六西格玛绿带课程_分析阶段
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• • 3个月期间会计部门收集的 Invoice的不良类型按照部门别整理之后,
• 部门别不良类型的特性是否存在(有差异)？
•
Ho : 不良类型是与 OBU别无任何关系
•
H1 : 不良类型受OBU别影响
•
•不良类型
不良部门 •OBU • •B A •C •D
•A形不良
•B形不良 •C形不良 •D形不良
•相关关系系数 R
•◆ 变数间的相关系数:
•(Menu : Stat > Basic Statistics > Correlation)
•相关关系系数 R
•回归分析
•回归分析
•回归方程是？
•回归分析
•有没有 •相关性 •？
•离散型数据的假设检验
•单样本的比例检验
•单样本的比例检验
•单样本的比例检验
•• •右边的Y轴表示百分率(%).
•排列图
•练习与讨论
•练习与讨论
•排列图
•
统计分析
•☞ 目的
•
● Graph 分析中确定的Data的现象通过统计
•
(假设验证等)验证计量值
•
Y 因子的类型
•
连续形 •
离散形
• •连续形•
相关系数 相源自文库分析
•X 因子的类型
• t-Test(平均), •离散形•F-Test(分散),
•< Example > • ● 个子 VS 重量 等
• ● 吸烟 : 吸烟对肺和各种疾病的原因，特别是对孕妇和青少年健康不利
•@ 表示相关的程度 – 相关系数(r)
•◎ 表现相关性的测度 •◎ 经常在 –1与 1 之间 •◎ -1与 1是直线关系 •◎ 点在直线有多少? •◎ 受异常点的影响 •◎ |r| ≥ 0.8 时有较大相关
六西格玛绿带课程_分析 阶段
2020年6月2日星期二
•学习目标
•● 理解基本图形工具和统计工具的使用 •● 找出对CTQ Y有影响的根本原因(Vital Few)
•学习内容
•1. X 因子的 Graph 分析 •2. X 因子的统计式分析 •3. 根本原因的确定
•
图型分析
•☞ 目的
• ● 通过图型分析找出在测定阶段得到的数据为基础的, 对CTQY有影响的
•单样本的比例检验
•单样本的比例检验
•练习与讨论
•双样本的比例检验
••分析方法同单样本比例检验
•
Chi-sq Test
• ● 目的: X 因子的类型(水准)别对Y是否影响 验证
•● 什么时候使用: Y Data的形态是离散形,与这个相关的X Data的形态
•
也是离散形时使用
•▶ Example ◀
•散点图
•散点图
•散点图
•散点图
•散点图
•盒状图
•盒状图
•● 排列图又叫柏拉图, 应用了2:8法则的原理
•排列图
•
排列图
•● 排列图又的制作步骤 •• •确定被分析的数据 (例如: 缺陷数据)
•• •选择把数据分类的依据 (例如: 产生缺陷的班次, 地点, 类型) 并把数据 •归类.
•● 对Graph 分析结果的措施是？
•500
•离散形•400 •300 •Weight •200
•100
•0
•1
•2
•
Sex
•• 对Graph 分析结果确认是否是期望的 Output，决定是否追加检讨的事项（统计分析） •。与实际问题相连，能立即采取措施的事项就立即改善
•散点图
•散点图
•散点图
•
X 因子是否与Y有关系.
•
Y 因子的类型
• 连续形
•离散形
•散点图 (Plot) • Y : Weight, X : Head L
•500
•连续形•400 •300 •Weight •200
•100
•0
•X 因子的类型•10
•12
•14
•Head.L
•16
•18
•Box Plot
•Pareto Chart
•• •先在图形上画出一条横轴(X)和两条竖轴(Y). 左边的Y轴表示频次的多 •少。 把分类好的数据按频次由高到底在图形上自左而右排列. Y轴上 •柱状图的高度要与每一类中数据的频次相符。
•• •如果有很多频次很低的类别归类为“其他”. 那么每一个归类为“其他” •的类别其频次不能大于没有归类为其他的任一类别，“其他”类别将被 •放在图形的最右方。.
•ANOVA(平均)
•CHI—Square(χ2) Test, • 比率比较
•总体参数与样本统计量
•假设检验的定义
•假设检验的例子
•假设检验的例子
•假设检验的思路
•假设检验的两种假设
•假设检验的两种假设
•P 值和显著性水平α
•假设检验的方法
•练习与讨论
•单样本 t 检验
•单样本 t 检验
•单样本 t 检验
•单样本 t 检验
•双样本检验
•双样本方差检验
•双样本方差检验
•双样本t检验
•2
•One-Way ANOVA
•One-Way ANOVA
•
相关关系分析
• @ 相关关系分析
• ● 目的 : 测定中得到的数据中掌握X 因子的数据与Y的数据是否有相关关系
• ● 什么时候使用?:最好X因子,Y因子数据特性所有都是连续形数据时使用
• 1 •15 •21 •45 •13 • 2 •26 •31 •34 •5 • 3 •33 •17 •49 •20
•Chi-sq Test
•Chi-sq Test
•• 结论?
• 部门别不良类型的特性是否存在(有差异)？
•
Ho : 不良类型是与 OBU别无任何关系
•
H1 : 不良类型受OBU别影响
•
•不良类型
不良部门 •OBU • •B A •C •D
•A形不良
•B形不良 •C形不良 •D形不良
•相关关系系数 R
•◆ 变数间的相关系数:
•(Menu : Stat > Basic Statistics > Correlation)
•相关关系系数 R
•回归分析
•回归分析
•回归方程是？
•回归分析
•有没有 •相关性 •？
•离散型数据的假设检验
•单样本的比例检验
•单样本的比例检验
•单样本的比例检验
•• •右边的Y轴表示百分率(%).
•排列图
•练习与讨论
•练习与讨论
•排列图
•
统计分析
•☞ 目的
•
● Graph 分析中确定的Data的现象通过统计
•
(假设验证等)验证计量值
•
Y 因子的类型
•
连续形 •
离散形
• •连续形•
相关系数 相源自文库分析
•X 因子的类型
• t-Test(平均), •离散形•F-Test(分散),
•< Example > • ● 个子 VS 重量 等
• ● 吸烟 : 吸烟对肺和各种疾病的原因，特别是对孕妇和青少年健康不利
•@ 表示相关的程度 – 相关系数(r)
•◎ 表现相关性的测度 •◎ 经常在 –1与 1 之间 •◎ -1与 1是直线关系 •◎ 点在直线有多少? •◎ 受异常点的影响 •◎ |r| ≥ 0.8 时有较大相关
六西格玛绿带课程_分析 阶段
2020年6月2日星期二
•学习目标
•● 理解基本图形工具和统计工具的使用 •● 找出对CTQ Y有影响的根本原因(Vital Few)
•学习内容
•1. X 因子的 Graph 分析 •2. X 因子的统计式分析 •3. 根本原因的确定
•
图型分析
•☞ 目的
• ● 通过图型分析找出在测定阶段得到的数据为基础的, 对CTQY有影响的
•单样本的比例检验
•单样本的比例检验
•练习与讨论
•双样本的比例检验
••分析方法同单样本比例检验
•
Chi-sq Test
• ● 目的: X 因子的类型(水准)别对Y是否影响 验证
•● 什么时候使用: Y Data的形态是离散形,与这个相关的X Data的形态
•
也是离散形时使用
•▶ Example ◀
•散点图
•散点图
•散点图
•散点图
•散点图
•盒状图
•盒状图
•● 排列图又叫柏拉图, 应用了2:8法则的原理
•排列图
•
排列图
•● 排列图又的制作步骤 •• •确定被分析的数据 (例如: 缺陷数据)
•• •选择把数据分类的依据 (例如: 产生缺陷的班次, 地点, 类型) 并把数据 •归类.
•● 对Graph 分析结果的措施是？
•500
•离散形•400 •300 •Weight •200
•100
•0
•1
•2
•
Sex
•• 对Graph 分析结果确认是否是期望的 Output，决定是否追加检讨的事项（统计分析） •。与实际问题相连，能立即采取措施的事项就立即改善
•散点图
•散点图
•散点图
•
X 因子是否与Y有关系.
•
Y 因子的类型
• 连续形
•离散形
•散点图 (Plot) • Y : Weight, X : Head L
•500
•连续形•400 •300 •Weight •200
•100
•0
•X 因子的类型•10
•12
•14
•Head.L
•16
•18
•Box Plot
•Pareto Chart
•• •先在图形上画出一条横轴(X)和两条竖轴(Y). 左边的Y轴表示频次的多 •少。 把分类好的数据按频次由高到底在图形上自左而右排列. Y轴上 •柱状图的高度要与每一类中数据的频次相符。
•• •如果有很多频次很低的类别归类为“其他”. 那么每一个归类为“其他” •的类别其频次不能大于没有归类为其他的任一类别，“其他”类别将被 •放在图形的最右方。.
•ANOVA(平均)
•CHI—Square(χ2) Test, • 比率比较
•总体参数与样本统计量
•假设检验的定义
•假设检验的例子
•假设检验的例子
•假设检验的思路
•假设检验的两种假设
•假设检验的两种假设
•P 值和显著性水平α
•假设检验的方法
•练习与讨论
•单样本 t 检验
•单样本 t 检验
•单样本 t 检验
•单样本 t 检验
•双样本检验
•双样本方差检验
•双样本方差检验
•双样本t检验
•2
•One-Way ANOVA
•One-Way ANOVA
•
相关关系分析
• @ 相关关系分析
• ● 目的 : 测定中得到的数据中掌握X 因子的数据与Y的数据是否有相关关系
• ● 什么时候使用?:最好X因子,Y因子数据特性所有都是连续形数据时使用
• 1 •15 •21 •45 •13 • 2 •26 •31 •34 •5 • 3 •33 •17 •49 •20
•Chi-sq Test
•Chi-sq Test
•• 结论?