Minitab教育4.pptx

Fast Execution Profitable GrowthGreat Company Great People分析（ChiSquare）26/40检验三个以上比率之间的差异.000营业部对A、B、C、D四种材料进行了作业性评价，结果如下：A B C D样本不合格品 45 43 48 445 7 2 6- 0假设：不同材料的不合格率一样-对立假设：不同材料的不合格率不一样 Stat - Tables -Chi-Square Test.Expected counts are printed below observed countsA B C D Total1 45 43 48 44 18045.00 45.00 45.00 45.002 5 7 2 6 205.00 5.00 5.00 5.00Total 50 50 50 50 200Chi-Sq = 0.000 + 0.089 + 0.200 + 0.022 +0.000 + 0.800 + 1.800 + 0.200 = 3.111DF = 3, P-Value = 0.375 * p-Value : 0.375(37.5%)=p-Value大，所以接受0假设。

即不同材料之间不存在不合格率上的差异Fast Execution Profitable GrowthGreat Company Great People分析（ChiSquare）26/40想确认两个变量的独立关系的时候.000营业部调查了不同性别所喜欢的产品色彩，结果如下：-0假设：性别与色彩是相互独立的（无关联）-对立假设：不同材料的不合格率不是相互独立的（有关联）白色 紫色 蓝色 男女 37 41 4435 72 71 Chi-Square Test: 白色，紫色，蓝色Expected counts are printed below observed counts白色，紫色，蓝色Total1 37 41 44 12229.28 45.95 46.772 35 72 71 17842.72 67.05 68.23Total 72 113 115 300Chi-Sq = 2.035 + 0.534 + 0.164 +1.395 + 0.366 + 0.112 = 4.606DF = 2, P-Value = 0.100 * p-Value : 0.100(10.0%)= p-Value大，所以接受0假设。

即色彩与性别是独立的Fast Execution Profitable GrowthGreat Company Great People理解（ChiSquare）26/403)对表（TABLE）的假设检验Chi-SquareTest结果的解释方法骰子的概率因我们事先已经了解了，因而能通过简单的计算算出来在不知概率的情况下，如果当想要确认两个变数的独立关系时，我们将怎么做？Chi-Square Test: 白色，紫色，兰色 Expected counts are printed below observed counts白色 紫色 兰色 Total1 37 41 44 12229.28 45.95 46.772 35 72 71 17842.72 67.05 68.23Total 72 113 115 300Chi-Sq = 2.035 + 0.534 + 0.164 +1.395 + 0.366 + 0.112 = 4.606DF = 2, P-Value = 0.100首先考虑一下出现白色的概率全部人员数是300名，选择白色的人数72名，选择白色的概率是72/300接下来计算一下男士（1）的预计值。

参与的男士总人数为122名，则计算出来的预计值（72/300）122为29.28既男士选择白色的预计值是29.28，实际值是37，它们之间的差异是（37-29.28）（37-29.28）/29.28即2.035分析结果chi-sq的个别值越大，预计值与实际值之间的差异越大改善（Improvement）阶段 DOE完全配置法 DOE部分配置法Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 这次介绍一下6活动中的重点部分试验设计和分析方法以各种设计法中最常用的设计法为重点） 试验试验的概述 积极收集数据的方法是试验做试验时，不仅要节约时间和费用，而且出于去除噪音、保护试验的考虑，需要考虑试验设计我们不是计划（planning）试验，而是设计（Design）试验因此，虽有适用于各种情况的多种试验设计法，但在做试验时一般都是经过下面3步来达到最佳 决定因素的选择 - 要因配置法（2水平计）、交落法、部分实施法 向最佳点移动 - Center point设计和最大倾斜法 最佳点的确认 - 反应表面试验（一般也称中心合成法） 在这里我们将介绍设计和分析上述试验设计的方法。

试验试验中使用的基本用语语 000事业部对影响冷却力的A、B两个因子进行了试验这时，A、B分别被分为3个，并在各自的试验条件下进行了二次试验 试验的关注对象？冷却力 - 称作因变量或被解释变量 调整的变量？A, B - 称作自量变或解释变量 自变量的试验条件？3 - 水平(Level) 在各自试验条件下的试验次数？2 - 重复数 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 什么是2水平要因配置法？ 2水平计因素配置法是指把自变量的水平设成2水平来进行试验的方法在所有的试验条件下进行） Design方法 试对影响冷却力的A、B二因子进行试验水平：2水平；重复次数：2次） Stat - DOE - Factorial - Create Factorial Design. Design完成后的状态态 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 试验结试验结果的分析（练习练习3.mtw） ANOVA 分析 Stat - DOE - Factorial - Analyze Factorial Design.因A、B的P-Value值小，所以我们可以知道：在A、B的影响下，因变量值是变化的。

但我们也知道：A、B的交互作用对因变量并没有太大的影响.可将此用图表示如下：Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 试验结试验结果的分析（练习练习3.mtw） 图解分析 Stat - DOE - Factorial - Analyze Factorial Design.逐一点击MainEffectsPlot、InteractionPlot、Cubeplot的setup按键，然后像右边图那样进行输入Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 试验结试验结果的分析（练习练习3.mtw） 图解分析 Cube Plot 分析时的注意事项 在求试验时的最大值时，使用起来最容易的是CubePlot但在存在交互作用时，请不要使用CubePlot你可这样进行 Stat - DOE - Factorial - Analyze Factorial Design.在各水平组合中可看到试验结果Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 什么是交落法？ 只有在同一环境和条件下进行试验，才能获得完好的结论。

但在同一环境下完成所有的试验经常是很困难的比如，做4因素2水平试验时，总共要进行16次试验在所做的16次试验当中，如果一天完不成8次，那么就不得不花费2天来完成这时，第一天和第二天的试验环境和条件就不敢说是完全一样的了为了有效地消除变化的条件和环境所产生的影响，而把全部试验分为两组来设计的方法就是直交法在进行这样的试验时，把16次试验分成8次2个组如此划分的标准可参看下面3次以上的交互作用对因变量几乎没有影响，即使有影响，大部分也是无法从技术上进行克服的，所以我们在做试验设计时，就放弃了这种高层次的交互作用直交是我们在无法消除二因子间的交互作用时才提及的在这里，我们无法消除高层次的交互作用和Group间的效应，在这种情况下我们还是进行了设计，所以就称作直交法 设计设计方法 让我们将2水平4因子分做两个小组来进行设计这时，分组的标准中就放弃了4次交互作用 Stat - DOE - Factorial - Create Factorial Design. 基本上与2水平要因配置法相同，不同的地方请参看下面 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 设计设计方法 Stat - DEO - Factorial - Create Factorial Design. 设计完成的状态 让我们将2水平4因子分做两个小组来进行设计。

这时，分组的标准中就放弃了4次交互作用 有关设计设计的信息确认认设计完成后，有关设计的信息会显示在Design窗口中 我们通过试验所能确认信息量的表示尺度，就是试验的Resolution一般常用的是3、4、5Resolution 3 : 只确认主效应的效应Resolution 4 : 确认主效应和一部分二次交互作用的效应Resolution 5 : 确认主效应和所有的二次交互作用的效应 试验试验的Resolution 试验结试验结果的分析 试验结果的分析方法等同于2水平要因配置法的结果分析方法 ANOVA 分析 Stat - DOE - Factorial - Analyze Factorial Design. 图解分析 Stat - DOE - Factorial - Analyze Factorial Design. Cube Plot 分析时的注意事项 在求试验时的最大值时，可很容易应用的是CubePlot但在存在交互作用时，请不要使用CubePlot，可按如下方式进行 Stat - DOE - Factorial - Analyze Factorial Design.Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 什么是部分实实施法？ 在2水平计试验中，当因子变多时，试验次数有骤增的倾向。

即因子为2时要4次，因子为3时要8次，因子为4时要16次，因子为5时要32次，因子很多时，利用直交法中所用的假定可有效地减少试验次数即放弃了3次以上的交互作用，同时还减少了试验的次数直交法已经应用这样的假定把全部试验进行了分组从中进行选择并只对一个组进行的试验，就是部分配置法根据因子的个数，部分实施法从1/2、1/4、1/8、1/16中进行选择 设计设计的方法 让我们用1/2部分配置法来设计2水平4因素 Stat - DEO - Factorial - Create Factorial Design. 基本上等同于2水平要因配置法, 不同的地方如下 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析27/40 设计方法 对四个二水平因子进行12部分配置法设计 Stat - DEO - Factorial - Create Factorial Design. 设计设计完成的状态态 确认认关于设计设计的情报报设计结束之后，设计。