假设检验介绍课件.pptVIP

FN: MultiVari 假设检验介绍 目录 假设检验 假设是一个关于变量特性或变量间关系的一种推测理论. 我们做统计检验去证明那个关系是否存在(在某个信心度下). 我们可用到两个对立的假设. 零假设(H0)—不存在差异或关系的假设.这是所有统计检验的标准假设. 备选假设(Ha)—存在差异或关系的假设.这个假设是大部分统计检验实际评定的. 假设检验的类型 我们可以对许多种情况进行假设检验.在下面的章节里我们将研究以下检验: T检验(T-tests): 平均值的检验 Is mA = mB ? F检验(F-tests): 方差的检验 Is sA2= sB2 ? 二项式检验(Binomial tests): 比例的检验 Is pA = pB ? c2 检验: 对一个X变量比率关系或频次的检验 保修期返回的是否取决于工厂质量? 显著的差异是什么? 上图中的两个总体或面积有显著的差异吗? 我们对我们的决定有多大把握?从总体里取样品对我们做决定的信心有什么影响? 实际对统计的意义 使用平均值检验, 我们也许能证明左图?? ? ?? . 上图中,我们的统计结果离目标值更近. 统计检验有多大的价值? 下图中,我们的统计大大超过我们的目标. 统计检验能够提供附加值吗? 统计检验中的风险—Alpha风险 Alpha风险或错误类型1 (在大部分统计软件中输出通常叫p值“p-value”, 在传统的质量术语中叫“生产者风险”)是在我们说某事是有差异时,我们错误了的概率.它是对被观察到的差异随机发生的可能性评估. Alpha风险是大多数统计检验的主要决策工具. 统计检验中的风险—Beta风险 Beta 风险或 错误类型2 (在传统的质量术语中也叫消费者风险) 是我们可能错误了的概率, 当我们说两件或两件以上的事是相同的,但实际上是有差异的时. Beta风险不是通过统计检验直接估计的. 风险和样品数 在置信区间单元,我们看到样品数影响平均值或方差统计的不确定度. 在统计检验里,样品数将决定我们所取的风险数. 做假设检验的一般步骤 1. 定义实际问题. 2. 陈述统计问题. 3. 选择统计检验. 4. 设立Alpha和Beta风险. 5. 确定我们所关心的偏差(d). 6. 选择适当的样品数. 7. 提出取样计划. 8. 收集数据. 9. 做统计检验. 10. 得出结论. 例子 从仓库选料送到工厂会错料,我们自行车工厂的一个改进团队正设法降低错料的百分比.由错料引出的重新进货,再选料,零件缺乏和有时候错误零件的装配造成劣质成本的增加.XY矩阵,FMEA和一些以前数据的箱图都把班次作为一种可能的自变量.团队怎样设定一个统计检验去了解选错料的百分比是否取决于班次? 例子—定义问题 步骤 1: 定义实际问题. 选错料的比率是否取决于不同工作表现的班次? 步骤 2: 陈述统计问题. 零假设Ho – P班次 1 = P班次 2 备选假设Ha – P班次 1 1 P班次 2 步骤 3: 选择统计检验. 既然我们涉及到比例, 我们将用比例检验. 例子—建立风险 步骤 4: 建立Alpha和Beta风险. 我们将使用一个Alpha (a) 风险= 0.05. 当一个统计检验说可能有差异存在时,我们愿意取5%的随机风险. 根据情况的不同危险程度,我们可以增加或减少 a .为了一个保险的参量,我们可能使用a = 0.001. 我们一般选择 Beta (b) = 0.10. 这个的意思是,如果有一个差异存在,检验检测不到它,我们愿意取10%的机会. Beta 通常用检验的能力1 – b来表现. 实际差异和样品尺寸 步骤 5: 确定我们所关心的偏差(d). 现在的错误百分率平均为1.5 %.我们的项目目标是改进50%, 达到0.75%. 我们所关心的偏差为 0.75%. 步骤 6: 选择适当的样品尺寸. 在每个统计检验的章节里,我们都将用到样品尺寸的选择. 这个问题的样品尺寸是 2个班次 * 200 次/班次,共4,200个样本(每个班次). 步骤 7: 提出取样计划. 在21个工作日的两个班次里,我们将收集样品中的出错数据. 用 Minitab运行检验 步骤 8: 收集数据. 下面的是收集数据的概要. 班次 1 – 选料总数 = 4,200 ; 错误 = 66 班次 2 – 选料总数 = 4,200; 错误 = 30 Step 9: 运行统计检验. 我们使用Minitab去检验这些比例. 结论 步骤 10: 得出结论. 从 p-value = 0.00, 我们推断每个班次的错误率是不同的. 对于错误百分比的差异是从0.4%到1.3%,有95%的可信程度. 假设检验目录 ? 2001 Six Sigma Qualtec SSQ 331 04_