DAY4-GB-A-06 均值检验

1、T - Test DefineMeasureAnalyzeImproveControlStep 8- Data 分析Step 9- Vital Few X的选定 Multi Vari Central limit Hypothesis testing Confidence interval ANOVA, T-test Chi-square Correlation,regressionStep 7- Data 收集路径位置了解t-Test 是作为平均比较来观察它的意义.Means平均(means) /中值(medians) 检验的 根本概念进行介绍.目 标 统计性检验的 Roadmap t-Tes

2、t 说明 1 sample t-Test 双样本T检验目 录假设检验模式中, 两个全体均值的比较.我们观察零假设中,观察推翻零假设的充分的统计的证据.收集顾客数据. 但是, 这数据怎样检验(test)?统计性检验的 RoadmapX DataX变数 1个 X变数 复数 Y DataY 变数 1个 Y变数 复数X Data离散形(记数形) 连续形Y Data离散形 连续形(计量型) ANOVAt-TestsX Data离散形 连续形 Y Data离散形 连续形 Chi-SquareRegressionMultipleRegressionMedians Tests2, 3, 4 way.ANOVA

3、根据数据的种类和比较的对象的不同有多种类的检验方法.t-Test 是 input 数据是记数型, output 数据是计量型时 使用的检验工具 !统计性检验的 Roadmap一个管理者在涂敷厂想了解2名作业者的涂敷漆的量的大小.Y变数是什么? _ 数据的种类? _X变数是什么? _ 数据的种类? _使用什么工具? _统计性检验的例统计性检验的 Roadmap您在这里作什么的决定?Sample #BobJane123.224.2222.223.2324.324.8422.122.7525.925.3数据如下.统计检验的 RoadmapBob 的 20个印章sample 平均, 散布分析的 Roa

4、dmapBob & Jane的 20个印章 sample Bob,Jane & Walt 的 20个的印章 sample 包含2个水准的 X 变数 的比较稳定性分布的形态散布(Spread)中心的位置 (Centering)包含3个水准的 X 变数 的比较稳定性分布的形态散布(Spread)中心的位置 (Centering)包含1个水准的 X 变数 的比较稳定性研究(必要时)分布的形态散布中心的 位置OR1 sample t2 sample tANOVA统计检验的 Roadmap t-Tests标本的平均与其他平均或者标本平均特定值 (例: 规格下限)比较时, 使用t-Teset.这检验是为标

5、本在统计中是否不同,标本特性和基准分布t-分布的比较.数据的分析前观察根本的用语和概念.t-Test 说明t-分布43210-1-2-3-0.10.0t-ValuePrbT-Distribution for 18 Degrees of Freedom1%2.5%5%Observed Pointt-Test 说明T-值 用来衡量一个影响的重要性。(这个影响是“活性的吗？) 。影响定义为两个平均值间的差异 T-值 以样本偏差为单位。比方 T值为 +2.00 的意思是这个影响相对于0.00或相对某个目标值为2个样本偏差。从正态分布我们知道偏离中心2个样本偏差的情况极少发生每个T值都伴随一个概率 P值

6、。 这个概率表示如果影响为0.00，得到观察到的T-值的时机是“P 例如 T值 为 -1.97 时 P值 等于0.085. 这就是说如果与T值相对应的影响真是0.00,那么获得T值 等于-1.97 的概率是 8.5%一般我们采用的P-值 限于 5%. 如果我们的样本数相对较小，有时使用10%t-Test 说明练 习目的: 研究当实际结果时如何进行T-检验. 1:我们从同样的过程中生成随机样本进行T-检验 2:我们将把过程的样本偏差移动1个单位,然后进行T-检验 3:我们将把过程的样本偏差移动2个单位,然后进行T-检验 t-Test 说明 t-值 概率-1.697260.05-0.255610.

7、40-0.530020.30-3.385190.0010-4.233990.0001-0.853770.20-1.310420.10-1.954650.03Ha 采用Ho 采用_ _ _ _ _ _ _ _ _ _ _XXXXXX?Xt-值 解释练习利用以下T-值, 标示出影响是显著的还是不显著的 t-Test 说明t-检验的解释实施t-检验得到t值和 p值时可以做下面的表达.根据数据, 说明有平均差异(Delta), 我的结论错误的概率 (p-值)或者,根据数据, 我有重要效果,根据这自然结果可以说是概率 (p-值 ).根据前面第一页可以做这样的说明.有平均差异,这结论错误的概率是 5%.我

8、们一般希望错误的概率不超过5%.t-Test 说明双侧检验Two-tailed test当两个平均值差异的方向不能事先确定时使用例如:比较磨粉机的两个结构。我们不知道那一个更好一些单侧检验One-tailed test当两个平均值差异的方向事先知道时使用。 例如:改造后联结器的平均良品率应该比旧的高这个检验比双向检验更有威力。 t-Test 说明43210-1-2-3-0.10.0OutputPdfT=1.96T=-1.96For = .05双侧检验假设检验一般用 表示.t-Test 说明右侧检验(Right-tailed Test)43210-1-2-3-0.10.0OutputPdfT=-

9、1.6443210-1-2-3-0.10.0OutputPdfT=1.64左侧检验(Left-tailed Test)For = .05单侧检验t-Test 说明样本大小 (Sampling Size)稍等 ! !开始比较之前, 为决定显著差是否存在的分析需要几个必要数据?记住假设检验.考虑因子数, 为决定统计的差异有必要决定必要的测定的(数据)数.平均(Mean)样本偏差(Standard deviation)差异(Delta:我们要观察的差异)风险水准(Risk level)t-Test 说明样本大小的规那么 下表给出了2-K实验中决定样本数的一般原那么 .以后将给出更多的细节 t-Tes

10、t 说明再观察Paint图表的例题。我们疑心Bob涂敷的量比目标多,所以对 Bob的涂敷油漆厚度是否在目标范围内进行调查。平均是 25。假设 Bob比目标变化大,那么其他情报是必要的。根据每天的推移数据是样本偏差是0.25。我们可以接收的 a 风险(Bob的平均与目标相同，说不同的概率)是 0.05.我们可以接收的 b 风险(Bob的平均超过目标，但说满足目标的概率)是 0.20。1 sample t-Test零假设 (Ho) : Bob的厚度与目标值相同.备择假设 (Ha) : Bob的厚度比目标值大.假设1 sample t-TestStep 1 求出要求的样本大小为在两个假设中选择,必要

11、的样本大小是多少?指定的情报:显著水平, a= 0.05检验成效 = 1- = 1 - 0.20 = 0.80平均的差异, d = 25.1 - 25.0 = 0.1样本偏差, s = 0.25备择假设(Ha) : Bob的厚度比目标大.1 sample t-TestMinitab 样本大小的计算1 sample t-Test Minitab 使用 2.检验成效(power), 输入1-b. 1.输入delta, d. 4. 选择备择假设. 3. 输入sigma, s. 5. 输入alpha, a.1 sample t-Test成效和样本数量 单样本 t 检验检验平均值 = 零与 零计算成效的

12、平均值 = 零 + 差值Alpha = 0.05 假定标准差 = 0.25 样本 目标差值 数量 成效 实际成效 0.1 41 0.8 0.808582Minitab 是 0.80的检验成效，为确认Bob的目标为中心是否在 0.25以内，先告诉必要的标本的大小是 41个 。(注: N = 41时, 实际检验成效是 0.8086 。)Minitab 输出1 sample t-Test翻开t-Test.MPJ 中的 1 Sample t.Step 2 1 Sample t 翻开 Bob25.296926.057824.070024.819925.985125.3572.1 sample t-Tes

13、tComparisons Involving 1 Level To The XStudy Stability(if applicable)SPC ChartI-MR数据不是在一个总体/工序中得到的,有没有能够证明的显著的倾向或方向?Minitab要看什么Step 3 把握Data的倾向1 sample t-Test单值图1 sample t-Test有没有说明数据不是 一个的 总体/工序中得到的显著现象或现象？1 sample t-TestComparisons Involving 1 Level To The XStudy Stability(if applicable)SPC ChartI

14、-MR有没有说明数据不是 一个的 总体/工序中得到的显著现象或现象？Minitab要看什么Study ShapeDescriptive Stats and Normality Tests数据有正态分布吗？P-Value小时 (25)使数据变换成正态分布，利用 Z Test.Non-Parametric Tests1-Sample Wilcoxon Signed-Rank Example: (Ho: Median =25)P Value 0.05 ?确认正态分布(Normality)的方法1 sample t-TestMinitab Commands Descriptive Stats1 sam

15、ple t-Test数据的分布是钟型吗?数据服从正态分布吗?Minitab Output数据服从正态分布吗？P-Value比0.05大 故该数据服从正态分布.对样本大小显著.1 sample t-TestMinitab Commands Normality Test1 sample t-Test数据有直线性吗?数据有正态分布吗?Minitab Output1 sample t-TestStep 5 现在开始实施 t-Test 检验1 sample t-Test单样本 T: Bob mu = 25 与 25 的检验 平均值变量 N 平均值 标准差 标准误 95% 下限 T PBob 41 24.

16、791 0.911 0.142 24.552 -1.47 0.925Ho: Mean(Bob) = 25Ha: Mean (Bob) 25结论是 ? P-值 !5-1. 中心值的检验1 sample t-Test我们要的值在这范围内吗?MinitabAnother Way To Answer The Question1 sample t-TestStudySpreadDescriptive Stats假设的 s 是否包含在内 ?这样情况数据有正态分布时有效Comparisons Involving 1 Level To The XStudy Stability(if applicable)Mi

17、nitab要观察什么？Study ShapeStudyCenteringSPC ChartI-MR有没有说明数据不是 一个的 总体/工序中得到的显著现象或现象？Descriptive Stats and Normality Tests数据有正态分布吗？P-Value小时 (.05), 那么这数据没有正态分布.对样本大小显著.5-2. 实施散布的检验1 sample t-Test实质性的问题:Bob的散布(样本偏差)是否比 1.0小 ? 与1.5比较时 ? Bob25.296926.057824.070024.819925.985125.3572.1 sample t-TestMinitab O

18、utput结论是 ?1 sample t-Test其他例题 Helicopter 实习直升机制造师说自己制作的直升机 (条件如下)的飞行平均时间是 2.00秒. - 假设不是,给更换新的直升机.6支点降落长翅膀一个水平不利(One stabilizer)短的轴这公司对自己的设计有自信感，宣布假设飞行时间的样本偏差大于0.30时赔偿2倍的钱。为假设平均差异不到 0.10秒 ，决定必要的样本大小 。 您能不能确认这样的推荐。1 sample t-TestComparisons Involving 2 LevelsStudy Stability(if applicable)Study ShapeSt

19、udySpreadStudyCentering翻开2 Sample t 检查表. Roadmap 分析 - 2 Samples双样本T检验Bob Jane25.296926.005626.057825.940024.070026.006324.819926.435625.985125.992724.690223.696125.933725.676425.100524.5723.实质性的提问:Bob和 Jane的印章工程能力怎样比较？双样本T检验Step 1 现调查样本大小。因日程和业务交接原因假设Jane时只能取到 30个数据。 - 30个时充分吗？ - 这时检出力是多少？ - 其他检出力和样

20、本大小的调查可能吗？零假设 (Ho): Jane的 油漆厚度 与Bob的厚度一样.备择假设 (Ha): Jane的油漆厚度 与Bob的厚度不同. (大或小)假设双样本T检验要求的样本大小 为采纳两个中的一个,必要的样本大小是多少?提供的情报:显著水平, = 0.05检验成效 = 1- = 0.80平均差异, d = 0.1样本差异, s = 0.25备择假设 (Ha) : Jane的油漆厚度与 Bob的厚度不一样.双样本T检验双样本T检验 2.输入检验成效(power), 1-b. 1. 输入delta, d. 4. 选择备择假设. 3. 输入sigma, s. 5. 输入alpha, a.双

21、样本T检验成效和样本数量 双样本 t 检验检验平均值 1 = 平均值 2与 计算平均值 1 的成效 = 平均值 2 + 差值Alpha = 0.05 假定标准差 = 0.25 样本 目标差值 数量 成效 实际成效 0.1 100 0.8 0.803648样本数量是指每个组的。Minitab是 0.80的检验成效, 为检验Jane和 Bob的油漆的 (或者差异在 0.1 以内时)涂敷情况确认，提供必要的样本大小是 Jane和 Bob 每个是 100。 (注: N = 100时, 实际检验成效是 0.8036 .)Minitab Output双样本T检验样本大小的计算利用Minitab 的 Sam

22、ple Size Calculator计算提供的样本大小的检验能力!双样本T检验Minitab Output当样本大小等于30时, 得到检验成效只有0.3315 ，也即b值是0.6685。 这说明用这么多数据来检验这两个作业者间的差异是不充分的，故还要收集数据。 成效和样本数量 双样本 t 检验检验平均值 1 = 平均值 2与 计算平均值 1 的成效 = 平均值 2 + 差值Alpha = 0.05 假定标准差 = 0.25 样本差值 数量 成效 0.1 30 0.331522样本数量是指每个组的。双样本T检验与以前相同的方法 - 但根据各水准分别计算.Bobs New Data 结论是 ?结

23、论是 ?Step 2 检验正态分布。双样本T检验结论是 ?结论是 ?Janes New Data双样本T检验Stack Data &Homogeneity of Variance TestLevenes Test Ho: 2A= 2BBartlett Test (F-Test)Ho: 2A= 2BNormalNon-NormalP-Value小. (.05) 分散不同.Comparisons Involving 2 LevelsSPC ChartI-MRDescriptive Stats and Normality TestsMinitab要观察什么？ Study Stability(if a

24、pplicable)Study ShapeStudySpreadStep 3 比较散布.有没有说明数据不是 一个的 总体/工序中得到的显著现象或现象？数据有正态分布吗？P-Value小时 (25 ANOVA or T(or transformation)Or Mann-Whitney(Median A = Median B)2 Sample T-Test with Assume Equal s1-Way ANOVA Ho: A= BXIf N25 2 Sample T(or transformation)Or Mann-Whitney(Median A = Median B)双样本T检验 wi

25、th Assume Equal s1 Way ANOVA Ho: A= B P-值小. (.05)对2个总体中心位置(Centering) 不一致.NormalNon-NormalStack Data &Homogeneity of Variance TestLevenes Test Ho: 2A= 2BBartlett Test (F-Test)Ho: 2A= 2BNormalNon-NormalP-值小. (.05) 分散不同lComparisons Involving 2 LevelsSPC ChartI-MRDescriptive Stats and Normality TestsMinitab要观察什么？ Study Stability(if applicable)Study ShapeStudyCenteringStudySpread有没有说明数据不是 一个的 总体/工序中得到的显著现象或现象？数据有正态分布吗？P-Value小时 (根本统计量双样本TCI 包含 0,零假设是合理的. 双样本T检验堆叠命令语YieldBonder89.7181.4184.5184.8187.3179.7185.118