< 统计－基本统计量－ 1 proportion t： > ：
背景：为确认某不良P是否为1％，检查1000样本，检出13不良， 能否说P=1%? （α = 0.05 ）
P-Value > 0.05 → H0 → P=0.01
A—假设测定： 假设测定： 假设测定 (4)： 2 proportion t（离散－单样本） ： （离散－单样本）
不良类型 班次
应用二： 测定边数的独立性： 应用二： 测定边数的独立性：
H0: 独立的（无相关） 独立的（无相关） Ha: 从属的（有相关）； 从属的（有相关）； 背景：确认班次别和不同类型不良率是否相关？
P-Value < 0.05 → Ha → 两因素从属（相关）
A—ANOVA（分散分析）： 两个以上母集团的平均是否相等； （分散分析）： 两个以上母集团的平均是否相等； (1)： One-way A（一因子多水平数） ： （一因子多水平数）
< 统计－基本统计量－ 2 proportion t： > ：
背景：为确认两台设备不良率是否相等， A: 检查1000样本，检出14不良， B: 检查1200样本，检出13不良， 能否说P1=P2? （α = 0.05 ）
P-Value > 0.05 → Ho →P1 = P2
A—假设测定： Chi-Square-1.MTW 假设测定： 假设测定 (5)： Chi-Square t（离散－单样本） ： （离散－单样本）
差值：u0－ua ＝25－30＝-5
功效值（查出力）：
1－β ＝0.8
标准差：sigma＝10
A—假设测定－决定标本大小： 假设测定－决定标本大小： 假设测定 (2)：1-sample T（未知 ） ： （未知u）
<统计－功效和样本数量－ 1-sample t： > ： 背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8
功效值（查出力）：
1－β ＝0.9
假设P：H0的P值（0.9）
母比率0.8 实际上是否小于0.9，需要样本217个
A—假设测定：案例：Camshaft.MTW 假设测定：案例： 假设测定 (1)： 1-sample t（单样本） ： （单样本）
背景：对零件尺寸测定100次，数据能否说明与目标值（600）一致 （α = 0.05 ）
测定平均值： ③ 测定平均值： < 统计－基本统计量－2-sample t ： >
P-Value < 0.05 → Ha →u1 ≠ u2
A—假设测定：案例：Paired t.MTW 假设测定：案例： 假设测定 (3)： Paired t（两集团从属 对应） ： 对应） （两集团从属/对应
< 统计－基本统计量－配对 ： > 配对t 配对
目的：掌握多X因子变化对Y的影响（）； <统计－方差分析－主效果图、交互效果图：> 倾斜越大，主效果越大
无交互效果 －> 平行； 有交互效果 －> 交叉；
(5)Multi-vari Chart（多变因图）Sinter.MTW （
目的：掌握多X因子变化对Y的影响（交互作用细节）； <统计－方差分析－双因子：>
差值：u0－ua ＝25－30＝-5
功效值（查出力）：
1－β ＝0.8
标准差（推定值） 标准差（推定值）：sigma＝10
样本数量27 >已知u的1-sample Z的样本数量 －>t 分布假定母标准偏差未制定分析；
A—假设测定－决定标本大小： 假设测定－决定标本大小： 假设测定 (3)：1 Proportion（单样本） ： （单样本）
<统计－功效和样本数量－ 1 Proportion ： > 背景：H0：P＝ 0.9 Ha：P < 0.9 测定数据P1＝0.8 、 P2＝0.9 有意水平 α = 0.05 查出力 1－β = 0.9
P1=0.8
功效值（查出力）：
1－β ＝0.9
P2=0.9
母比率0.8 实际上是否0.9以下，需要样本102个
背景：确认生产线（因子1）、改善（因子2）影响下， 测定值母平均是否相等，主效果和交互效果是否有意？ 生产线：P-Value < 0.05 → Ha → u不等，有差异； 改善、交互： P-Value > 0.05 → H0 → u相等，无差异；
生产线：信赖区间没有都重叠 －> u有差别－>对结果有影响 改 善：信赖区间重叠 －> u无差别－>对结果没有影响
(4)Box Plot（行列散点图－矩阵图）－多变量 ）－多变量 （行列散点图－矩阵图）－
(5)Multi-vari Chart（多变因图）Sinter.MTW （
目的：掌握多X因子变化对Y的影响（大概）；
－> 材料和时间 存在交互作用；
(5)Multi-vari Chart（多变因图）Sinter.MTW （
M--测量系统分析： 测量系统分析： 测量系统分析 离散型案例（名目型） 离散型案例（名目型）：gage名目.Mtw
背景：3名测定者对30部品反复2次TEST
检查者1需要再教育； 检查者3需要追加训练； (反复性)
个人与标准的一致性 （再现性？）
两数据不能相差较大， 否则说明检查者一致的 判定与标准有一定差异
A—（相关分析）： Scores.MTW （相关分析）：
P-Value < 0.05 → Ha → （有相关相关）
I — DOE： ： (1)：2因子 水准 因子2水准 ： 因子
因子配置设计： ① 因子配置设计
输出结果：
输入 实验 结果
曲线分析： ② 曲线分析
倾斜越大， 主效果越大
交叉越大， 交互效果越大 最大的data
M--测量系统分析： 测量系统分析： 测量系统分析 连续型案例： 连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
－>测量值随部品的变动 测量值随部品的变动
所有点落在管理界限内 －>良好 良好
测量值随OP的变动 －>测量值随 的变动 测量值随
大部分点落在管理界限外 主变动原因： －>主变动原因：部品变动 主变动原因 －>良好 良好 对于部品10， 有较大分歧 有较大分歧； －>对于部品 ，OP有较大分歧； 对于部品
材料、交互的P < 0.05 －>有意；
A—假设测定－决定标本大小： 假设测定－决定标本大小： 假设测定 (1)：1-sample Z（已知 ） ： （已知u）
<统计－功效和样本数量－ 1-sample Z： > ：
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小 有意水平 α = 0.05 查出力 1－β = 0.8
H0: u1=u2=…=un Ha: 至少一个不等； 至少一个不等；
背景：确认三根弹簧弹力比较？
P-Value < 0.05 → Ha → u不等，有差异；
信赖区间都重叠 －> u无有意差； 1和2可以说无有意差，1和3有有意差；
A—ANOVA（分散分析）： 两个以上母集团的平均是否相等； （分散分析）： 两个以上母集团的平均是否相等； (1)： Two-way A（2因子多水平数） ： 因子多水平数） （ 因子多水平数
应用一： 测定频度数的同质性： 应用一： 测定频度数的同质性：
H0: P1=P2=…=Pn Ha: 至少一个不等； 至少一个不等； 背景：确认4个不同条件下，某不良是否有差异？
P-Value > 0.05 → Ho →P1 = P2＝…（无差异）
A—假设测定： Chi-Square-2.MTW 假设测定： 假设测定 (5)： Chi-Square t（离散－单样本） ： （离散－单样本）
长期 工序能力
X平均＝目标值 －> Cp＝Cpm 平均＝ 平均 ＝ X平均≠目标值 －> Cp > Cpm 平均
求解Z （输入历史均值） ② 求解 st（输入历史均值）：
历史均值：表示强行将它拉到中心位置 －>不考虑偏移－> Zst (Bench)
求解Z （无历史均值） ③ 求解 lt（无历史均值）：
统计性分析： ③ 统计性分析
实施对因子效果的t-test，判断与data有意的因子。 A、B对结果有意；AB交互对结果无有意；
背景：老化实验前后样本复原时间； 10样本前后实验数据，判断老化实验前后复原时间是否有差异； （正态分布；等分散； α = 0.05 ）
P-Value < 0.05 → Ha →u1 ≠ u2（有差异）
A—假设测定： 假设测定： 假设测定 (4)： 1 proportion t（离散－单样本） ： （离散－单样本）
(1) Histograpm（直方图）－单变量 ）－单变量 （直方图）－ 通过形态确认： －正规分布有无； －异常点有无；
(2) Plot（散点图）－ 、Y双变量 ）－X、 双变量 （散点图）－ 通过形态确认： －相关关系； －确认严重脱离倾向的点；
(3)Matrix Plot（行列散点图－矩阵图）－多变量 （行列散点图－矩阵图）－多变量 ）－
M--测量系统分析： 测量系统分析： 测量系统分析 离散型案例（顺序型）：散文.Mtw ）：散文 离散型案例（顺序型）：散文 背景：3名测定者对30部品反复2次TEST
张四 需要再教育； 张一、张五需要追加训练； (反复性)
两数据不能相差较大， 否则说明检查者一致的判定 与标准有一定差异
M--正态性测定 (测定工序能力的前提 正态性测定: 测定工序能力的前提 正态性测定 测定工序能力的前提) 案例： 案例： 背景：3名测定者对10部品反复2次TEST