《JMP 常用工具整理ppt课件》由会员分享，可在线阅读，更多相关《JMP 常用工具整理ppt课件（66页珍藏版）》请在金锄头文库上搜索。
1、开启档案相位差 jmp分别利用前三栏位的资料制作NormalPlot哪一组趋近于正态 再分别制作直方图 Histogram 这其中透露了什么 练习 认识数据的分布 认识数据的分布 柏拉图展示的是根据出现频率进行排序后的数据类别 例如 返工的原因 柏拉图 JMP里的柏拉图 练习 请打开QUALITYCONTROL jmp 里面的Flows是瑕疵的类型 右侧记录了瑕疵 发生的时刻 这组数据没有直接提供瑕疵计数 所以要用 X分组 来区隔 基准 可调 JMP里的柏拉图 练习 JMP会以第一个 发生时刻 值的瑕疵多少排列顺序作为不同时刻分隔的基准 并可自行调整 于是 可以观察各种瑕疵在不同 作业时刻 的
2、具体数量分布 打开文件SPC X jmp 看I MR单值 移动全距图 控制图看的就是 异常点 因I MR数据基于正态分布 所以 移动极差 只有超限点 控制图看的就是 异常点 打开文件SPC X jmp 看X Bar分组均值范围图若无GROUP列 则在此输入组内个数 X Bar分组均值范围图 X Bar分组均值范围图 练习 打开P CHART jmp 反映了一段时间内被检验产品的不良数 其中分母不尽一致 当然 若分母一致 可自行输入样本常数 流程能力diag1 jmp数据包含以下特征 数据正态5个一组的SPC基本正常Max 85 752 Min 56 749若将LSL 57 USL 80以及LS
3、L 57 USL 86分别输入看流程能力 分析 分组若非连续采集 比如每周4算一组等 可在上方 分组依据 里选类似Subgroup 此时Subgroup算属性 JMP缺省显示长期能力 尽管显示出的是Cpk 分析 若需单独显示传统意义上的短期能力 则需点选最下方的分组大小 缺省5个一组 此时 前面的Cpk变成了真正的Ppk 流程能力分析 数据Camshaft mtw Minitab工作表 凸轮轴由机床削切数据在第3列 Supp2 规格是600 5凸轮轴生产的子群大小为1流程能力如何 流程能力分析步骤 SPC稳定性检查 对异常点作出处理 正态检定 如果数据非正态 需做拟合转换 执行流程能力分析 所
4、以 建议JMP先从 分析 分布 开始逐步推进分析 JMP里的 Z基准 反映出流程的西格玛水平 注意 这里的长短期有1 5 的水平位移 看来 是按照MOTOROLA的观点去表现的 特性不清楚的分布利用BOX COX转换 转换成正态分布案例分析 打开文件BOX COX JMP 其中的D3数据 规格为LSL 0 06 USL 0 15 请计算流程能力 非正态数据的流程能力计算 非正态数据的流程能力计算 选项 信息屏 用JMP 打开连续性MSA jmp JMP输出 属性R R 利用JMP 打开 属性MSA jmp 分析 质量和过程 变异性 计数量具 多元控制图 必须每个测量员1列 上方图示反映每个样本
5、的测量一致性 此处每个操作员自身的一致性算法与MINITAB不同 重点解释下方的Kappa值 算法同MINITAB 属性R R 利用JMP 属性R R 利用JMP 22 28 78 5714 JMP里不管Z检验还是t检验 只看 均值检验 分析输出 e 比较P值和重要水平 P value 0 798 0 05所以我们不能否定零假设 数据不能提供足够的证据否定平均强度等于2 85磅 我们首先使用Shapiro WilkW检验评估正态分布 统计 基本统计量 正态性检验 正态检验 值 0 6806 0 05 服从正态 单样本T Thicknessmu 3与 3的检验平均值变量N平均值标准差标准误95
6、置信区间TPThickness183 002940 003100 00073 3 00140 3 00448 4 040 001 P值 d 计算P值 分析 分布 均值检验 e 因为p 0 001 0 05 我们否定零假设 f 数据提供了足够的证据证明平均厚度不等于3厘米 收集数据和计算P数值 JMP分析前必须先做数据表的堆叠转换 c 随机抽取样本 双样本t d JMP计算P值针对已 堆叠 好的新数据表 分析 以X拟合Y 勾选 假定等方差 首先按 不等方差 做等方差检验 正态看F检验 非正态看Levene检验 从它们各自的p值是否大于0 05 确定是否 等方差 如果 等方差 则按 均值 方差分析
7、 合并的t 若 不等方差 则 t检验 P 0 183 0 05 均值相等 JMP输出 利用软件检验两个相关的样本是否相等 两个相关的样本必须是随机抽取的每个抽样总体都应该大致呈正态分布 统计 基本统计量 配对t 成对t检验 练习 一轮胎公司认为他们新生产的轮胎的里程数较竞争者的有提高 选择了12部车 用新轮胎跑1000哩 再用竞争者的轮胎跑1000哩 假定里程的差异服从正态分布 File CarMileage jmp 结论是什么 如果我们将数据作双样本t检验会如何 试试单样本t检验其中的差异 练习 3水平以上一元方差分析路径图 或直接看 Welch检验 思考 练习 打开三人快递 jmp 因为数
8、据没有进行堆栈 先运行 表 堆叠 接着再针对堆叠表 进入 分析 以X拟合Y 或 分析 拟合模型 可看残差 首先通过JMP的 分布 栏做各组数据的SPC稳定性研究与正态检定 进入 分析 以X拟合Y 接着还是做等方差检验 不等方差 步骤同前面的 双样本检验 如果 等方差 则看 均值 方差分析 pF 即p值 JMP的3水平以上一元ANOVA R2 0 507 1 2 一元ANOVA的数据分析 分析 以X拟合Y pF 即p值 1 一元ANOVA的数据分析 分析 拟合模型 首先通过 分布 做各组数据的SPC稳定性研究与正态检定 如果各组数据都是等方差 也可以直接运行JMP的 分析 拟合模型 同样可得判定
9、各组数据是否 相等 的p值和因子显著性的R方值 1 2 在有些实验中 我们发现当改变其他因子的不同水平时 一个因子的水平的主效果有所改变 在这种情况下因子间具有交互作用 两条直线不平行表示存在交互作用 交互作用 思考 讨论 论社会贡献 品质 和 智商 有无交互作用 在质量检查工作 性格沉稳与否和注意力之间是否存在交互作用 收入水平和奖励水平之间呢 多元ANOVA分析 目的 提供分析具有显著交互作用的2因子实验的机会切换到工作表Montint jmp输出变量 Yield 望大 输入变量 Temperature温度 Low Med High CatalystSolution催化剂浓度 Low Me
10、d High JMP的多元方差分析依然是 分析 拟合模型 且 特质 依旧 标准最小二乘法 JMP的多元方差分析不区分 平衡ANOVA 和 一般线性模型GLM 将所有因子作 完全析因 以观察所有交互影响 多元ANOVA分析 看 效应检验 2因子交互影响的p 0 029Catalyst Temp Catalyst 各因子对Y较有利的适宜水平分别是 多元ANOVA分析路径 在Minitab中 可通过以下两种方法得到一般线性回归模型 最佳拟合线 统计 回归 回归 统计 回归 拟合线图 最小平方的方法 R2 87 7 P数值是对回归等式的整体显著性的测量 P value 0 000 P value 0
11、05表示在统计上回归关系显著 回归关系所表达的Y的变异的87 7 在统计上是显著的 整体显著性 残差分析 若回归 模型 的p值小于0 05 说明回归公式成立 于是必须检查残差 通过 残差 图来进一步判别模式的适配 残差 是数学模型的误差 也是随机误差的总和 残差值 实际值 个别样本值 拟合值 水平均值 残差是独立的 且正态分布 残差理想 则残差的和 0 从文件Oxygenpurity jmp中 建立Oxygenpurity对Hydrocarbon X 之间的一般线性回归模式并进行残差分析 残差分析 点选 二元拟合 线性拟合 的 标绘残差 随时间随机 正态性 正态且均值为0 随机 JMP的残差图
12、表 看拟合直线两侧的点是否对称 判断正态与否 非正态则一边数据多 说明流程噪音大 观察时序 若图形不随机 说明或许存在与 时间 相关的因子在影响着Y 发现 预测值 残差 图有特殊形态 可点 二元拟合 里的 特殊拟合 JMP的残差图表 随机 希望散点对称 无特殊形态地散布 从而反映出残差的方差为一恒定的常数 否则 分析数据背后有否异常 流程的噪音干扰大吗 是否有将不同组的数据混放 为求恒方差 则需对数据进行转换处理 曲线型升阶 喇叭型用对数转换 椭圆型用Freeman Tukey转换 从文件Oxygenpurity jmp中 测定对于已获得的线性回归模型的95 置信区间CI和预测区间PI 拟合置
13、信曲线 CI 深绿色带 单值置信曲线 PI 浅绿色带 置信区间和预测区间 运行 分析 拟合模型 选择 刻画器 最下方会出现 预测刻画器 将红线十字坐标自由移动 可见按回归公式下Y随着X变化而出现拟合值 红字 下面括弧内是该拟合值的置信区间 及CI 双击红字X 出现输入框 输入给定X 1 15 Y 91 473 CI 90 947 91 999 给定X的置信区间CI 给定X的预测区间PI 选择 保存列 预测公式 和 保存列 单值置信限公式 在数据表里会增加三列数据 在数据表里增加1列在最后 双击X空格 填入给定X 1 15 边上会出现Y拟合值 91 473 以及PI预测区间 89 130 93
14、815 比CI 90 947 91 999 要宽 打开Reactor32Runs jmp 该例可同时作为DOE分析和历史数据的多元回归分析 对于百分比数值的Y 如果其分母相同 可只针对分子做连续性回归分析 若分母不同 可在 特质 里选 广义线性模型 直接分析即可 如果数据量不大 且凭专业经验断定不存在3次以上交叉 可直接选 析因次数 阶数在下方可输入 缺省2阶 但 完全析因 下的R Sq肯定 1 需要手写输入的多阶交互因子可选中相应几个因子后按 交叉 添加 多元回归分析 出现LenthPSE 无论是多元回归分析还是在DOE分析里都需要模式缩减 直至出现 拟合汇总 里的 均方根误差 为止 多元回
15、归分析 在 预测刻画器 的 设置意愿 设置完成 必须再执行 最大化意愿 才能出现目标Y下的因子预测值 从 模拟器 可仿真观察最终实现的可能波动范围 自然越窄越好 多元回归分析下的因子预测 JMP用 以X拟合Y 做逻辑回归 请注意检查每个X和Y的属性 JMP数据表里的Y 审核出错 的基准时间缺省是以第一个Y值为准 如果要像JMP那样缺省以1作为基准事件 则需对Y列右键点选 列信息 里的 列属性 里的 值排序 将右框里的 1 上移即可 JMP里的逻辑回归 P 值 说明模型整体显著成立 P 值 说明模型的截距和系数都存在 单位优势比 决定了因子的显著程度 JMP里的逻辑回归 二进制Logistic回
16、归 审核出错与审核时间连结函数 Logit响应信息变量值计数Outcome173 事件 0151合计224Logistic回归表95 置信区间自变量系数系数标准误ZP优势比下限上限常量 18 39972 53593 7 260 000审核时间0 1403260 01973557 110 0001 151 111 2对数似然 97 802检验所有斜率是否为零 G 87 187 DF 1 P值 0 000拟合优度检验方法卡方自由度PPearson180 1191620 157偏差151 9231620 704Hosmer Lemeshow8 45180 391配对数字百分比度量结果综述一致938785 2Somer的D0 71不一致160014 5Goodman KruskalGamma0 71结360 3Kendall的Tau a0 31合计11023100 0 函式里的常量 系数至少有一个存在 逻辑回归看的就是某X对的线性关系 称为让步比 Odd or优势比 是某事件的发生概率与不发生概率的比值 这里的分子是所谓 基准事件 此处是 失败 1 的概率 优势比1 15意味着随着 审核时间
