工程资料分析-EDA.ppt

《工程资料分析-EDA.ppt》由会员分享，可在线阅读，更多相关《工程资料分析-EDA.ppt（57页珍藏版）》请在装配图网上搜索。

1、工程数据分析 Engineer Data Analysis,2,成语教学,【管窥蠡测】,2,东汉班固汉书东方朔传 “以管窥天，以蠡测海，以莛撞钟，岂能通其条贯，考其文理，发其音声哉。” （莛：ting草茎）,管：竹管。蠡：贝壳做的瓢。 原意是竹管里看天，用瓢测量海水。 引申意思是比喻对事情的观察了解很狭隘很片面。,3,你是否经常听到这样的话,有没有什么办法可以让你的推论更加准确呢？,给定一组片面的信息或数据，统计学可以摘要并描述这份数据，观察者并以此份数据推论母体。,【统计学的定义】,课程大纲,4,基础统计学 假设检定 变异数分析（ANOVA） 简单回归分析,基础统计学的模型,母体：具有共同特

2、征之个体所组成的群体。 样本：由母体中抽取之部分个体所组成的小群体。 参数：用来描述母体的特征值。 统计量：由样本计算得出的特征值。,5,南京广播中心报道： 近日，南京市抽样调查了5000位市民的体重状况，得知目前南京市民中有60%的体重高于标准水平。且超重主要发生在50岁以上人群。,基础统计学,6,误差,减少误差第一要务： 抽样要够随机！,基础统计学(统计量符号),7,抽样方法,三种估计 的方法,三种估计 的方法,数据收集（练习）,8,常用统计量EXCEL操作,9,1.工具数据分析描述统计,2. EXCEL中， Var. 的操作为 VAR（） S 的操作为 STDEV（） 的操作为 AVER

3、AGE（） 的操作为 QUARTILE（ ，2） Mo的操作为MODE（）,10,通过统计学的计算，我们可能得到 1.第一组人均身高是 2.第三组身高的标准差是 3.某机种12月白班的平均良率是 4.新人的XX周XX周每小时平均产出是,这时，我们需要了解数据母体的分布状态，需要进行对比才能了解真实的状况,课程大纲,11,基础统计学 假设检定 变异数分析（ANOVA） 简单回归分析,改善的漏斗,12,八大步骤+品管工具 SPC 统计制程管制 发现问题，运用品管工具加以分析找出要因。,EDA 工程数据分析 将要因以客观的统计手法加以验证其真实性。,DOE 田口实验设计 以实验手法设定要因的水平，找

4、出最佳化组合。,假设检定(目的),13,假设检定,提供一个以统计理论 做为基础的证据！,1. 请 5 位帅哥、5 位美女上台,2. 大声地报出自己的身高,3. 以直觉或经验看看男女之间的身高是否有差异？,4. 如何证明两者之间的差距？,假设检定(流程),14,1. 建立虚无假设及对立假设。 （单尾检定或双尾检定）,2. 设定显著水准，亦即决定型一误差。,3. 选择合适的检定统计量。,4. 计算检定统计量。,5. 以P-value或显著值判定拒绝或接受。,假设,检定,建立假设,15,统计假设是将可能的状况划分为二个互斥的集合，而构成二个互斥的假设。 H0：虚无假设 H1：对立假设 检定的种类 单

5、尾检定： 右尾检定：假设群体母数可能变大的检定。 左尾检定：假设群体母数可能变小的检定。 双尾检定： 假设群体母数可能变大或变小的检定。,双尾检定 右尾检定 左尾检定 H0: 5 H0: 5 H0: 5 H1: 5 H1: 5 H1: 5,设定显著水准,16,显著水准，表示的是发生型一误差的机率 即：虚无假设是正确的，但判为拒绝。 相对应的，表示的是发生型二误差的机率 即：虚无假设是错误的，但判为接受。,显著水准,17,临界值,临界值, 决定了此分配的临界值， 是 “接受”或“拒绝” H0假设之判断基准 值的大小无一定的标准，一般采用=5% 值越小，表示错杀的机率越小 重要的判断 值应设越小（

6、=1%）,P-value 检定法,18,临界值 (Critical Value),接受域,拒绝域,P-Value 拒绝H0,P-Value 不拒绝H0（亦即接受）,检定的结果,19,反之则表示拒绝H0，表即示判定H0可能错误。,如右图所示，当计算出结果P-value时，接受H0，即表示无充分证据显示H0错误。,P-value,检定的应用-T检定,20,例1：某圈组的改善主题为提高生产力，怀疑新人作业时间长可能是真因，于是测量数据如右表。（已知：标准人均产能为12）,结论：计算得出平均值为10.8，与标准人均产能相差不大，故新人效率低不是生产力低的影响因素。,检定的应用-T检定,21,Ho:A=

7、12 v.s H1: A 12 =0.05,P-value 拒绝H0 新人人均产能不等于标准人均产能,由样本 计算而得,假设,检定,检定的应用-T检定,22,例2：某厂计划提高机台产出，怀疑不同机台间可能存在差异于是选了A、B两个机台分别测量几个时段的产量，记录如右表,A机台平均值：100 B机台平均值：105,结论：B机台产量比A机台多5，而且整体数据均比A大。所以B机台产出高于A机台。,检定的应用-T检定,23,假设,检定,H0:A=B v.s H1: AB =0.05,由样本 计算而得,P-value 不拒绝H0 无充分证据说明AB机台有差异,24,接下来，给大家5秒时间仔细 看看刚刚的

8、画面,25,假设,检定,H0:A=B v.s H1: AB =0.05,由于计算公式有很大的差别，所以在选用时需要借助其它的工具！,P-value 不拒绝H0 无充分证据说明AB机台有差异,找出不同的地方,检定的应用-F检定,26,例3：某设备厂商声称新款机台的稳定性要远远优于老款机台，分别对各自生产的10个产品某一特性（规格中心1.35）进行测量，结果如右表。,从数据上判断，如果是你，会选择买新款的机台么？,检定的应用-F检定,27,假设,检定,H0:新= 老 v.s H1: 新 老 =0.05,P-value 不拒绝H0 无充分证据说明新老机台有差异,两母体平均数检定,28,1.双样本等方

9、差假设,2.双样本异方差假设,T检定,F检定,双样本方差检定,不相等,相等,学员实作（15%）,29,Ho:A B v.s H1: A=B =0.05,结论：由于1.430.05，所以新老人没有差异,找出左边案例的错误,学员实作（15%）,30,Ho: v.s H1: = P-Value =,结论： 会打球的果然比较高 其实没差别,请 5 位有打篮球、5 位没打篮球的男生上台 大声地报出自己的身高 刻板的印象告诉我们，篮球员身高应该比较高 请使用假设检定提供有力的证据！,T检定-成对双样本,31,T检定中较为特殊的一种。 使用条件：检定单一母体成对样本平均数的变化 （例：同一母体改善前后的差异

10、）,T检定-成对双样本,32,例4：某一药剂研究所进了一项降压药的实验，先记录12位大专性学生的初始血压，然后在服用此药个月后，再测其血压。根据观察结果，得出右表的资：,你觉得这种降压药有效吗？,T检定-成对双样本,33,假设,检定,H0:前=后 v.s H1: 前后 =0.05,由样本 计算而得,P-value 拒绝H0 服药前后血压有差异。,学员实作（15%）,34,结论： 有差异 无差异,Ho:前=后 v.s H1: 前后 =0.05,统计检定方法分类,35,检定 平均数,两组 相关样本,两组 独立样本,检定 变异数,一组 样本,不相等,相等,未知,已知,未知,已知,t test,Z t

11、est,双样本同方差T,双样本异方差T,F test,2test,Z test,检定 平均数,检定 变异数,成对双样本T,课程大纲,36,基础统计学 假设检定 变异数分析（ANOVA） 简单回归分析,变异数分析（ ANOVA ）,37,通过前面的学习，假设检定可以判别两母体之间的平均数和变异数是有否差异。当母体为三个或者更多的时候？,变异数分析（Analysis of Variance）,变异数分析 用来分析一个因子不同水准之间是否存在差异，以及两因素子中哪个对于特性起显著影响。,用检定的方法，两两检定,变异数分析,38,例5：已知有A、B、C三种机台，计划分析它们之间的每小时产量是否存在差异

12、，分别对其5个时段的产量进行记录。如下表,此例题中，因子是机台； 水准是A、B、C三种； 实验次数是5次。,单因子变异数分析,39,假设：H0:A=B=C H1:i不全相等 (i=1k) =0.05,使用软件：Excel工具资料分析 单因子变异数分析,单因子变异数分析,40,假设：H0:1=2=K= H1:i不全相等 (i=1k) =0.05 k：水准数。因子为机台，水平有A、B、C三种机台，则 k=3。 n：实验次数。各水平进行5次实验，共15次实验，则 n=15。,公式,学员实作（20%）,哪一组的男生比较强壮？ 请各组指派三位猛男！,41,俯地挺身(限时10秒),变异数分析,42,例6：

13、已知有A、B、C三种机台，五位作业员。分别对每个作业员在每个机台上作业的产量作记录，如下,此例题中，因子是机台、作业员； 水准是机台是三种，作业员五种； 实验次数是1次。,二因子变异数分析,43,B因子之假设 H0:1=2=3=4=5 H1:Bj不全等 (j=1r) =0.05,A因子之假设H0:A=B=C H1:Ai不全等(i=1k) =0.05,二因子变异数分析,44,B因子之假设H0:B1=B2=Br=H1:Bj不全等 (j=1r) =0.05,A因子之假设H0:A1=A2=Ak= H1:Ai不全等(i=1k) =0.05,公式,二因子变异数分析重复试验,45,请思考，有没有可能某人在某

14、个机台上就发挥的好？即，人员与机台间可能有交互作用？,此时，实验次数为2次,二因子变异数分析重复试验,46,P-value 不拒绝H0 无交互作用产生,B因子之假设 H0:1=2=3=4=5 H1:Bj不全等 (j=1r) =0.05,A因子之假设 H0:A=B=C H1:Ai不全等(i=1k) =0.05,交互作用之假设 H0:()ij=0 (i=1k) H1:()ij不全为0 (j=1r) =0.05,二因子变异数分析重复试验,47,A因子之假设H0:A1=A2=Ak= H1:Ai不全等(i=1k)=0.05,B因子之假设H0:B1=B2=Br= H1:Bj不全等 (j=1r)=0.05,

15、交互作用之假设 H0:()ij=0 (i=1k) H1:()ij不全为0 (j=1r) =0.05,公式,变异数分析注意事项,48,误差项变异过大,P-Value 无任何因子显著,1.规划实验时，需考虑交互作用之影响。 2.无任何因子显著时，误差项变异会过大，表示影响实验结果之主要原因未被考虑到，需重新检讨。,变异数分析注意事项（续）,49,异常值需挑出,3.变异数分析前需分析组内之数据是否存有异常值。,4.变异数分析后可探讨何种水平具有较佳结果。 5.信心水平之选择，建议采 5% 或 1%，统计上的含意代表显著与非常显著。,课程大纲,50,基础统计学 假设检定 变异数分析（ANOVA） 简单

16、回归分析,QC7 图,51,可看出温度与落尘量的相关性,举手抢答加5分,QC7散布图(相关系数),52,可得上述案例之相关系数为 r =0.88,QC7散布图(相关性),53,r = 0.88 其呈现之关系为正相关,负相关,请列举出身边你认为相关的例子。 如：地势越高，气压越低。,54,散布图与回归分析,55,散布图可观察其相关性。回归分析可藉由计算两变量之线性关系 求出回归方程式，并据此方程式推估未进行实验之值。,回归方程式,56,由Excel报表可得回归方程式： y = x+= 0.15x-78.82 依据此方程式可进行最佳解的预测。 代入X（温度）可预测Y（落尘量）,相关系数,回归方程式(回归线检定),57, ,P-value 拒绝H0 温度可以解释落尘量,用于检定此模型是否显着。 H0:温度无法解释落尘量 H1:温度可以解释落尘量,用于检定、是否为零。 H0:= 0 v.s H1: 0 H0:= 0 v.s H1: 0,P-value 拒绝H0 不为零,P-value 拒绝H0 不为零,