《西格玛培训》PPT课件

《《西格玛培训》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第6部分: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。在上一部分，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部分:离散数据的置信区间和假设检验工具用途1.Pareto-找出少数关键的缺陷类型2.图形-找出变化规律以确定哪些X影响缺陷3.比例的置信区间-量化变差，以确定变化是和

2、假设检验否具有统计显著性四种类型：单样本，p接近.5双样本，p接近.5单样本，p<.1双样本，p<.14.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。关闭所有打开的工作表和图形。打开工作表文件Pareto.mtw路径为L:SixSigmaminitabtrainingminitabpareto.mtw打开:Stat>QualityTools>ParetoChart在pareto

3、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OthersNewAcctSetupPersonalAddressBookNotResolvedServerSpaceNotExchangeInstallationGeneralInquiryLockup/PerformancePasswordResetCustomAddressBug5318181921293254751071289.63.23.23.43.85.25

4、.89.713.519.323.1100.090.487.283.980.576.771.565.756.042.423.15004003002001000100806040200DefectCountPercentCum%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

5、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，就不能缩小您项目的重点范围。（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。在图形中保留缺陷的常规顺序。考虑累积缺陷线的高度，它表示特定因

6、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，傍晚和周末很少产生划痕。原始数据的Pareto图表问题:降低客户培训服务电话的比例(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<0.10)下表总结

7、了我们在本部分中所使用的方法。(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<0.10)>>下表总结了我们将在这一部分使用的方法。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)下图显示何时使用正态法、何时使用泊松(Po