、ORKSHEET管理,图表管理,关闭图表,取消,工具栏在数据 WINDOW击活时显示,2-2-1.数据window 工具栏,17,2-2-2.Session window 工具栏,打印SESSION WINDOW,前命令语,后命令语,查找,查找下一个,工具栏在SESSION WINDOW击活时显示;也有几个是例外,18,2-2-3.图表window 工具栏,打印图表,看的方式,编辑方式,Brush 方式,19,3.Minitab常用工具介绍,3-1.Excel Data复制到MINITAB Work sheet,选中要复制的DATA后点击“复制”图表或“Ctrl+C”,在MINITAB的Wor

14、k sheet中选择要保存DATA的区域后点击“粘贴”图表或“Ctrl+V”,MINITAB中DATA形态,20,3-2.Stack Data,-.路径:ManipStackStack Columns-.功能:可以Stack两列以上的DATA,使 之变成一列.便于DATA统计.,选择要Stack的DATA 列(可通过双击列名来选择),选择保存Stack后的DATA的列名,选择区分DATA的列名,21,3-2.Stack Data,原始DATA,Stack后的DATA(在C3中),Subscript(在C4-T中)(T:表示是文本),22,3-3.Unstack Data,-.路径:ManipU

15、nstack Columns-.功能:可以将一列DATA,按DATA的 区分(Subscript),分成多列 便于DATA统计.,选择要Unstack的DATA 列(可通过双击列名来选择),选择要DATA区分(Subscript),保存DATA,选择此项时,会自动给Unstack的DATA以列名,23,3-3.Unstack Data,原始DATA,Unstack 后的 DATA,24,3-4.Make Patterned Data(作成一些有规律的数据),-.路径:CalcMake Patterned Data-.功能:构造有规律的数据,如做Gage R&R时,很有用.,选择保存DATA的列

16、,第一个DATA的值(本例是1),最后一个DATA的值(本例是3),步长(本例是1),每个值的反复次数(本例是2),整体数值的反复次数(本例是3),25,3-4.Make Patterned Data(作成一些有规律的数据),通过上面的设置后,DATA形式如右,26,3-5.产生随机数(Random data),-.路径:CalcRandom DataNormal,在学习统计时,经常用到一些DATA,用此菜单可以产生指定要求的随机数一般正态数据较多,但也可以产生其它类型的随机数,27,3-5.产生随机数(Random data),随机数的个数,保存随机数的列,随机数的平均值,随机数的标准偏差,

17、结果如下:,因为是随机的,所以每个人的结果不一样!,28,3-6.概率计算,-.路径:CalcProbability Distributions,计算概率,计算累积概率,计算Z水准,选择DATA列,输入DATA,可以计算正态,二项,超几何分布等的概率,EX:正态分布,29,3-6-1.正态分布概率计算,ex:对某一制品的拉长长度进行品质管理,平均为40，标准偏差为2.即N(40,22).购买此制品时顾客 要求拉长长度在35以上.此工程生产的制品,满足顾客要求的概率为多少?,Minitab 中求的概率P(x35)=?,解:如下图形转换问题,35,40,2,满足顾客要求的概率,答案:1-0.006

18、2=0.9938,-.路径:CalcProbability DistributionsNormal,30,3-6-2.超几何分布概率计算,ex:由20个制品构成的LOT中有5个不良品,此时抽取4个制品时，有2个不良品的概率是多少？,Probability Density FunctionHypergeometric with N=20,X=5,and n=4 x P(X=x)2.00 0.2167,31,3-6-3.二项分布概率计算,ex:某制品的工程不良率为1%,随即抽取10个制品,求1个以下(含1个)不良品的概率.,Cumulative Distribution FunctionBinom

19、ial with n=10 and p=0.0100000 x P(X=x)1.00 0.9957,32,3-7.根据DPMO(PPM)计算SIGMA水准,ex:某工程不良率为1,000PPM,求短期SIGMA水准.,输入良品率,Inverse Cumulative Distribution FunctionP(X=x)x 0.9990 3.0902,短期SIGMA水准:3.09+1.5=4.59,33,3-8.根据SIGMA值计算PPM(DPMO)值,ex:已知短期SIGMA值是3.0,求DPMO(PPM)是多少.,输入长期SIGMA值(短期-1.5),Cumulative Distribu

20、tion Function x P(X=x)1.5000 0.9332,DPMO:1-0.9332=66,800 PPM,34,3-9.基本统计量计算,ex:收集了20个某制品长度的DATA,基本统计量计算如下:,选择数据列,选择输出图形,选择信赖区间,(FILE NAME:基本统计量DATA),35,结果如下:,Descriptive Statistics:lengthVariable N Mean Median TrMean StDev SE Meanlength 20 12.365 12.450 12.356 0.942 0.211Variable Minimum Maximum Q1

21、Q3length 10.800 14.100 11.500 13.175,P-Value 0.05小,因此数据符合正态分布(=0.05),Skewness:正态分布是 0,右边斜型分布是(+),左边斜型分布是(-),Kurtosis:正态分布是 0,急尖分布是(+),平尖分布是(-),平均的 区间推定值(95%信赖区间),36,3-10.正态性验证,DATA的正态性是DATA分析的基础,一般来说,制造过程的DATA大部分遵循正态分布,如果不是,则暗示过程存在异常,须引起注意.例:收集了特征A的20个DATA,验证其正态性.(FILE:NORMAL TEST),P=0.1380.05,正态,37

22、,3-11.Brush功能,-.Brush功能,在图形窗口激活时才能使用.-.FILE:brush.mpj,1.选择Brush功能,2.选择要Brush的点,Brush的结果(worksheet中),Brush的结果(session中),38,3-12.Capability Analysis(工程能力分析),3-12-1.正态性DATA 工程能力分析-.路径:StatQuality ToolsCapability Analysis(Normal)-.EX:(file:Capability Analysis.mpj)-.打开文件后,按下面方法进行,选择分析数据列,输入样品组的大小,输入规格下限,

23、输入规格上限,39,-.DPMO(PPM)结果:19,461PPM,-.根据“3-7”,计算SIGMA水准:2.06+1.5=3.56,40,3-12-2.二项分布DATA 工程能力分析-.路径:StatQuality ToolsCapability Analysis(Binomial)-.EX:(file:Capability Analysis(Binomial).mpj)-.打开文件后,按下面方法进行,选择不良数列,选择样品大小,41,-.结果:,-.SIGMA水准:0.75+1.5=2.25,42,3-12-3.泊松分布DATA 工程能力分析-.路径:StatQuality ToolsC

24、apability Analysis(Poisson)-.EX:(file:Capability Analysis(Poisson).mpj)-.打开文件后,按下面方法进行,选择缺点数列,选择样品大小,43,-.结果:,-.SIGMA水准计算:DPU=0.0265,假设Opportunity=10 则:DPO=DPU/10=0.00265 根据“3-7”计算,SIGMA水准:2.78+1.5=4.28,44,3-12-4.Box-Cox转换-.以Box-Cox Transformation为例来说明处理方法.-.EX:(FILE:boxcox.mpj)-.打开该文件后,进行下面操作-.路径:S

25、tat Control Charts Box-Cox Transformation,选择DATA列,选择样品群大小,选择保存变换后DATA的列,45,-.结果:,推测值Lamda StDev0.113 2.782,Box-Cox转换结果,最佳变换是使用 Y0.113 函数式。即，利用 Lambda值使用 0.113的转换。Lambda决定的基准是使转换DATA的标准偏差最小化,Lambda的真值的95%的信赖区间是:0.056,0.170,46,-.变换前后,正态性验证,可看到转换后 DATA为正态分布。根据SPEC就可以求工程能力了.,P-Value：0.000,P-Value：0.867,

26、47,3-12-5.多重峰的工程能力分析-.EX:(FILE:双峰工程能力分析.mpj)-.路径:StatQuality ToolsCapability Analysis(Normal),此值不能正确反映实际工程能力,工程本身是改善对象!,48,-.做dotplot graph,分为2个GROUP,49,-.激活“Brush”后,把DATA分成两个GROUP.(参考“3-11”P37),Brush,选定要Brush的DATA,50,-.在Work sheet中把DATA分成两GROUP 方法:在 dotplot 上激活 brush 后用下面功能来实现,Editor Create Indicat

27、or Variable,Indicator Variable是 DATA用 BRUSH选择时的值为 1，反则表 示 0的DATA SHEET的列。此变量与 Unstack 命令语句 一起为把 DATA重新分为两个 变量而使用，两个变量的名称 可随意定义。,51,-.把DATA Unstack 方法:Manip Unstack Columns,52,-.Unstack的结果,右边GROUP DATA,左边GROUP DATA,到此为止就可以对两个GROUP的DATA进行工程能力分析了,53,-.先计算右边GROUP的工程能力(weight_0 列对应的DATA)路径:StatQuality To

28、olsCapability Analysis(Normal),右边GROUP对应DATA超出SPEC的可能是:221.43PPM,54,-.计算左边GROUP的工程能力(weight_1 列对应的DATA)路径:StatQuality ToolsCapability Analysis(Normal),左边GROUP对应DATA超出SPEC的可能是:15651.08PPM,55,-.整体DATA的工程能力计算,整体 80个中 40个属于左边GROUP，因此左边 GROUP的计算如下：期待 PPM=15651.08PPM(40/80)=7825.54 PPM,整体 80个中 40个属于右边GROU

29、P，因此右边 GROUP的计算如下：期待 PPM=221.43PPM(40/80)=110.715 PPM,计算复合 PPM,把两个推测值相加后求出。,7825.54+110.715=7936.255 PPM,计算 SIGMA水准:根据7936.255 PPM计算:,2.41+1.5=3.91,56,3-12-6.有外点 DATA 工程能力分析-.DATA有外点时，先计算外点的 PPM，再计算剩下的DATA的 PPM.然后计算复合 PPM-.EX:,4个外点:4/40=100,000 PPM,57,-.对“剩余”DATA进行分析,40个 DATA中包括 36个，应调整为 36/40=90%则:

30、0.9*349.65=314.69PPM上页的外点 100,000PPM 加在这里:100,000+314.69=100314.69 PPM利用MINITAB，可得长期 Z=1.28，所以短期为 1.28+1.5=2.78 SIGMA。,36个DATA:349.65 PPM,-.SIGMA水准计算:,58,3-13.Gage R&R(Crossed),-.路径:StatQuality ToolsGage R&R study(Crossed)-.EX:(file:.Gage R&R(Crossed).mpj)-.打开文件后,按下面方法进行,选择样品NO.列,选择作业者列,选择测定值,59,-.G

31、raph结果,60,Gage R&R%ContributionSource VarComp(of VarComp)Total Gage R&R 0.004437 10.67 Repeatability 0.001292 3.10 Reproducibility 0.003146 7.56 Operator 0.000912 2.19 Operator*Part 0.002234 5.37 Part-To-Part 0.037164 89.33 Total Variation 0.041602 100.00 StdDev Study Var%Study VarSource(SD)(5.15*SD

32、)(%SV)Total Gage R&R 0.066615 0.34306 32.66 Repeatability 0.035940 0.18509 17.62 Reproducibility 0.056088 0.28885 27.50 Operator 0.030200 0.15553 14.81 Operator*Part 0.047263 0.24340 23.17 Part-To-Part 0.192781 0.99282 94.52 Total Variation 0.203965 1.05042 100.00 Number of Distinct Categories=4,-.S

33、ession结果,基准:10,基准:30,基准:4,61,3-14.Gage R&R(Attribute),-.路径:StatQuality ToolsAttribute Gage R&R study-.EX:(file:.Gage R&R(Attribute).mpj),选择测定值,选择样品NO.,选择测定者,输入真值,62,结果解释,Within AppraiserAssessment AgreementAppraiser#Inspected#Matched Percent(%)95.0%CI 1 12 10 83.3(51.6,97.9)2 12 5 41.7(15.2,72.3)3 1

34、2 8 66.7(34.9,90.1)#Matched:Appraiser agrees with him/herself across trials.,测定者具有一贯性地评价的次数,测定者,检查数,测定者具有一贯性地评价的%,这里#Matched是表示测定者对同一部品反复测定2次时一致性,63,Each Appraiser vs StandardAssessment AgreementAppraiser#Inspected#Matched Percent(%)95.0%CI 1 12 9 75.0(42.8,94.5)2 12 4 33.3(9.9,65.1)3 12 8 66.7(34.9

35、,90.1)#Matched:Appraisers assessment across trials agrees with standard.,测定者测定的与真值相同的次数,测定者,测定者测定的与真值相同的%,这里#Matched是表示测定者的测定值与真值相同的一致性.,检查数,64,Assessment Disagreement Appraiser#良品/不良 Percent(%)#不良/良品 Percent(%)#Mixed Percent(%)1 1 8.3 0 0.0 2 16.7 2 1 8.3 0 0.0 7 58.3 3 0 0.0 0 0.0 4 33.3#良品/不良:Ass

36、essments across trials=良品/standard=不良.#不良/良品:Assessments across trials=不良/standard=良品.#Mixed:Assessments across trials are not identical.,真值为不良但判断为良品的%,真值为良品但判断为不良的%,以同一部品测定者的判断良,不良混乱的%,65,Between AppraisersAssessment Agreement#Inspected#Matched Percent(%)95.0%CI 12 3 25.0(5.5,57.2)#Matched:All appr

37、aisers assessments agree with each other.,检查数,这里#Matched是 所有测定者测定各部品时的一致性,所有测定者测定结果相同的次数 及%,一致性不超过90%,需要及时改善,66,All Appraisers vs StandardAssessment Agreement#Inspected#Matched Percent(%)95.0%CI 12 3 25.0(5.5,57.2)#Matched:All appraisers assessments agree with standard.,检查数,这里#Matched是 所有测定者测定值与真值的一

38、致性,所有测定者测定值与真值相同的次数 及%,一致性不超过90%,需要及时改善,67,结果图表,测定者一贯性评价程度用95%置信区间表现,对真值的测定者的一致性表现为95%置信区间,在这里2号测定者对自己的评价基准模糊,连真值也无法区分,68,3-15.样本大小的选择-.路径:StatPower Sample size2-Sample t-.ex:某制品的尺寸平均为19.48MM,导入了新方法后,认为平均 扩大到19.58MM,想用90%的验证力判断事实,求出需要的 样品的大小.(已知标准偏差0.1,留意水准0.05),Sample Target ActualDifference Size P

39、ower Power 0.1 18 0.9000 0.9023,输入Delta(差值),输入验证力,输入标准偏差,选择H1,选择留意水准,69,4.统计性假设验证,我们经常使用的假设验证的种类,及在什么情况下使用什么验证方法,按验证形态别分类如下:,70,4-1.平均验证 1-Sample t test(一个母集团与基准的平均比较)EX:,把现在生产的 M制品的Wire粘接到Pad后,为了固定wire而注射Bonding液,但Bonding液平均至少要在达到110 g.由于生产量的增加新增设了F Line,并为了知道在F Line的 Bonding 设备注射的 Bonding液的重量平均值是否

40、比整体Line的平均值大,调查了15个样品得到了数据.用留意水准5%验证在F Line的 Bonding 设备注射的Bonding液的重量平均值是否大于整体Line.,假设:H0:=110(g)H1:110(g)路径:Stat Basic statistics 1-Sample t.,输入对立假设,One-Sample T:Bond量Test of mu=110 vs mu 110Variable 95.0%Lower Bound T PBond量 110.90 2.27 0.020,P0.05,采纳H1,71,4-2.平均验证 2-Sample t test(2个母集团的平均比较)EX:(F

41、ILE:2-SAMPLE T),想调查M制品的用最新设备构成的新Line生产的产量是否与原Line不同.(数据是连续型测定数据)对同一机种,调查新Line和原Line的时间当生产量,各得到了10个测定值.用留意水准5%验证两个Line的生产量是否不同.,假设:,1.先验证收集的DATA是不是正态的.,P值均0.05所以是正态分布,72,2.再验证DATA的等分散性(StatANOVATest for Equal Variances),正态时选择,非正态时选择,通过前面的验证,DATA是正态的,所以等分散验证的结果P-value=0.7760.05分散相同,73,3.进行2-Sample t t

42、est(StatBasic Statistics2-Sample t.),等分散时选择,选择对立假设H1,Two-Sample T-Test and CI:Cuurrent,New lineDifference=mu Cuurrent-mu New lineEstimate for difference:-36.095%CI for difference:(-92.3,20.3)T-Test of difference=0(vs not=):T-Value=-1.34 P-Value=0.195 DF=18Both use Pooled StDev=59.9,P-Value0.05,采纳H0,

43、74,4-3.平均验证 Paired t-.双 数据 平均比较(对同一个体测定两次进行比较)-.EX:-.路径:StatBasic StatisticsPaired t,某制品经过热处理后厚度尺寸可能变化,一般工程师认为热处理后厚度会变薄,为了了解热处理后尺寸是否发生变化,选定20个标本并标上号码标记后,对同一部品各测定了热处理前后的两次厚度尺寸得到厚度的测定值.用5%有意水准验证是否可以说热处理后制品的厚度发生变化.(FILE:Paired t),Paired T-Test and CI:Before,AfterPaired T for Before-After N Mean StDev S

44、E MeanBefore 20 8.798 0.703 0.157After 20 8.582 0.792 0.177Difference 20 0.2165 0.1779 0.039895%CI for mean difference:(0.1332,0.2998)T-Test of mean difference=0(vs not=0):T-Value=5.44 P-Value=0.000,P-Value0.05,不采纳H0,(H0:a=b;H1:ab),75,4-4.ANOVA(one-way)-.验证2个以上集团的平均是否相同-.EX:比较3个作业者别的某制品特征值A的平均是否相同(F

45、ILE:ANOVA(ONE WAY)-.路径:StatANOVAOne-way-.结果:,One-way ANOVA:特征A versus operatorAnalysis of Variance for 特征A Source DF SS MS F Poperator 2 8.315 4.158 7.05 0.005Error 18 10.617 0.590Total 20 18.932 Individual 95%CIs For Mean Based on Pooled StDevLevel N Mean StDev-+-+-+-+-A 7 16.171 1.119(-*-)B 7 15.1

46、14 0.667(-*-)C 7 14.671 0.269(-*-)-+-+-+-+-Pooled StDev=0.768 14.40 15.20 16.00 16.80,P-Value0.05,平均不同,76,4-5.1-Proportion(StatBasic Statistics1 Proportion)-.一个比率和基准的比较-.EX:,新LINE Set-up完了后工程师说这条线的良品率为 89%以上.为了确认是否正确,从中抽出100个标本进行分析后得到91个良品.用5%留意水平验证工程师的结论.,-.假设:H0:p=0.89;H1:p0.89-.操作方法:,Test and CI

47、for One ProportionTest of p=0.89 vs p 0.89 ExactSample X N Sample p 95.0%Lower Bound P-Value1 91 100 0.910000 0.848205 0.328,77,4-6.2-Proportion(StatBasic Statistics2 Proportion)-.两个比率的验证-.EX:,为了了解某制品的不良率是不是线别不一样,从A线抽出500个,B线抽出300个制品,调查的结果,A线180个,B线145个不良.用5%留意水平验证线别有没有不良率的差异.,-.假设:H0:P1=P2;H1:P1 P2

48、-.操作方法:,Test and CI for Two ProportionsEstimate for p(1)-p(2):-0.12333395%CI for p(1)-p(2):(-0.193816,-0.0528507)Test for p(1)-p(2)=0(vs not=0):Z=-3.43 P-Value=0.001(采纳H1),78,4-7.比率验证 Chi-Square Test(2 验证)-.多个集团的比率验证-.路径:Stat Tables Chi-Square Test(2 验证)-.EX:,某生产线有4台做同一作业的设备.为了解各设备的不良率是不是相同,调查一定时间内各

49、设备别的不良和良品的结果如下.用5%的留意水平验证设备别有没有不良率的差异,假设:H0:p1=p2=p3=p4 H1:H0不成立,79,Chi-Square Test:Good,BadExpected counts are printed below observed counts Good Bad Total 1 96 24 120 91.43 28.57 2 64 28 92 70.10 21.90 3 94 28 122 92.95 29.05 4 66 20 86 65.52 20.48Total 320 100 420Chi-Sq=0.229+0.731+0.530+1.696+0.

50、012+0.038+0.003+0.011=3.250DF=3,P-Value=0.355,-.结果如下:,(Session windows),P-value 值比0.05大,因此不能说设备别不良率 不一样.,80,4-8.非参数验证,-.DATA非正态分布,-.不需假设成正态分布的验证方法。-.路径:Stat Nonparametrics Kruskal wallis,H0:1=2=k H1:至少有一个 Median是不同的。,-.假设:,-.EX:验证设备别(A1A4)生产的某制品的FORCE的中心是否一样.测定DATA如下:,81,-.操作方法:,Kruskal-Wallis Test: