minitab之MSA分析实例（参考）.ppt

A—假设测定：案例：Paired t.MTW (3)： Paired t（两集团从属/对应） 统计－基本统计量－配对t ： 背景：老化实验前后样本复原时间； 10样本前后实验数据，判断老化实验前后复原时间是否有差异； （正态分布；等分散； α = 0.05 ） P-Value 0.05 → Ha →u1 ≠ u2（有差异） A—假设测定： (4)： 1 proportion t（离散－单样本） 统计－基本统计量－ 1 proportion t： 背景：为确认某不良P是否为1％，检查1000样本，检出13不良， 能否说P=1%? （α = 0.05 ） P-Value 0.05 → H0 → P=0.01 A—假设测定： (4)： 2 proportion t（离散－单样本） 统计－基本统计量－ 2 proportion t： 背景：为确认两台设备不良率是否相等， A: 检查1000样本，检出14不良， B: 检查1200样本，检出13不良， 能否说P1=P2? （α = 0.05 ） P-Value 0.05 → Ho →P1 = P2 A—假设测定： Chi-Square-1.MTW (5)： Chi-Square t（离散－单样本） 背景：确认4个不同条件下，某不良是否有差异？ P-Value 0.05 → Ho →P1 = P2＝…（无差异） 应用一： 测定频度数的同质性： H0: P1=P2=…=Pn Ha: 至少一个不等； A—假设测定： Chi-Square-2.MTW (5)： Chi-Square t（离散－单样本） 背景：确认班次别和不同类型不良率是否相关？ P-Value 0.05 → Ha → 两因素从属（相关） 应用二： 测定边数的独立性： H0: 独立的（无相关） Ha: 从属的（有相关）； 班次 不良类型 A—ANOVA（分散分析）： 两个以上母集团的平均是否相等； (1)： One-way A（一因子多水平数） 背景：确认三根弹簧弹力比较？ H0: u1=u2=…=un Ha: 至少一个不等； P-Value 0.05 → Ha → u不等，有差异； 信赖区间都重叠 － u无有意差； 1和2可以说无有意差，1和3有有意差； A—ANOVA（分散分析）： 两个以上母集团的平均是否相等； (1)： Two-way A（2因子多水平数） 背景：确认生产线（因子1）、改善（因子2）影响下，测定值母平均是否相等，主效果和交互效果是否有意？ 生产线：P-Value 0.05 → Ha → u不等，有差异； 改善、交互： P-Value 0.05 → H0 → u相等，无差异； 生产线：信赖区间没有都重叠 － u有差别－对结果有影响 改 善：信赖区间重叠 － u无差别－对结果没有影响 A—（相关分析）： Scores.MTW P-Value 0.05 → Ha → （有相关相关） I — DOE： (1)：2因子2水准 ① 因子配置设计： 输出结果： 输入 实验 结果 ② 曲线分析： 倾斜越大， 主效果越大 交叉越大， 交互效果越大 最大的data ③ 统计性分析： 实施对因子效果的t-test，判断与data有意的因子。 A、B对结果有意；AB交互对结果无有意； 通过分散分析，判断1次效果、2次效果的有意性； - 主效果有有意， - 交互效果无有意。 显示因子的水准不能线性变换 (Coded) 时的回归系数. - Coded是指实际因子水准 (-1, +1)变换为线性变换。 I — DOE： (2)：多因子不同水准 ① 因子配置设计： 输入data： 反复次数 ② 曲线分析： 倾斜越大， 主效果越大 无法确认交互效果 ③ 统计性分析： 通过分散分析，判断1次效果、2次效果的有意性； - 主效果有有意， - 交互效果无有意。 ④ 确认此后试验方向： 最佳方向 I — DOE： (3)：2水准部分配置 ① 因子配置设计： 背景： - 反应值 : 收率(Yield) - 因 子 : 流入量(10, 15), 触媒(1, 2), 旋转数(100，120), 温度(140, 180), 浓度( 3, 6) － 确认哪个因子影响收率，利用2（5-1）配置法 输入data： 表示2 5-1 部分配置的清晰度和部分实施程度. ② 曲线分