一、单一标准差与标准比较 通常我们队由不同方法或处理过程中产生的响应的均值差异感兴趣,有时也对数据的变异程度感兴趣。即使没有改变均值,通过制程改善以减少过程的方差也非常重要。同样,两种或多种分析方法的变异也是感兴趣的话题。 使用单一标准差与标准比较的条件: (1)、母体为正态分布。 (2)、抽取数据稳定。 举例: 可口可乐装瓶公司希望减少装配重量的变异。经过一些变更后,他们称过程的标准差为0.02(Data:Coca-Cola.MTW)注:minitab没提供单独标准差λ2的检验。作为替代,必须检查标准差的置信区间并确定置信区间是否包含声明值。 步骤一:单一标准差 Stat→Basic Statistics→Graphical Summary 步骤二:输出结果 步骤三:结论陈述 由于标准差的置信区间包含了声明值,我们可以做出没有足够的证据拒绝零假设σ=0.02的陈述。 二、检验两个(及两个以上)抽样对象的方差是否相等 1.等方差检验,图1所示。 如果P>α,接受H0; 如果P<α,无法接受H0。 2.检验两方差(正态) ①两方差是否相同:使用F检验。 比较 ②如果F>Fcrit,那么否定两者相等。 Fcrit基于α分子自由度为n1-1,分母自由度为n2-1。 举例: 假定我们正在改善一种复合材料,我们希望检验两种加工温度对材料强度的方差产生的影响。温度设定分别为200°F和300°F。每种温度下测量了9个数据。 步骤:等方差检验(2样本) 路径:Stat→ANOVA→Test for equal variance 《六西格玛、DFSS、精益六西格玛》内容每周定期更新内容,敬请关注! |
|