有學過6
sigma的同學, 一定知道 Minitab這套軟體, 因為它把6 sigma實用化了. 過去 Minitab 並沒有中文版, 但對岸有人將它漢化後, 官方也出簡體中文版, 使用簡體中文版會比英文版更friendly, 但畢竟兩岸語文還是有差異, 尤其專有名詞上的差異更讓人難以適從, 例如常態分配 v.s. 正态分布; 品質 v.s. 质量; 巨集 v.s. 宏; 變異數分析
v.s.方差分析; 進階 v.s. 高级…
官方目前沒有繁體中文版.~可惜! 希望 Minitab TWN公司能早日完成繁體中文版的 Minitab. ~期待!
Minitab R16版新增一項功能—Assistant
助手, 對於軟體新手或統計新手來說, 是個不錯的功能. 透過它可讓您”正確地”使用統計工具, 而不至於不知如何下手.
Assistant 助手 > Hypothesis Tests... 假設檢定...
中文對照
您的資料是連續資料或計數(屬性)資料?
首頁
連續值
衡量零件或製程特性, 如長度, 重量, 或溫度。這些資料通常包含分數(或小數)值。
範例
品質工程師想要確定橫跨兩個不同生產班別盒裝麥片的平均重量是否有差異。工程師從每個班別抽樣盒裝麥片和紀錄它們的重量。
計數(屬性)值
計數某特性或條件發生次數, 如物質特性, 缺點類型, 或評等, 如合格/不合格。計數資料為整數。
範例
分析員想要比較兩家不同供應商燈泡品質。分析員檢驗每家供應商燈泡樣本和計數每個樣本中損燈泡數目。
您要比較什麼?
首頁>連續值
兩個標準差
比較兩個製程或兩個製程條件的標準差去確定標準差是否有差異。
範例
木材裁切廠想要比較兩種鋸木機裁切橫樑的變異。裁切廠量測每台鋸木機裁切橫樑長度去檢測鋸橫樑長度一致性是否不同。
兩個平均值
比較兩個製程或兩個製程條件的平均值去確定平均值是否有差異。
範例
健康管理公司品質分析員想要比較兩家不同醫院病人整體滿意度。分析員計算每家醫院病人滿意度分數去確定平均滿意度評等是否不同。
您要比較什麼?
首頁>計數(屬性)值
兩個不良率
每個項目歸類到兩個類別之一, 例如合格/不合格或不良/非不良。您計數每個樣本不良項目數量並比較兩個樣本不良百分比。
範例
運輸公司品質工程師從舊流程交貨樣本和新流程交貨樣本中計數不當處理包裹數目。他們想要確定這兩個流程不當處理包裹百分比是否不同。
每個結果類別百分比
每一項目歸類三個或更多的結果類別之一，例如劣等, 中等, 優等和卓越。計數每個類別項目數目並比較兩個樣本每個類別的百分比。
範例
財務部門分析員抽樣逾期未付發票並依照逾期天數分類: 小於等於15天, 16~30天, 大於等於31天。他們想要確定每個類別逾期未付發票百分比在增加逾期費前後是否不同。
您要量測是不同項目集或相同項目集?
首頁>連續值>比較兩個平均值
兩組不同項目(獨立)
分別在不同條件下量測兩組不同項目集; 因此, 某樣本量測是獨立於另一樣本量測。
範例
健康管理公司想要比較兩家醫院整體病人滿意度評等。因為評等是來自兩組不同病人群組, 量測是獨立的。
項目相同或匹配(相關)
在兩個不同條件下量測相同項目集; 因此, 相同項目量測是非獨立的, 或彼此相關。
範例
品質工程師想要比較有塗層與沒有塗層的環形軸承要求的力量。因為扭矩會因軸承不同而有變異, 他們決定先量測沒有塗層的軸承, 再量測塗上塗層的同一軸承, 做更直接的比較。他們收集每個軸承的量測是相關的, 因此是非獨立的。
雙樣本標準差檢定
首頁>連續值>比較兩個標準差
雙樣本標準差檢定比較兩個標準差值去確定它們是否有顯著差異。
指引
l
收集兩個資料隨機樣本。
n
您抽樣的每個項目產生單一量測值, 例如申貸周轉時間。為了收集資料,
您應該從現有製程抽取第一個樣本, 然後改變製程輸入, 例如申請書排版。接著抽取第二個樣本。或您從兩個生產相同產品的不同製程中取樣。例如您從兩個不同銀行分支, 使用相同申請表格來收集周轉時間。要獲取代表製程或製程條件的資料, 隨機選擇每個樣本項目。
l
收集足夠資料。
n
樣本應該夠大可以合理確定偵測製程標準差與目標值是否明顯不同。Minitab確定以您樣本偵測的標準差與目標有多大差異。此外, 如果您輸入對製程具有實際影響的不同的值, Minitab確定您實際上將檢測到此差異的機會。
l
依收集順序以每個樣本在分別欄來輸入資料。
n
Minitab依您在工作表輸入順序來繪製資料。如果您依收集順序以每個樣本在分別欄來輸入資料, 您可以容易地檢查出圖表中趨勢和其他模式。
l
當您收集資料時, 製程必須是穩定的。
n
如果製程不穩定, 您可能觀察到趨勢或異常量測值, 這會影響樣本資料和造成檢定結果誤解。
l
如果樣本大小至少為20, 這些資料不需要為常態分布。
n
Minitab對通常的F-檢定,
Levene/Brown-Forsythe檢定來使用備擇, 不要求資料為常態分布。即使樣本大小小到20, 此檢定對常態資料與非常態資料都有不錯執行效果。
l
檢驗異常資料點。
n
因為異常資料點對結果有很大影響, Minitab會幫您識別這些點。您應該嘗試確定異常發生原因, 和修正任何量測或資料輸入錯誤。考慮移除與特殊原因關聯的資料再重新分析。
雙樣本t檢定
首頁>連續值>比較兩個平均值>兩個不同項目(獨立)
雙樣本t檢定比較兩個樣本平均值去確定它們是否有顯著差異。
指引
l
收集兩個資料隨機樣本。
n
您抽樣的每個項目產生單一量測值, 例如申貸周轉時間。為了收集資料,
您應該從現有製程抽取第一個樣本, 然後改變製程輸入, 例如申請書排版。接著抽取第二個樣本。或您從兩個生產相同產品的不同製程中取樣。例如您從兩個不同銀行分支, 使用相同申請表格來收集周轉時間。要獲取代表製程或製程條件的資料, 隨機選擇每個樣本項目。
l
收集足夠資料。
n
樣本應該夠大可以合理確定偵測製程標準差與目標值是否明顯不同。Minitab確定以您樣本偵測的標準差與目標有多大差異。此外, 如果您輸入對製程具有實際影響的不同的值, Minitab確定您實際上將檢測到此差異的機會。
l
依收集順序, 輸入每個樣本資料在單獨的欄中。
n
Minitab依您在工作表輸入順序來繪製資料。如果您依收集順序, 輸入每個樣本資料在單獨的欄中, 您可以容易地檢查出圖表中趨勢和其他模式。
l
當您收集資料時, 製程必須是穩定的。
n
如果製程不穩定, 您可能觀察到趨勢或異常量測值, 這會影響樣本資料和造成檢定結果誤解。
l
如果樣本大小至少為15, 這些資料不需要為常態分布。
n
雖然檢定是基於假設資料為常態分布, 當樣本大小至少為15時, 此假設並非關鍵。如果樣本大小少於15, 資料非常態分布, p值可能不準確, 而您應該謹慎解釋結果。
l
此兩個樣本不需要有相同變異數。
n
典型雙樣本t檢定基於假設兩個樣本群體變異性相等。然而,
Minitab使用備擇檢定(Welch檢定)是不需要樣本有相同變異數。研究表示即使樣本大小不同, 不同變異數的檢定仍可執行良好。
l
檢驗異常資料點。
n
因為異常資料點對結果有很大影響, Minitab會幫您識別這些點。您應該嘗試確定異常發生原因, 和修正任何量測或資料輸入錯誤。考慮移除與特殊原因關聯的資料再重新分析。
成對樣本t檢定
首頁>連續值>比較兩個平均值>項目相同或匹配(相關)
成對樣本t檢定檢測兩個相關觀測數據平均值的差異。
指引
l
收集隨機樣本項目並檢定在兩個條件下的每個項目。
n
為了獲取代表製程的資料, 蕤機選擇項目。量測在兩個條件下抽樣的每個項目。此檢定確定兩個條件下製程平均值是否有差異。
n
此檢定在當樣本項目之間的變異可能掩蓋平均值之間差異時有用。例如, 您想要確定燃料添加劑是否增加運送車隊的燃料經濟性。然而, 由於客貨車是不同品牌, 車型和車齡,
客貨車的燃料經濟性的差異大於添加劑造成差異。當你分析每台客貨車有無添加劑的燃油經濟性差異時, 您有效地移除客貨車之間變異去更清楚地看到添加劑的效果。
l
收集足夠的資料。
n
樣本應該夠大可以合理確定偵測兩個條件下平均值是否明顯不同。Minitab確定您可以檢測到兩種平均值之間有多大的差異。此外, 如果您輸入對製程具有實際影響的不同的值, Minitab確定您實際上將檢測到此差異的機會。
l
依收集順序, 輸入每個條件下資料在工作表單獨的欄中。同一項目的資料必須在同一列中。
n
依您檢定項目順序輸入資料, 以便您可以檢查資料中的趨勢和其他模式。對於每個樣本項目, 在工作表中的一欄中輸入第一個條件的量測和另一欄中輸入第二個條件的量測。成對t檢定評估每個條件下的量測之間的差異。因此, 您必須在工作表中的同一列記錄每個檢定項目。
l
當您收集資料時, 製程必須是穩定的。
n
如果製程不穩定, 您可能觀察到趨勢或異常量測值, 這會影響樣本資料和造成檢定結果誤解。
l
如果樣本大小至少為20, 成對差異不需要為常態分布。
n
雖然檢定是基於假設資料為常態分布, 當樣本大小至少為20時, 此假設並非關鍵。如果樣本大小少於20, 成對差異非常態分布, p值可能不準確, 而您應該謹慎解釋結果。
l
檢驗異常成對差異。
n
因為異常成對差異對結果有很大影響, Minitab會幫您識別這些點。您應該嘗試確定異常發生原因, 和修正任何量測或資料輸入錯誤。考慮移除與特殊原因關聯的資料再重新分析。
雙樣本不良率檢定
首頁>計數(屬性)值>比較兩個不良率
雙樣本不良率檢定比較兩個樣本不良率去確定它們是否有顯著差異。
指引
l
收集兩個資料隨機樣本。
n
此檢定用來確定兩個製程或兩個製程條件的不良率是否有差異。為了收集資料, 您應該從現有製程抽取第一個樣本, 然後改變製程輸入, 例如生產相同產品機器的速度設定。接著抽取第二個樣本。或您從兩個製程, 例如生產相同產品的兩台機器中取樣。要獲取代表製程或製程條件的資料, 隨機選擇每個樣本項目。
l
確定樣本每個項目是不良或非不良。
n
不良項目有一個或更多的缺點導致無法允收。如果您的量測系統僅能確定項目是不良或非不良, 請使用這項檢定。
l
樣本中的每個項目應該有同樣的不良機會。
n
為了產生準確的結果, 樣本中的每個項目，應該與樣本中的任何其他項目有同樣的不良機會。因此, 應該在如人員, 設備, 供應商或環境等相同的投入和條件下, 收集樣本中的項目。
n
例如, 不同的機器生產油漆塗料, 可能會產生不同不良比例的塗料。因此, 您不應該把從所有機器收集樣本, 看待它們仿佛是從單一台機器取樣。您還應該避免在長時間內收集樣本, 因為這會增加製程條件會改變的可能性。
l
收集足夠的資料。
n
樣本應該夠大可以合理確定偵測兩個樣本不良率是否明顯不同。Minitab確定以您樣本偵測的不良率之間有多大差異。此外, 如果您輸入對製程具有實際影響的不同的值, Minitab確定您實際上將檢測到此差異的機會。
n
為了確保不良率差異的信賴區間的準確度, 每個樣本中被觀察到不良與非不良數目至少為5。當不良與非不良數目增加, 信賴區間的準確度也跟著增加。Minitab檢查每個樣本是否包含至少5個不良與5個非不良。
結合卡方檢定(2個X值)
首頁>計數(屬性)值>比較兩個樣本類別百分比
結合卡方檢定確定兩個樣本每個輸出類別的百分比是否顯著不同。
指引
l
對每個X變數水準收集隨機樣本資料。
n
對X的每個水準, 收集可代表製程的隨機樣本項目。X變數水準可能表示製程或區域差異。例如, 如果您有數個分公司處理發票, 您應該從每個分公司收集發票樣本。
l
每個樣本項目資料是屬性值或類別。
n
為樣本中每個項目評估或分配屬性。例如, 紡織廠分類裂紋, 撕開, 不當的縫接。在某些情況下, 資料可能為已經分類聚集的量測值。例如, 財務部門追蹤是逾期發票的天數, 分為:
小於等於15天, 16~30天, 31~45天, 或超過45天。
l
如果您有量測資料, 將每個量測歸到一個結果的類別。
n
如果資料為量測, 透過將每個量測值只放到單一的類別, 轉換它們為分類資料。例如, 財務部門分析員基於逾期發票的天數將發票分類分成4組: 小於等於15天, 16~30天, 31~45天, 或超過45天。
l
清楚地定義沒有交疊的結果類別。
n
對於屬性資料和量測資料, 清楚地定義類別以便每個資料值屬於哪一個類別中可以明確。例如, "好", "更好", 和"最佳"值對屬性資料不是很有用, 除非每個類別的區別特徵非常明顯。
n
對於量測資料, 確保類別不會交疊。例如, 財務部門分析員基於每張發票已逾期的天數來分類發票。他們不應該創建類別如未滿15天, 15~30天, 30~45天, 超過45天, 因為逾期30天或45天的發票會歸類到兩類。
l
每個樣本應該夠大, 以便所有結果類別都有合理機會被觀察到。
n
每個樣本應該夠大, 以便有合理機會觀察到在每個類別中的結果。如果預期的計數太低, 檢定的p值可能不準確。Minitab指示預期的計數是否太低, 以及每個樣本應該多大以確保檢定的有效性
n
如果樣本不夠大, 而你無法增加樣本大小, 請考慮結合結果類別。因為你失去個別值結果的資訊, 您應該僅在必要時結合類別。如果你結合類別, 請確保類別的結合是有意義。例如, 財務部門有五種類別進行發票逾期天數的分類: 小於等於15天, 16~30天, 3~45天, 46~60天, 和超過60天。超過60天的類別預期的計數很低, 所以財務部門結合46~60天類別, 創建一個超過45天的結合類別。
詳細資訊請到官方網站進一步了解: http://www.minitab.com.tw/
和 http://www.minitab.com/
聲明: 本文純粹學術性研討, 內容所提及任何關於 Minitab 專有創作文字, 圖像與架構…等皆屬Minitab Inc. 版權所有, 嚴禁商業上轉貼使用.
沒有留言:
張貼留言