《《6Sigmasupposecheckout(3-1)》-精选课件（公开PPT）》由会员分享，可在线阅读，更多相关《《6Sigmasupposecheckout(3-1)》-精选课件（公开PPT）（14页珍藏版）》请在金锄头文库上搜索。
1、1,Six Sigma 假设检验,2,假设检验概要,学习目标 1. 理解与假设检验相关的用语 2. 理解假设检验方法 假设的树立方法 检验统计量的计算方法 假设的选择与否决方法,3,统计性推论(Statistical Inference) 从母集团中抽出样本后得到的DATA为基础，找出母集团的特性(母平均, 母分散, 母比率等）的分析过程。可以分为以下两大类。 推定/估计(Estimation) : 利用样本DATA推测母集团母数的过程。 点推定(Point Estimation) : 推定母数为一个值。 (例) A 候选者的支持率是 60%. 区间推定(Interval Estimation
2、) : 推定包括母数的范围，点推定包含误差概念。 (例) A 候选者的支持率在 (50%, 60%)之间。 假设检验(Hypothesis Testing) : 对母集团的特性设定假设，利用样本判断假设的选择与否的统计方法。,您的意见采纳，不，要抛弃! 咣 ! 咣!,统计性推论,4,母平均 的推定量,推定使用最多的母数 ， 代表性的方法是样本平均。,母分散 2 的推定量,母比率 p的推定量,样本平均 =,样本分散 =,(n: 样本大小, 具有X:特性观测值的个数， p:有特性的个体的比率 ),样本比率 :, 点推定,推定,5,误差为 时 意味着 包含母数的可能性为 100(1 - )% 的区间
3、， 此时 1 - 称为置信水准。(Confidence Level),置信区间 (Confidence Interval),点推定量 误差限界,推定,区间推定 推定包括母数(母平均或母分散等)的范围。 点推定是 从样品中求得的推定值(样本平均, 样本分散等)因没有显示与母数的真值接近多少的概念, 所以 点推定 意味着包括误差概念的置信区间的推定,6,对母平均 的 90% 置信区间的 意思 在母集团中抽出大小n的样品，求置信区间时，因每个样品样本平均值不同所以置信区间也按以下变化。,例如所谓 90% 置信区间，就是反复置信区间 求得的 10个置信区间中 9个包含母平均的意思。,区间推定,7,例)
4、 某制药厂新开发的头痛药B比原有的头痛药A 药效能多持续30分钟。,假设检验(Hypothesis Testing) 设定某母集团的假设，利用样本DATA判断假设的成立与否后得出统计性的决定。 原假设(Null Hypothesis: H0) : 说明至现在主张过的或者变化之间 无差异的假设 对立假设(Alternative Hypothesis: H1) : 新主张的，即以DATA确实的根据， 要证明的假设。,原假设 H0 : 头痛药 A和头痛药B 的药效一样。 对立假设 H1 : 头痛药 B比头痛药 A 药效能多持续30分钟。,假设检验,8, 假设检验的例子: 两个工程中改善了一个，想知道
5、被改善的工程数率是否好转。从改善工程中抽出Sample测定数率后，怎样知道数率有实质性差异? 原有工程和改善工程的数率DATA为如下： 工程B 表示改善工程。,工程 A 工程 B 89.7 84.7 81.4 86.1 84.5 83.2 84.8 91.9 87.3 86.3 79.7 79.3 85.1 82.6 81.7 89.1 83.7 83.7 84.5 88.5,“工程A和 工程B，有实质性的差异吗?”,改善前对比改善后,假设检验,9,技术统计学 变量 Process N 平均 标准偏差 数率 A 10 84.24 2.90 B 10 85.54 3.65,假设检验例,实际性的提
6、问: 能说改善工程 B的数率比原有工程A的数率好吗?,统计性提问: 工程B 的平均(85.54)和工程 A 的平均(84.24)差异， 在统计上是否有意的差异? 或者，平均差异只是随时间变动而出现的差异?,继续,10,. . . . . : :. . . . . . . . -+-+-+-+-+-+- 80.0 82.5 85.0 87.5 90.0 92.5,统计性概念： 两个工程显示互相不同的母集团吗?,假设检定 例,继续,工程 A,工程 B,80.0 82.5 85.0 87.5 90.0 92.5,还是，两个工程显示一个母集团?,11,设定假设, 对立假设 (H1) 要证明的问题 统计
7、性解释: 工程A 和工程B的母集团平均是不同。 实际性解释: 工程B 的平均数率和 工程A 的平均数率不同。, 原假设 (Ho) 假定 统计性解释: 工程A 和工程B的母集 团平均是相同。 实际性解释: 两个工程之间没有数率差异。即，不能说改善工程数率比原有工程数率提高。,目标: 改善工程B的数率和原有工程A的数率是否不同，利用Sample判断。,12,检验统计量 (Test Statistic),在原假设和对立假设中选择一个，根据成为基准统计量的情况， 设定 Z, t , F 分布等 确切地检定统计量。,选择归属假设? 或选择对立假设?,假设检验的两种错误,正确决定 第 二种错误 ,第一种错
8、误 (TypeError) :即使原假设为真的 也抛弃原假设的错误 危险(risk) : 犯第一种错误的最大概率 第二种错误 (Type Error) : 即使原假设为假的也选择原假设的错误 危险(risk) : 犯第二种错误的概率,Ho 选择,Ho 真时,H1 真时,实际现象,检定结果,假设检验,第一种错误 正确决定 ,H1 选择,13,检出力(Power) 原假设错误时，抛弃假设的概率。即，意味着正确判断错误的假设概率， 并用1- 来表示。,显著水准 (Significance Level) 归属假设 Ho 为真实值时会抛弃归属假设 Ho 的最大允许限度， 即，犯第一种错误的概率最大允许限
9、度。错误 的最大值一般使用 0.05(5%), 0.01(1%), 0.10(10%)。,假设检验,p 值 ( p-value ) p 值在原假设真实时，抛弃原假设的最小概率，即确定原假设为假的结论时, 意味着我们的判断是错误的危险。假如此值小时，确定原假设为假的结论。,: 在显著水准 抛弃归属假设 H0 : 在显著水准 选择归属假设 H0, P值与显著水准 的关系,14,假设检验的步骤,1. 设定原假设和对立假设 2. 选择检验统计量 3. 决定显著水准 4. 决定抛弃域 5. 计算检验统计量 6. 决定根据检验统计量的 假设的选择与否,6. 从检验统计量值改善留意概率 p 值。 7. 决定通过p 值的假设的选择与否。 p 值小于值，抛弃,H0 选择 H1 p 值大于值，选择 H0 抛弃 H1。,或者,在Minitab中如同以下方法， 通过 p值决定假设的 选择与否。,假设检验,
