A—假设测定：
5-4： 2 proportion t（离散－单样本）
< 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
7 相关性分析
A—（相关分析）： Scores.MTW
P-Value < 0.05 → Ha → （有相关相关）
I — DOE： 8-1 ：2因子2水准
8 实验设计
① 因子配置设计：
输出结果：
输入 实验 结果
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
③ 统计性分析：
I — DOE： 8-2：多因子不同水准 ① 因子配置设计：
输入data：
反复次数
② 曲线分析：
倾斜越大， 主效果越大 无法确认交互效果
③ 统计性分析：
④ 确认此后试验方向：
通过分散分析，判断1次效果、2次效果的有意性；
- 主效果有有意， - 交互效果无有意。
最佳方向
I — DOE： 8-3：2水准部分配置
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
5 均值假设检验
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 ）
A—假设测定：案例：Camshaft.MTW 5-1 ： 1-sample T（单样本） 未知总体标准差
P-Value > 0.05 → Ho（信赖区间内目标值存在） →可以说平均值为600
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：
4-2 ：1-sample T（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
A—假设测定：案例：2sample-t.MTW 5-2 2-sample t（单样本）
① 正态性验证：
<统计－基本统计－ 正态性检验 ： >
背景：判断两个母集团Data的平均， 统计上是否相等（有差异）
步骤①：分别测定2组data是否正规分布； ②：测定分散的同质性； ③：ห้องสมุดไป่ตู้－test；
P-Value > 0.05 → 正态分布
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
2 数据正态性检验
M--正态性测定: (测定工序能力的前提) 案例： 背景：3名测定者对10部品反复2次TEST
P-value > 0.05 －> 正态分布（P越大越好） 本例：P＝ 0.022 ，数据不服从正态分布。 原因：1、Data分层混杂；
① 因子配置设计：
背景： - 反应值 : 收率(Yield) - 因 子 : 流入量(10, 15), 触媒(1, 2), 旋转数(100，120), 温度(140, 180), 浓度( 3, 6)
－> 确认哪个因子影响收率，利用2（5-1）配置法
表示2 5-1 部分配置的清晰度 和部分实施程度.
输入data：
案例：bpcapa.MTW
(1)：二项分布的Zst
缺陷率： 不良率是否 受样本大小 影响？
－平均（预想）PPM＝226427 －Zlt＝0.75 ＝>Zst＝Zlt＋1.5＝2.25
3-4 M--工序能力分析（离散型）：
案例：bpcapa.MTW
(2)：Poisson分布的Zst
4 功效和样本数量
<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
③ 求解Zlt（无历史均值）：
无历史均值： －> 考虑偏移－> Zlt (Bench)
* Zshift ＝ Zlt (Bench) － Zlt (Bench) ＝12.13－1.82＝0.31
3-2 工序能力分析 capability sixpack工具
案例：Camshaft.MTW
3-3 M--工序能力分析（离散型）：
背景： 反应值 : 收率(Yield) 时间＝35min，温度＝155时，Y＝80％ －> 因 子 : 时间(30 , 40) 温度(150,160)
确认哪个因子影响收率，利用中心点包括的22配置法
一次试验－－ (1) 因子配置设计：
在中心点实验的次数！
一次试验－－ (2)统计性分析：
实施对因子效果的 t-test， 判断有意的因子。 －A, B 有意；
通过分散分析判断1次效果、交互作用及曲率效果的有意性。 - 1次效果(Main Effect) 有意； - 弯曲不有意，故而没有曲率效果。
一次试验－－ (3)确认最大倾斜方向：
< 图形－等值线图： >
• 利用追定的回归系数，决定最大倾斜方向 (Δ)
最大倾斜方向：A每增加1时，B增加0.42 的方向。
Δ 7 7 2.94 70 169.7 92.40
Δ 8 8 3.36 75 171.8 93.54
Δ 9 9 3.78 80 173.9 94.78
Δ10 10 4.20 85 176.0 95.30
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 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：
4-3 ：1 Proportion（单样本）
P-Value < 0.05 → Ha →u1 ≠ u2
A—假设测定：案例：Paired t.MTW 5-3： Paired t（两集团从属/对应）
< 统计－基本统计量－配对t ： >
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 ）
Δ 1 1 0.42 40 157.1 82.90
Δ 2 2 0.84 45 159.2 83.14
Δ 3 3 1.26 50 161.3 83.70
Δ 4 4 1.68 55 163.4 84.33
Δ 5 5 2.10 60 165.5 87.80
Δ 6 6 2.52 65 167.6 88.65
4-1 1-sample Z（已知u） A—假设测定－决定标本大小：
<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
差值：u0－ua ＝25－30＝-5
② 曲线分析：
-B、D、E有意；
-在A=10,B=2,C=120,D=180,E=3时， Y＝95最佳；
-BD、DE有交互作用；
③ 统计性分析：
实施t-test，判断有意因子 B、D、E、BD、DE有意
通过分散分析，判断1次效果、2次效果的有意性 - 主效果和交互作用效果都有意。
8-4 最大倾斜法：
MINITAB质量分析工 具应用大全
1 测量系统分析
1-1 M--测量系统分析（连续型案例） gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST
所有点落在管理界限内 －>良好
大部分点落在管理界限外 －>主变动原因：部品变动
－>良好
－>测量值随部品的变动 －>测量值随OP的变动
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
－>对于部品10，OP有较大分歧；
1-2 M--测量系统分析（离散型案例）
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
M--测量系统分析： 离散型案例（顺序型）：散文.Mtw 背景：3名测定者对30部品反复2次TEST
H0: u1=u2=…=un
Ha: 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；
6-2： Two-way A（2因子多水平数）