-
- 素材大。
- 8.12 MB
- 素材授權(quán):
- 免費(fèi)下載
- 素材格式:
- .ppt
- 素材上傳:
- ppt
- 上傳時(shí)間:
- 2016-04-03
- 素材編號(hào):
- 51900
- 素材類別:
- 培訓(xùn)教程PPT
-
素材預(yù)覽
這是一個(gè)關(guān)于minitab教程PPT(部分ppt內(nèi)容已做更新升級(jí)),主要介紹了Minitab是眾多統(tǒng)計(jì)軟件當(dāng)中比較簡(jiǎn)單易懂的軟件之一、Minitab在質(zhì)量管理方面的應(yīng)用是比較適合的、一般的數(shù)據(jù)分析和圖形處理都可以應(yīng)付自如等內(nèi)容。培訓(xùn)是給新員工或現(xiàn)有員工傳授其完成本職工作所必需的正確思維認(rèn)知、基本知識(shí)和技能的過(guò)程。是一種有組織的知識(shí)傳遞、技能傳遞、標(biāo)準(zhǔn)傳遞、信息傳遞、管理訓(xùn)誡行為。其中以技能傳遞為主,側(cè)重上崗前進(jìn)行。為了達(dá)到統(tǒng)一的科學(xué)技術(shù)規(guī)范、標(biāo)準(zhǔn)化作業(yè),通過(guò)目標(biāo)規(guī)劃設(shè)定知識(shí)和信息傳遞、技能熟練演練、作業(yè)達(dá)成評(píng)測(cè)、結(jié)果交流公告等現(xiàn)代信息化的流程,讓員工通過(guò)一定的教育訓(xùn)練技術(shù)手段,達(dá)到預(yù)期的水平,提高目標(biāo)。目前國(guó)內(nèi)培訓(xùn)以技能傳遞為主,時(shí)間在側(cè)重上崗前。
minitab教程PPT是由紅軟PPT免費(fèi)下載網(wǎng)推薦的一款培訓(xùn)教程PPT類型的PowerPoint.
Minitab介紹
Minitab是眾多統(tǒng)計(jì)軟件當(dāng)中比較簡(jiǎn)單易懂的軟件之一;
相對(duì)來(lái)講,Minitab在質(zhì)量管理方面的應(yīng)用是比較適合的;
Minitab的功能齊全,一般的數(shù)據(jù)分析和圖形處理都可以應(yīng)付自如。
Minitab與6 Sigma的關(guān)系
在上個(gè)世紀(jì)80年代Motolora開(kāi)始在公司內(nèi)推行6 Sigma,并開(kāi)始借助Minitab使6 Sigma得以最大限度的發(fā)揮;
6 Sigma的MAIC階段中,很多分析和計(jì)算都可以都通過(guò)Minitab簡(jiǎn)單的完成;
即使是對(duì)統(tǒng)計(jì)的知識(shí)不怎么熟悉,也同樣可以運(yùn)用Minitab很好的完成各項(xiàng)分析。
Minitab的功能
計(jì)算功能
計(jì)算器功能
生成數(shù)據(jù)功能
概率分布功能
矩陣運(yùn)算
Minitab的功能
數(shù)據(jù)分析功能
基本統(tǒng)計(jì)
回歸分析
方差分析
實(shí)驗(yàn)設(shè)計(jì)分析
控制圖
質(zhì)量工具
可靠度分析
多變量分析
Minitab的功能
圖形分析
直方圖
散布圖
時(shí)間序列圖
條形圖
箱圖
矩陣圖
輪廓圖
課程內(nèi)容安排
由于時(shí)間有限,很多內(nèi)容只是
做簡(jiǎn)單的介紹;
在兩天的時(shí)間里,主要的課程
內(nèi)容安排如下:
Minitab界面和基本操作介紹
Minitab之常用圖形
QC手法常用的圖形如下:
特性要因圖
控制圖(參見(jiàn)SPC部分)
柏拉圖
散布圖
直方圖
時(shí)間序列圖
特性要因圖
練習(xí)
柏拉圖
練習(xí)
輸入數(shù)據(jù)
散布圖
練習(xí)
輸入數(shù)據(jù)
直方圖
時(shí)間序列圖
練習(xí)
Minitab的SPC使用
Minitab可提供的圖形
計(jì)量型
Xbar-R
Xbar-s
I-MR
I-MR-s
Z-MR
計(jì)數(shù)型
P
Np
C
U
Xbar-R做法
Xbar-R是用于計(jì)量型
判穩(wěn)準(zhǔn)則:連續(xù)二十五點(diǎn)沒(méi)有超出控制界限。
判異準(zhǔn)則:
一點(diǎn)超出控制界限
連續(xù)六點(diǎn)上升或下降或在同一側(cè)
不呈正態(tài)分布,大部份點(diǎn)子沒(méi)有集中在中心線。
Xbar-R做法
Xbar-R練習(xí)
決定測(cè)試要求
決定標(biāo)準(zhǔn)差的估計(jì)方法
決定選項(xiàng)
判 圖
請(qǐng)判定前圖是否有異常
請(qǐng)問(wèn)本圖為解析用圖或是控制用圖
Xbar-s做法
Xbar-s練習(xí)
Select: Stat >Control Charts >
Variables Charts for
Subgroups > Xbar-s
輸入?yún)?shù)
判 圖
請(qǐng)判定前圖是否有異常
請(qǐng)問(wèn)本圖為分析用圖或是控制用圖
I-MR圖做法
I-MR練習(xí)
打開(kāi)下列檔案:
Data目錄下的Coating.MTW
Select: Stat >Control Charts >
Variables Charts for
Individuals > I-MR
輸入?yún)?shù)
圖形輸出
判 圖
請(qǐng)判定前圖是否有異常
請(qǐng)問(wèn)本圖為解析用圖或是控制用圖
I-MR-R圖做法
I-MR-R練習(xí)
打開(kāi)Data目錄下的Camshaft.mtw
Select: Stat >Control Charts >
Variables Charts for
Subgroups > I-MR-R
輸入?yún)?shù)
圖形輸出
判 圖
請(qǐng)判定前圖是否有異常
請(qǐng)問(wèn)本圖為分析用圖或是控制用圖
Z-MR(標(biāo)準(zhǔn)化的單值移動(dòng)極差)圖做法
Z-MR練習(xí)
Select: Stat >Control Charts >
Variables Charts for
Individuals > Z-MR
輸入?yún)?shù)
決定估計(jì)
圖形輸出
P圖做法
P圖練習(xí)
P圖只能適用在二項(xiàng)分布的質(zhì)量特性性。
在做p圖時(shí),要注意其樣本數(shù)必須達(dá)到1/p~5/p,如此之下的圖才比較具有意義。
輸入數(shù)據(jù)
輸入?yún)?shù)
決定判異準(zhǔn)則
圖形輸出
NP圖做法
NP圖練習(xí)
np圖只能適用在二項(xiàng)分布的質(zhì)量特性性。
在做np圖時(shí),要注意其樣本數(shù)必須達(dá)到1/p~5/p,如此之下的圖才比較具有意義。
輸入數(shù)據(jù)
圖形輸出
C圖做法
C圖練習(xí)
c圖只能適用在泊松分布的質(zhì)量特性上。
在做c圖時(shí),要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上,如此之下的圖才比較具有意義。
另外就是基本上c圖的樣本要一定才可以。如果樣本數(shù)不一樣,則應(yīng)當(dāng)使用u圖。
輸入數(shù)據(jù)
輸入?yún)?shù)
決定判異準(zhǔn)則
圖形輸出
U圖做法
U圖練習(xí)
u圖只能適用在泊松分布的質(zhì)量特性上。
在做u圖時(shí),要注意其樣本數(shù)必須達(dá)到取樣時(shí)至少包含一個(gè)缺陷以上,如此之下的圖才比較具有意義。
輸入數(shù)據(jù)
輸入?yún)?shù)
圖形輸出
EWMA做法
CUSUM做法
MINITAB之制程能力分析
制程能力之分類
MINITAB 能力分析的選項(xiàng)(計(jì)量型)
Capability Analysis (Normal)
Capability Analysis (Between/Within)
Capability Analysis (Nonnormal)
Capability Analysis (Multiple Variable normal)
Capability Analysis (Multiple Variable Nonnormal)
Capability Analysis (Binomial)
Capability Analysis (Poission)
Capability Sixpack (Normal)
Capability Sixpack (Between/Within)
Capability Sixpack (Nonnormal)
Capability Analysis (Normal)
該命令會(huì)劃出帶理論正態(tài)曲線的直方圖,這可直觀評(píng)估數(shù)據(jù)的正態(tài)性。輸出報(bào)告中還包含過(guò)程能力統(tǒng)計(jì)表,包括子組內(nèi)和總體能力統(tǒng)計(jì)。
Capability Analysis (Between/Within)
該命令會(huì)劃出帶理論正態(tài)曲線的直方圖,可以直觀評(píng)估數(shù)據(jù)的正態(tài)性。
該命令適用于子組間存在較大變差的場(chǎng)合。輸出報(bào)告中還包含過(guò)程能力統(tǒng)計(jì)表,包括子組間/子組內(nèi)和總體能力統(tǒng)計(jì)。
Capability Analysis (Nonnormal)
該命會(huì)會(huì)劃出帶非正態(tài)曲線的直方圖,這可直觀評(píng)估數(shù)據(jù)是否服從其他分布。輸出報(bào)告中還包含總體過(guò)程總能力統(tǒng)計(jì)
制程能力分析做法
STEP1決定Y特性
STEP2決定Y特性
STEP3決定Y特性
STEP4決定Y特性
STEP5決定Y特性
練習(xí)
輸入數(shù)據(jù)
輸入選項(xiàng)
選擇標(biāo)準(zhǔn)差的估計(jì)方法
選項(xiàng)的輸入
Capability Analysis (Nonnormal)
此項(xiàng)的分析是用在當(dāng)制程不是呈現(xiàn)正態(tài)分布時(shí)所使用。因?yàn)槿绻瞥滩皇钦龖B(tài)分布硬用正態(tài)分布來(lái)分析時(shí),容易產(chǎn)生誤差,所以此時(shí)可以使用其他分布來(lái)進(jìn)行分析,會(huì)更貼近真實(shí)現(xiàn)像。
練 習(xí)
請(qǐng)使用同前之?dāng)?shù)據(jù)來(lái)進(jìn)行分析。
上規(guī)格:103
下規(guī)格:97
規(guī)格中心:100
輸入相關(guān)參數(shù)
填入選項(xiàng)要求
結(jié)果圖形
正態(tài)分布適用性的判定
可以使用
Stat>basic statistic>normality test
但數(shù)據(jù)要放到同一個(gè)column中,所以必須針對(duì)前面的數(shù)據(jù)進(jìn)行一下處理
數(shù)據(jù)調(diào)整
填寫(xiě)選項(xiàng)
計(jì)量型制程能力分析總結(jié)
一般的正態(tài)分布使用
Capability Analysis (Normal)
如果是正態(tài)分布且其組內(nèi)和組間差異較大時(shí)可用
Capability Analysis (Between/Within)
當(dāng)非正態(tài)分布時(shí)則可以使用
Capability Analysis (Nonnormal)
Capability Sixpack (Normal)
復(fù)合了以下的六個(gè)圖形
Xbar
R
原始數(shù)據(jù)分布(plot)
直方圖
正態(tài)分布檢定
CPK, PPK
練習(xí)
請(qǐng)以前面的數(shù)據(jù)來(lái)進(jìn)行相應(yīng)的Capability Sixpack (Normal)練習(xí)
Select: Stat >Quality Tools > Capabilty Sixpack(Normal)
輸入各項(xiàng)參數(shù)
選定判異準(zhǔn)則
選擇標(biāo)準(zhǔn)差估計(jì)方法
考慮可選擇項(xiàng)
結(jié)果輸出
Capability Sixpack (Between/Within)
復(fù)合了以下的六個(gè)圖形
Individual
Moving Range
Range
直方圖
正態(tài)分布檢定
CPK, PPK
同前練習(xí)及結(jié)果
Capability Sixpack (Nonnormal)
復(fù)合了以下的六個(gè)圖形
Xbar
R
原始數(shù)據(jù)分布
直方圖
正態(tài)分布檢定
CPK, PPK
二項(xiàng)分布制程能力分析
二項(xiàng)分布只適合用在
好,不好
過(guò),不過(guò)
好,壞
不可以用在
0,1,2,3等二項(xiàng)以上的選擇,此種狀況必須使用泊松分布。
示例
數(shù)據(jù)在Data目錄下
的Bpcapa.mtw中
Select : Stat >Quality
Tools >Capabilty >
Analysis > Binomial
填好各項(xiàng)的參數(shù)
選好控制圖的判異準(zhǔn)則
結(jié)果及輸出
泊松分布制程能力分析
泊松分布只適合用在
計(jì)數(shù)型,有二個(gè)以上的選擇時(shí)
例如可以用在
外觀檢驗(yàn),但非關(guān)鍵項(xiàng)部份
0,1,2,3等二項(xiàng)以上的選擇,此種
狀況必須使用泊松分布。
示例
數(shù)據(jù)在Data目錄下
的Bpcapa.mtw中
填好各項(xiàng)的參數(shù)
結(jié)果及輸出
基礎(chǔ)統(tǒng)計(jì)
描述性統(tǒng)計(jì)
Select: Stat >Basic Statistics
>Display descriptive statistics
廣告宣傳的虛假性
手機(jī)電池的使用壽命不是按年來(lái)計(jì)算的,而是按電池的充放電次數(shù)來(lái)計(jì)算的。鎳氫電池一般可充放電200-300次,鋰電池一般可充放電350-700次。某手機(jī)電池廠商宣稱其一種改良產(chǎn)品能夠充放電900次,為了驗(yàn)證廠商的說(shuō)法,消費(fèi)者協(xié)會(huì)對(duì)10件該產(chǎn)品進(jìn)行了充放電試驗(yàn)。得到的次數(shù)分別為891,863,903,912,861,885,874,923,841,836。
廣告宣傳是虛假的嗎
上述數(shù)據(jù)的均值為878.9,明顯少于900。但是,到底均值落在什么范圍內(nèi)我們就認(rèn)為廣告宣傳是虛假的呢?
假設(shè)檢驗(yàn)的原理
假設(shè)檢驗(yàn)的原理是邏輯上的反證法和 統(tǒng)計(jì)上的小概率原理
反證法:當(dāng)一件事情的發(fā)生只有兩種可能A和B,如果能否定B,則等同于間接的肯定了A。
小概率原理:發(fā)生概率很小的隨機(jī)事件在一次實(shí)驗(yàn)中是幾乎不可能發(fā)生的。
假設(shè)檢驗(yàn)的原理(續(xù))
由于個(gè)體差異的存在,即使從同一總體中嚴(yán)格的隨機(jī)抽樣,X1、X2、X3、X4、、、,也不盡不同。
它們的 不同有兩種(只有兩種)可能:
(1)分別所代表的總體均值相同,由于抽樣誤差造成了樣本均值的差別。差別無(wú)顯著性 。
(2)分別所代表的總體均值不同。差別有顯著性。
假設(shè)檢驗(yàn)的幾個(gè)步驟
假設(shè)檢驗(yàn)的一般步驟,即提出假設(shè)、確定檢驗(yàn)統(tǒng)計(jì)量、計(jì)算檢驗(yàn)統(tǒng)計(jì)量值、做出決策。
提出假設(shè)
在決策分析過(guò)程中,人們常常需要證實(shí)自己通過(guò)樣本數(shù)據(jù)對(duì)總體分布形式做出的某種推斷的正確性(比如,總體的參數(shù)θ大于某個(gè)值θ0),這時(shí)就需要提出假設(shè),假設(shè)包括零假設(shè)H0與備擇假設(shè)H1。
零假設(shè)的選取
假設(shè)檢驗(yàn)所使用的邏輯上的間接證明法決定了我們選取的零假設(shè)應(yīng)當(dāng)是與我們希望證實(shí)的推斷相對(duì)立的一種邏輯判斷,也就是我們希望否定的那種推斷。
零假設(shè)的選取(續(xù)一)
同時(shí),作為零假設(shè)的這個(gè)推斷是不會(huì)輕易被推翻的,只有當(dāng)樣本數(shù)據(jù)提供的不利于零假設(shè)的證據(jù)足夠充分,使得我們做出拒絕零假設(shè)的決策時(shí)錯(cuò)誤的可能性非常小的時(shí)候,才能推翻零假設(shè)。
零假設(shè)的選取(續(xù)二)
所以,一旦零假設(shè)被拒絕,它的對(duì)立面——我們希望證實(shí)的推斷就應(yīng)被視為是可以接受的。
構(gòu)造檢驗(yàn)統(tǒng)計(jì)量
收集樣本信息
利用樣本信息構(gòu)造檢驗(yàn)統(tǒng)計(jì)量
計(jì)算檢驗(yàn)統(tǒng)計(jì)量值
把樣本信息代入到檢驗(yàn)統(tǒng)計(jì)量中,得到檢驗(yàn)統(tǒng)計(jì)量的值。
做出決策
顯著性水平
顯著性水平α是當(dāng)原假設(shè)正確卻被拒絕的概率
通常人們?nèi)?.05或0.01
這表明,當(dāng)做出接受原假設(shè)的決定時(shí),其正確的可能性(概率)為95%或99%
判定法則
零假設(shè)和備擇假設(shè)
單側(cè)檢驗(yàn)(one-tailed hypothesis)
某種果汁的包裝上標(biāo)明其原汁含量至少為90%。假定我們想通過(guò)假設(shè)檢驗(yàn)對(duì)這項(xiàng)說(shuō)明進(jìn)行檢驗(yàn)。
檢驗(yàn)的方向性
如果要檢驗(yàn)的問(wèn)題帶有方向性,如燈泡壽命、電池時(shí)效、頭盔防沖擊性等數(shù)值是越大越好;零件廢品率、生產(chǎn)成本等數(shù)值則是越小越好,這類問(wèn)題的檢驗(yàn)就屬于單側(cè)檢驗(yàn)。
單側(cè)檢驗(yàn)
單側(cè)檢驗(yàn)的例子
例1:一家食品公司廣告說(shuō)他的一種谷物一袋有24千克。消費(fèi)者協(xié)會(huì)想要檢驗(yàn)一下這個(gè)說(shuō)法。他們當(dāng)然不可能打開(kāi)每袋谷物來(lái)檢查,所以只能抽取一定數(shù)量的樣品。取得這個(gè)樣本的均值并將其與廣告標(biāo)稱值作比較就能做出結(jié)論。請(qǐng)給出該消費(fèi)者協(xié)會(huì)的零假設(shè)和備擇假設(shè)。
單側(cè)檢驗(yàn)的例子(續(xù)一)
解:
(一)、首先找出總體參數(shù),這里應(yīng)該是總體的均值m,即谷物的平均重量,給出原假設(shè)和備擇假設(shè),即用公式表達(dá)兩個(gè)相反的意義。 H0: m ≥ 24 (均值至少為 24)
Ha: m < 24 (均值少于24)
(二)、確定概率分布和用來(lái)做檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量。
我們要檢驗(yàn)抽取的樣本均值是否達(dá)到廣告宣稱的數(shù)額,就可以用樣本均值離標(biāo)稱值的標(biāo)準(zhǔn)離差個(gè)數(shù)的多少來(lái)判斷。
因此構(gòu)造檢驗(yàn)統(tǒng)計(jì)量
單側(cè)檢驗(yàn)的例子(續(xù)二)
(三)、設(shè)定置信水平為95%。收集樣本信息,假設(shè)選取了一個(gè)數(shù)目為40的樣本,計(jì)算得
計(jì)算檢驗(yàn)統(tǒng)計(jì)量的值為(σ = 0.2)
(四)、查表可以得出臨界值和拒絕域,也可用計(jì)算機(jī)輸出p值。計(jì)算出的Z值落入拒絕域,所以拒絕H0,即意味著我們認(rèn)為谷物的重量達(dá)不到廠商宣稱的數(shù)值。
雙側(cè)檢驗(yàn)
一些產(chǎn)品某一項(xiàng)指標(biāo)必須滿足在某一個(gè)范圍內(nèi),如精密零件的尺寸和重量、保險(xiǎn)絲適用的電流強(qiáng)度等等,這類問(wèn)題的檢驗(yàn)屬于雙側(cè)檢驗(yàn)。
雙側(cè)檢驗(yàn)
圖例:
拒絕域和臨界值
兩類錯(cuò)誤
假設(shè)檢驗(yàn)是基于樣本信息做出的結(jié)論,而我們知道樣本只是代表了總體的一部份信息,因此必須考慮發(fā)生誤差的概率。
H0為真時(shí)我們拒絕H0的錯(cuò)誤稱為第I類錯(cuò)誤,犯這種錯(cuò)誤的概率用α來(lái)表示,簡(jiǎn)稱為α錯(cuò)誤或棄真錯(cuò)誤;
當(dāng)H0為偽時(shí)我們接受H0的錯(cuò)誤稱為第II類錯(cuò)誤,犯這種錯(cuò)誤的概率用β來(lái)表示,簡(jiǎn)稱為β錯(cuò)誤或取偽錯(cuò)誤。
兩類錯(cuò)誤出現(xiàn)的場(chǎng)合
兩類錯(cuò)誤發(fā)生的概率
兩類錯(cuò)誤的關(guān)系
其它注意事項(xiàng)
選擇假設(shè)檢驗(yàn)方法要注意符合其應(yīng)用條件;
當(dāng)不能拒絕H0時(shí),即差異無(wú)顯著性時(shí),應(yīng)考慮的因素:
可能是樣品數(shù)目不夠;
單側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn)的問(wèn)題。
方差分析
方差分析的引入
怎樣得到F統(tǒng)計(jì)量
單因素方差分析的例子
檢驗(yàn)方差假設(shè)
多因素方差分析
多變量圖分析
小組討論與練習(xí)
本 章 目 標(biāo)
1.理解方差分析的概念
2.知道方差分析解決什么樣的問(wèn)題
3.掌握單因素和多因素方差分析的原理
4.會(huì)利用Minitab對(duì)實(shí)際問(wèn)題進(jìn)行方差分析
5.能夠?qū)Ψ讲罘治龅慕Y(jié)果作出解釋
方差分析的引入
假設(shè)檢驗(yàn)討論了檢驗(yàn)兩個(gè)總體均值是否相等的問(wèn)題,但對(duì)于多個(gè)總體的均值比較,如果仍用假設(shè)檢驗(yàn),就會(huì)變得非常復(fù)雜。
方差分析的引入(續(xù)一)
方差分析(ANOVA:analysis of variance)能夠解決多個(gè)均值是否相等的檢驗(yàn)問(wèn)題。
某汽車廠商要研究影響A品牌汽車銷量的因素。該品牌汽車有四種顏色,分別是黑色、紅色、黃色、銀色,這四種顏色的配置、價(jià)格、款式等其他可能影響銷售量的因素全部相同。從市場(chǎng)容量相仿的四個(gè)中等城市收集了一段時(shí)期內(nèi)的銷售數(shù)據(jù),見(jiàn)下表。
方差分析的引入(續(xù)三)
方差分析實(shí)際上是用來(lái)
辨別各水平間的差別是否
超出了水平內(nèi)正常誤差的
程度
觀察值之間的差異包括
系統(tǒng)性差異和隨機(jī)性差異。
方差分析的引入(續(xù)四)
怎樣得到F統(tǒng)計(jì)量
怎樣得到F統(tǒng)計(jì)量
F分布的特征
從F分布的式子看出,F(xiàn)分布的形狀由分母和分子兩個(gè)變量的自由度確定,因此F分布有兩個(gè)參數(shù)。
F分布的曲線為偏態(tài)形式,它的尾端以橫軸為漸近線趨于無(wú)窮。
F分布的特征(續(xù))
從上圖可以看出,隨著分子分母自由度的增加,分布圖逐漸趨向正態(tài)分布的鐘型曲線(但它的極限分布并不是正態(tài)分布),以前接觸過(guò)的t分布、χ2分布的圖像也有類似的性質(zhì)
方差分析的前提
不同組樣本的方差應(yīng)相等或至少很接近
單因素方差分析
例1:我們要研究一家有三個(gè)分支機(jī)構(gòu)的公司各分支機(jī)構(gòu)的員工素質(zhì)有無(wú)顯著差異,已邀請(qǐng)專業(yè)的人力評(píng)測(cè)單位對(duì)每一分支機(jī)構(gòu)的員工進(jìn)行了評(píng)測(cè),結(jié)果以百分制的分?jǐn)?shù)給出,每一機(jī)構(gòu)抽取五位員工的結(jié)果如下表:
員工素質(zhì)人力評(píng)測(cè)
檢驗(yàn)方差是否一致
在方差分析之前,我們可利用Minitab對(duì)數(shù)據(jù)作方差一致性檢驗(yàn)
給出假設(shè)
因素是方差分析研究的對(duì)象,在這個(gè)例子里,兩個(gè)變量分別是分支機(jī)構(gòu)位置和員工素質(zhì)測(cè)評(píng)分?jǐn)?shù),這里分支機(jī)構(gòu)的位置就是一個(gè)因素,因素中的內(nèi)容就稱為水平。該因素中有三個(gè)水平,即機(jī)構(gòu)的不同位置。學(xué)過(guò)假設(shè)檢驗(yàn)的知識(shí)后,我們可以給出下面的假設(shè):
零假設(shè)為真
若零假設(shè)為真,則可以認(rèn)為只有一個(gè)抽樣分布,此時(shí)三個(gè)樣本均值比較接近。三個(gè)樣本均值的均值與方差可用于估計(jì)該抽樣分布的均值與方差。
零假設(shè)為真
總體均值的最優(yōu)估計(jì)是三個(gè)樣本均值的算術(shù)平均數(shù),而抽樣分布的方差的估計(jì)可以由三個(gè)樣本均值的方差給出,這個(gè)估計(jì)就是 的組間估計(jì)
零假設(shè)為假
為了說(shuō)明零假設(shè)為假時(shí)的情況,假定總體均值全不相同,由于三個(gè)樣本分別來(lái)自不同均值的總體,則樣本均值不會(huì)很接近,此時(shí) 將變大,使得 的組間估計(jì)變大。
零假設(shè)為假(續(xù))
每個(gè)樣本方差都給出 的一個(gè)估計(jì),這個(gè)估計(jì)只與每個(gè)樣本內(nèi)部方差有關(guān),若樣本量相同,各個(gè)樣本方差的算術(shù)平均值就是組內(nèi)方差的估計(jì)值。
檢驗(yàn)統(tǒng)計(jì)量
前面已經(jīng)討論過(guò),當(dāng)零假設(shè)為真時(shí), 的組間估計(jì)和組內(nèi)估計(jì)應(yīng)該很接近,即其比值應(yīng)接近于1。而當(dāng)零假設(shè)不成立時(shí), 的組間估計(jì)將偏大,從而兩者的比值會(huì)大于1,因此我們構(gòu)造形如
深入理解F統(tǒng)計(jì)量
F統(tǒng)計(jì)量實(shí)際上是用來(lái)比較組間差異與組內(nèi)差異的大小,造成這種差別既有抽樣的隨機(jī)性,也可能包含系統(tǒng)因素的影響。
組間差異是用各組均值減去總均值的離差的平方再乘以各組觀察值的個(gè)數(shù),最后加總
組內(nèi)差異則是各組內(nèi)部觀察值的離散程度
深入理解F統(tǒng)計(jì)量(續(xù))
上述組間差異與組內(nèi)差異必須消除自由度不同的影響
對(duì)SSW,其自由度為n-g,因?yàn)閷?duì)每一種水平,該水平下的自由度為觀察值個(gè)數(shù)-1,共有g(shù)個(gè)水平,因此擁有自由度個(gè)數(shù)為
對(duì)SSB,其自由度為g-1,g為水平的個(gè)數(shù)。
檢驗(yàn)方差假設(shè)
檢驗(yàn)步驟
對(duì)于k個(gè)總體均值是否相等的檢驗(yàn):
計(jì)算結(jié)果
對(duì)上例,計(jì)算得F=組間方差/組內(nèi)方差=125/44.8=2.79;
查F分布表得到α=0.05時(shí)臨界值
Fcr(2,12)=3.89
F<Fcr,所以不能拒絕零假設(shè),即認(rèn)為三個(gè)分支機(jī)構(gòu)員工素質(zhì)大體一致,不存在顯著差異。
方差分析表
上面的計(jì)算結(jié)果可以很方便的用方差分析表來(lái)描述。下面是用Minitab軟件得到的輸出結(jié)果,p值大于0.05,不能拒絕原假設(shè).即認(rèn)為三個(gè)分支機(jī)構(gòu)員工素質(zhì)評(píng)分無(wú)顯著差異.
多因素方差分析
方差分析也可以同時(shí)分析兩個(gè)或兩個(gè)以上的因素,這就是多因素方差分析。
有的實(shí)際問(wèn)題需要我們同時(shí)考慮兩個(gè)因素對(duì)實(shí)驗(yàn)結(jié)果的影響,例如在例1中,除了關(guān)心分支機(jī)構(gòu)的差別外,我們還想了解不同薪酬水平是否和員工素質(zhì)有關(guān)。
同時(shí)對(duì)這兩個(gè)因素進(jìn)行分析,就屬于雙因素方差分析,通過(guò)分析,我們可以知道究竟哪一個(gè)因素在起作用,或者兩個(gè)因素的影響都不顯著。
不同配方的水泥硬化時(shí)間的分析
用Minitab作雙因素方差分析
用Minitab作雙因素方差分析(續(xù)一)
用Minitab作雙因素方差分析(續(xù)二)
結(jié)果的進(jìn)一步解釋
我們將Minitab輸出的方差分析表轉(zhuǎn)換為下表其中F臨界值為手工加入
結(jié)果的進(jìn)一步解釋
多變量圖分析
多變量圖輸出
小組討論與練習(xí)
1、化妝品公司要分析一種新產(chǎn)品是否受到普遍歡迎,市場(chǎng)部在上海、香港、東京三地針對(duì)目標(biāo)人群進(jìn)行了抽樣調(diào)查,消費(fèi)者的評(píng)分如下:
本 章 目 標(biāo)
1. 了解并掌握相關(guān)分析的基本理論及應(yīng)用
2.了解并掌握一元回歸模型的理論
3.理解并掌握一元回歸模型的估計(jì)方法
4.掌握一元回歸模型的檢驗(yàn)方法
5.了解一元回歸模型的預(yù)測(cè)
6.學(xué)會(huì)用Minitab建立模型并用于預(yù)測(cè)
7.了解并熟悉非線性回歸知識(shí)
相關(guān)分析及其實(shí)現(xiàn)
相關(guān)分析是研究事物的相互關(guān)系,測(cè)定它們聯(lián)系的緊密程度,揭示其變化的具體形式和規(guī)律性的統(tǒng)計(jì)方法,是構(gòu)造各種經(jīng)濟(jì)模型、進(jìn)行結(jié)構(gòu)分析、政策評(píng)價(jià)、預(yù)測(cè)和控制的重要工具。
相關(guān)系數(shù)的檢驗(yàn):
案例實(shí)現(xiàn)
例1.某建筑公司想了解位于某街區(qū)內(nèi)的住宅地產(chǎn)的銷售價(jià)格y與總評(píng)估價(jià)值x之間的相關(guān)程度到底有多大?
從該街區(qū)去年售出的住宅房地產(chǎn)中隨機(jī)抽選10所住宅的房地產(chǎn)作樣本,分別的總評(píng)估價(jià)值和銷售價(jià)格資料如下:
繪制散點(diǎn)圖,觀察其相關(guān)關(guān)系
散點(diǎn)圖及關(guān)系表述
計(jì)算相關(guān)系數(shù)
變量選擇及結(jié)果
回歸分析基本理論
回歸分析(Regression Analysis)的起源及其應(yīng)用思想。
回歸分析是尋求一個(gè)隨機(jī)變量y對(duì)另一個(gè)或一組(隨機(jī)或非隨機(jī))變量x1, x2 …,xn的隨機(jī)相依關(guān)系的一種統(tǒng)計(jì)分析方法。
管理決策中常遇到的回歸問(wèn)題,如:
廣告支出與營(yíng)業(yè)額
售貨員工齡與年銷售額
汽車使用年數(shù)與年平均修理成本
輪胎等級(jí)與其裝載能力
應(yīng)用案例及變量分類
應(yīng)用案例:
食品連鎖店關(guān)于餐館季節(jié)性營(yíng)業(yè)額與附近學(xué)生總數(shù)的回歸分析應(yīng)用
回歸模型中的變量:
因變量或稱響應(yīng)變量y(Dependent Variable或Response)
自變量或稱影響因素x(Independent Varible或Predictors)
標(biāo)準(zhǔn)的一元線性回歸模型
et稱為殘差,在概念上, et與總體誤差項(xiàng)ut相互對(duì)應(yīng); n是樣本的容量。
a、b分別為α、β的樣本估計(jì)值
常見(jiàn)的可線性化的曲線回歸方程:
常用的非線性函數(shù)的線性變換法
下面是我們常用的4種線性變換法,分別舉例進(jìn)行說(shuō)明,其他的非線性方程也可以以此類推,得到相應(yīng)的線性形式。
1.倒數(shù)變換。
例如:雙曲線模型
令 ,將其代入得
2.半對(duì)數(shù)變換。
例如:對(duì)數(shù)函數(shù)
令 ,代入得
常用的非線性函數(shù)的線性變換法(續(xù))
3.雙對(duì)數(shù)變換。
例如:冪函數(shù)
兩邊取對(duì)數(shù)的變換得:
令
代入得:
4.多項(xiàng)式變換。
如二元二次多項(xiàng)式
令
代入得:
實(shí)際應(yīng)用時(shí)要注意的問(wèn)題:
1.對(duì)于一些比較復(fù)雜的非線性函數(shù),常常需要綜合利用多種變換方法。
2.為了能夠根據(jù)樣本觀測(cè)值,對(duì)通過(guò)變換得到的非線性回歸方程式進(jìn)行估計(jì),該方程中的所有變量都不允許包含未知的參數(shù)。
3.嚴(yán)格地說(shuō),上述的各種線性變換方法只是適用于變量為非線性的函數(shù)。
4.經(jīng)過(guò)變換后可能出現(xiàn)了多元線性的形式,我們?cè)谙乱徽聦⒃敿?xì)介紹其模型的建立方法。
非線性案例分析:
例3.某超級(jí)連鎖市場(chǎng)進(jìn)行了一項(xiàng)實(shí)驗(yàn),研究?jī)r(jià)格p(元)對(duì)一種家用白糖品牌每周需求y(公斤)的影響.以往這種產(chǎn)品的需求記錄大致相等的8家超市參加了此項(xiàng)試驗(yàn).有8種價(jià)格被隨機(jī)指定給銷售這種產(chǎn)品的商店并采用相同的廣告措施,記錄每家商店下一周內(nèi)售出白糖的公斤數(shù)。
數(shù)據(jù)如下表所示:
數(shù)據(jù)及散點(diǎn)圖繪制:
數(shù)據(jù)變換計(jì)算:
變換過(guò)的數(shù)據(jù)及回歸命令:
選擇變量及結(jié)果輸出:
結(jié)果分析與模型建立:
由于在此例中我們分析銷售量與價(jià)格成雙曲線形的相關(guān)關(guān)系,即:
在模型的建立過(guò)程中我們?cè)肅alculator命令對(duì)變量p進(jìn)行了變換 ,得到方程:
將變換后的與原方程對(duì)比,方程系數(shù)沒(méi)有作變換,所以我們可以直接寫(xiě)出銷售量y與價(jià)格x的雙曲線方程,即為:
小組討論與練習(xí)
1.思考你自己的工作評(píng)價(jià)與哪些因素具有相關(guān)關(guān)系,分別呈現(xiàn)何種相關(guān)關(guān)系,你是否可以量化這種關(guān)系?
多元回歸分析
多元線性回歸分析基本理論
標(biāo)準(zhǔn)的多元線性回歸模型
多元線性回歸模型的估計(jì)
多元線性回歸模型的檢驗(yàn)
多元線性回歸模型預(yù)測(cè)
多元線性回歸模型的Minitab實(shí)現(xiàn)
多元非線性回歸
小組討論與練習(xí)
本 章 目 標(biāo)
1.了解并掌握多元回歸模型的理論
2.理解并掌握多元回歸模型的估計(jì)方法
3.掌握多元回歸模型的檢驗(yàn)方法
4.了解多元回歸模型的預(yù)測(cè)
5.學(xué)會(huì)用Minitab建立模型并用于預(yù)測(cè)
6.了解并熟悉多元非線性回歸的基本形式及實(shí)現(xiàn)
常見(jiàn)的管理決策問(wèn)題:
銷售量y與廣告投入x1,銷售人員數(shù)量x2,特定產(chǎn)品的價(jià)格x3,可支配的個(gè)人收入x4,各種投資x5,銷售費(fèi)用x6。
食品店顧客數(shù)y與食品價(jià)格x1,座位數(shù)x2
標(biāo)準(zhǔn)的多元線性回歸模型
多元線性回歸模型的估計(jì)
(一)回歸系數(shù)的估計(jì)
(二)總體方差的估計(jì)
?
(三)最小二乘估計(jì)量的性質(zhì)
標(biāo)準(zhǔn)的多元線性回歸模型中,高斯.馬爾可夫定理同樣成立。
多元線性回歸模型的顯著性檢驗(yàn)
回歸系數(shù) b 的檢驗(yàn)
1.提出假設(shè)。 H0: βj =0;H1: βj≠0
2.確定顯著水平α。
3.計(jì)算回歸系數(shù)的t 值。
式中, 是的標(biāo)準(zhǔn)差的估計(jì)值。 按下式計(jì)算:
式中, 是(X’X)-1的第 j 個(gè)對(duì)角線元素, S2 是隨機(jī)誤差項(xiàng)方差的估計(jì)值。
定性分析過(guò)程:
數(shù)據(jù)分析之前,我們要先考慮各個(gè)自變量與因變量之間是否存在相關(guān)關(guān)系。
分別繪制顧客人數(shù)y與促銷費(fèi)用x1 、超市面積x2 的散點(diǎn)圖,直觀上測(cè)定其是否存在線性關(guān)系,散點(diǎn)圖繪制過(guò)程上一章已介紹,在此不再贅述。
通過(guò)散點(diǎn)圖可以看出,因變量y與自變量x1 、 x2 之間確實(shí)存在較明顯的線性相關(guān)關(guān)系,而x3超市位置是虛擬二元變量,我們無(wú)法從散點(diǎn)圖中看出其中的線性關(guān)系,但經(jīng)驗(yàn)所知其一定影響著因變量y,所以我們同時(shí)將其納入分析模型。
模型建立過(guò)程如下:
多元非線性回歸
多元非線性回歸是一元非線性回歸的多元擴(kuò)展,其理論基礎(chǔ)建立在多元回歸與非線性回歸的基礎(chǔ)上。
在實(shí)際工作中,多元非線性回歸的應(yīng)用非常廣泛,大多數(shù)生產(chǎn)函數(shù)和需求函數(shù)都需要用到多元非線性擬合。常用的有C—D生產(chǎn)函數(shù)、產(chǎn)品的需求彈性分析。
下面我們用需求彈性分析實(shí)例介紹此類模型的估計(jì)方法及結(jié)果處理解釋。
案例分析:
例2:廠商想研究其產(chǎn)品銷售量與居民月平均收入、商品價(jià)格之間的變化關(guān)系,現(xiàn)調(diào)查某城市有關(guān)此商品需求的數(shù)據(jù)如下:
數(shù)據(jù)變換分析:
1.根據(jù)我們對(duì)經(jīng)濟(jì)規(guī)律的分析可知:產(chǎn)品銷售量與居民人均收入、商品單價(jià)呈現(xiàn)冪函數(shù)形式的關(guān)系,即:
數(shù)據(jù)的初步變換:
原數(shù)據(jù)與新產(chǎn)生數(shù)據(jù)列:
對(duì)變換后的數(shù)據(jù)進(jìn)行建模:
計(jì)算結(jié)果:
結(jié)果解釋及預(yù)測(cè)分析:
由上式可知:居民收入的需求彈性約為1.16,而價(jià)格的需求彈性約為-0.4。也就是說(shuō),在其他情況不變的條件下,居民人均收入每增加1%會(huì)使此商品的需求增加1.16%,價(jià)格每提高1%會(huì)使此商品的需求減少0.4%。
若此時(shí)我們要預(yù)測(cè)居民人均收入為2200元,商品單價(jià)為50元時(shí)該商品的需求量y,只需將x2=22,x3=5代入方程即得:
小組討論與練習(xí)
1.思考多元回歸分析方法能在你的部門(mén)起什么作用?
2.結(jié)合本崗位的案例運(yùn)用多元回歸分析方法進(jìn)行經(jīng)濟(jì)數(shù)據(jù)分析與預(yù)測(cè)。
3.思考企業(yè)的產(chǎn)品與那些因素有關(guān),分別呈現(xiàn)一種怎樣的相關(guān)關(guān)系?
MSA測(cè)量系統(tǒng)分析
MSA的目的
了解測(cè)量系統(tǒng)是否有足夠的能力
來(lái)偵測(cè)出產(chǎn)品或制程參數(shù)的變更。
MSA分析的對(duì)象
只要控制計(jì)劃當(dāng)中所提出的
測(cè)量系統(tǒng)就必須進(jìn)行分析。
包含產(chǎn)品特性
包含過(guò)程特性
MSA分析方法的分類
計(jì)量型MSA
計(jì)數(shù)型MSA
破壞性MSA
偏倚(Bias)
重復(fù)性(Repeatability)
再現(xiàn)性(Reproducibility)
穩(wěn)定性(Stability)
線性(Linearity)
線性(Linearity)
Case study(你喜歡什么類型儀器)
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
穩(wěn)定性分析的做法
Minitab的做法
范例
結(jié)果判定
可以利用Xbar-R來(lái)評(píng)估其偏差程度。
可以利用Rbar/d2來(lái)評(píng)估其EV(重復(fù)性),用EV/TV(總變差)可以了解其相應(yīng)的EV%。
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏倚分析的做法
偏差練習(xí)
數(shù)據(jù)解析結(jié)果
將數(shù)據(jù)輸入minitab
繪圖選檢定直方圖
置信區(qū)間選0.95
結(jié)果輸出
圖形輸出
線性分析的做法
線性分析
線性分析
線性分析
線性分析
線性分析
線性分析
線性分析
線性示例
一名工廠主管希望對(duì)過(guò)程采用新測(cè)量系統(tǒng)。作為PPAP(先期質(zhì)量策劃)的一部份,需要評(píng)價(jià)測(cè)量系統(tǒng)的線性;谝炎C明的過(guò)程變差,在測(cè)量系統(tǒng)操作量程內(nèi)選擇了五個(gè)零件。每個(gè)零件經(jīng)過(guò)全尺寸檢測(cè)測(cè)量以確定其基準(zhǔn)值。然后由領(lǐng)班分別測(cè)量每個(gè)零件12次。研究中零件是被隨機(jī)選擇的。
示例
輸入數(shù)據(jù)
輸入?yún)?shù)
結(jié)果輸出
判定
圖形分析顯示特殊原因可能影響測(cè)量系統(tǒng);鶞(zhǔn)值4數(shù)據(jù)顯示可能是雙峰。
即使不考慮基準(zhǔn)值數(shù)據(jù)4,作圖分析也清楚的顯示出測(cè)量系統(tǒng)有線性問(wèn)題。R2值指出線性模型對(duì)于數(shù)據(jù)是不適合的模型。即使模型可以接受,”偏倚=0”線與置信交叉而不是被包含其中。
此時(shí),主管應(yīng)該開(kāi)始分析和解決測(cè)量系統(tǒng)的問(wèn)題,因?yàn)閿?shù)據(jù)分析不會(huì)提供任何其它的有價(jià)值的線索。然而,為確保所有書(shū)面文件都已作標(biāo)記,主管還是計(jì)算了在此斜率和截距情況下的t統(tǒng)計(jì)量。
ta=-12.043 ; tb=10.158
判定
采用默認(rèn)值α=0.05,t表自由度(gm-2)=58和0.975的比率,主管得出臨界值t(58,0.975)=2.00172。
因?yàn)閠a>t(58,0.975),從作圖分析獲得的結(jié)果由數(shù)據(jù)分析得到增強(qiáng)─測(cè)量系統(tǒng)存在線性問(wèn)題。
在此種情況下,因?yàn)橛芯性問(wèn)題,tb與t(58,0.975)的關(guān)系如何無(wú)關(guān)緊要。引起線性問(wèn)題可能的原因也可以在前面找到。
如果測(cè)量存在線性問(wèn)題,需要通過(guò)調(diào)整軟件、硬件或兩項(xiàng)同時(shí)進(jìn)行來(lái)再校準(zhǔn)以達(dá)到0偏倚。
如果偏倚在測(cè)量范圍內(nèi)不能被調(diào)整到0,只要測(cè)量系統(tǒng)保持穩(wěn)定,仍可用于產(chǎn)品/過(guò)程控制,但不能進(jìn)行分析,直到測(cè)量系統(tǒng)達(dá)到穩(wěn)定。
R&R分析的做法
R&R分析
R&R分析
R&R分析
R&R分析
R&R分析
R&R分析
R&R分析
R&R練習(xí)1
輸入各項(xiàng)參數(shù)
ANOVA分析結(jié)果
計(jì)數(shù)型MSA
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
計(jì)數(shù)型風(fēng)險(xiǎn)分析法的做法
風(fēng)險(xiǎn)分析法范例
輸入各項(xiàng)參數(shù)
破壞性MSA
破壞性MSA的分析
此項(xiàng)分析有其先天性的限制,所以我們必須有以下的前提。
我們有一些的標(biāo)準(zhǔn)樣品,這些樣品不會(huì)隨時(shí)間而變化。
另外這些標(biāo)準(zhǔn)樣品其本身的平均值和變異我們已事先知道。
所以在此前提下我們才能進(jìn)行破壞型MSA的分析
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
破壞性MSA的分析方法
范例
今有一臺(tái)硬度計(jì),其配予了一片的標(biāo)準(zhǔn)片,但由于硬度計(jì)是破壞性試驗(yàn),所以被測(cè)過(guò)的地方是不能再測(cè)的。
在購(gòu)買標(biāo)準(zhǔn)硬度片時(shí),廠商提供的數(shù)據(jù)如下:
標(biāo)準(zhǔn)值:75
標(biāo)準(zhǔn)差:1
今測(cè)試了三十次標(biāo)準(zhǔn)樣本的數(shù)據(jù)如下:
范例
范例
簡(jiǎn)單的試驗(yàn)設(shè)計(jì)技術(shù)
1 試驗(yàn)設(shè)計(jì)DOE
2 單因素試驗(yàn)設(shè)計(jì)
3 多因素試驗(yàn)設(shè)計(jì)
4 因素輪換法
5 隨機(jī)試驗(yàn)法
小組討論與練習(xí)
1. 了解試驗(yàn)設(shè)計(jì)的思想和作用
2. 明確不同試驗(yàn)設(shè)計(jì)方法的適用場(chǎng)合
3. 掌握常用的單因素設(shè)計(jì)方法
4. 了解多因素試驗(yàn)設(shè)計(jì)方法的特點(diǎn)
5. 學(xué)會(huì)使用隨機(jī)試驗(yàn)設(shè)計(jì)方法
試驗(yàn)設(shè)計(jì)DOE
試驗(yàn)設(shè)計(jì)DOE(續(xù)1)
試驗(yàn)設(shè)計(jì)DOE(續(xù)2)
單因素試驗(yàn)設(shè)計(jì)
單因素試驗(yàn)設(shè)計(jì)(續(xù)1)
單因素試驗(yàn)設(shè)計(jì)(續(xù)2)
單因素試驗(yàn)設(shè)計(jì)(續(xù)3)
單因素試驗(yàn)設(shè)計(jì)(續(xù)4)
單因素試驗(yàn)設(shè)計(jì)(續(xù)5)
單因素試驗(yàn)設(shè)計(jì)(續(xù)6)
多因素試驗(yàn)設(shè)計(jì)
多因素試驗(yàn)設(shè)計(jì)(續(xù))
因素輪換法
因素輪換法(續(xù))
隨機(jī)試驗(yàn)法
隨機(jī)試驗(yàn)法(續(xù)1)
隨機(jī)試驗(yàn)法(續(xù)2)
穩(wěn)健設(shè)計(jì)
1 平均水平與穩(wěn)健性
2 穩(wěn)健設(shè)計(jì)的思想
3 穩(wěn)健設(shè)計(jì)的實(shí)施方法
4 損失函數(shù)與信噪比
5 靈敏度設(shè)計(jì)
6 多變量圖
小組討論與練習(xí)
1. 明確穩(wěn)健性的意義
2. 理解穩(wěn)健設(shè)計(jì)的思想
3. 了解穩(wěn)健設(shè)計(jì)的基本方法
4. 了解損信噪比和靈敏度的含義和作用
5. 學(xué)會(huì)使用簡(jiǎn)單靈活的穩(wěn)健設(shè)計(jì)方法
平均水平與穩(wěn)健性
平均水平與穩(wěn)健性(續(xù)1)
穩(wěn)健設(shè)計(jì)的思想
穩(wěn)健設(shè)計(jì)的思想(續(xù)1)
穩(wěn)健設(shè)計(jì)的思想(續(xù)2)
穩(wěn)健設(shè)計(jì)的思想(續(xù)3)
穩(wěn)健設(shè)計(jì)的實(shí)施方法(續(xù)1)
穩(wěn)健設(shè)計(jì)的實(shí)施方法(續(xù)2)
穩(wěn)健設(shè)計(jì)的實(shí)施方法(續(xù)3)
損失函數(shù)與信噪比
損失函數(shù)與信噪比(續(xù)1)
損失函數(shù)與信噪比(續(xù)2)
損失函數(shù)與信噪比(續(xù)3)
靈敏度設(shè)計(jì)
靈敏度設(shè)計(jì)(續(xù)1)
多 變 量 圖
多 變 量 圖(續(xù)1)培訓(xùn)ppt課件模板:這是培訓(xùn)ppt課件模板,包括了文章背景知識(shí),認(rèn)字識(shí)詞朗誦,課文賞析,拓展訓(xùn)練/分組練習(xí)等內(nèi)容,歡迎點(diǎn)擊下載。
幼兒教師師德培訓(xùn)ppt1:這是幼兒教師師德培訓(xùn)ppt1,包括了引言,幼兒園教師師德現(xiàn)狀,幼兒園師德建設(shè)存在的問(wèn)題,原因分析,對(duì)策建議等內(nèi)容,歡迎點(diǎn)擊下載。
釘釘培訓(xùn)ppt:這是釘釘培訓(xùn)ppt,包括了釘釘軟件介紹,釘釘常用功能,公司啟用釘釘考勤操作指南,公司啟用釘釘時(shí)間等內(nèi)容,歡迎點(diǎn)擊下載。