非正態(tài)數(shù)據(jù)轉(zhuǎn)換及過程能力分析

1、Nonnormal Data,非正態(tài)數(shù)據(jù)轉(zhuǎn)換,及過程能力分析,關(guān)于這個模塊,使用為正態(tài)分布數(shù)據(jù)設(shè)計的工具主要依賴于數(shù)據(jù)確實接近正態(tài)分布且穩(wěn)定(沒有異常原因)。 這個模塊主要研究對非參數(shù)數(shù)據(jù)起作用的方法。,我們將學(xué)到…,1. 為什么我們需要正態(tài)數(shù)據(jù)2. 如何檢驗正態(tài)數(shù)據(jù) – 所有的數(shù)據(jù) – 分層的數(shù)據(jù)3. 我們?nèi)绾螌B續(xù)數(shù)據(jù)實施轉(zhuǎn)換使其正態(tài)

2、 – 轉(zhuǎn)換的類型 – 轉(zhuǎn)換選擇 – Box-Cox 方法4. 非正態(tài)數(shù)據(jù)的流程能力分析,非正態(tài)數(shù)據(jù),不是所有的數(shù)據(jù)都是正態(tài),,只在一個 方向有長尾的我們就說他是偏斜的,,使用非正態(tài)數(shù)據(jù)的結(jié)果,案例：計算正態(tài)曲線的流程西格瑪值為了判定流程西格瑪，找到超出規(guī)格界限的缺陷區(qū)域：[在Z表中查找不合格率]如果數(shù)據(jù)是非正態(tài)的，那么估計的缺陷區(qū)域?qū)徽_， 使用這種方法將會得

3、到錯誤的流程西格瑪值。,受非正態(tài)數(shù)據(jù)影響的方法,,注意！,有些時候異常原因?qū)е抡龖B(tài)數(shù)據(jù)出現(xiàn)偏斜,尋找使數(shù)據(jù)偏斜的因子始終繪制數(shù)據(jù)的時間序列圖 – 尋找流程平均數(shù)或可變性的偏移 – 可能導(dǎo)致偏斜始終根據(jù)其他因子對數(shù)據(jù)分層 – 某個特殊組可能導(dǎo)致偏斜,案例：決定時間,目標(biāo)：使用Minitab 檢查數(shù)據(jù)組的正態(tài)性。,背景：一個商業(yè)貸款業(yè)務(wù)根據(jù)作出決定的時間收集數(shù)據(jù)?？梢缘玫?00筆貸款申請的數(shù)據(jù)。時間假定是按天記錄。1

4、8天是允許決定的最長時間。,1. 繪制決定時間的直方圖2. 構(gòu)建決定時間的正態(tài)圖3. 決定時間是正態(tài)分布的嗎？4. 檢查時間圖和分層的點圖，判定是否：– 有偏移發(fā)生在特殊的時間，– 另一個因子導(dǎo)致偏斜。,直方圖,直方圖,正態(tài)性檢驗,Stat>Basic Stat>Normality Test,,其他正態(tài)檢驗方法？,正態(tài)檢驗,,檢查分層數(shù)據(jù),,Graph>Dot Plot,Minitab 輸出,,兩種因子分層都

5、沒有明顯的證據(jù),時間序列圖,,Graph > Time Series Plot,結(jié)論既不是因子(決定或區(qū)域) 也不是時間移動了數(shù)據(jù)。因此，假設(shè)決定時間是非正態(tài)的是可靠的。,,,看數(shù)據(jù)是否符合一個已知的分布,Stat>Quality Tools>Individual Distribution Identification,分布識別圖,繪制流程能力圖,Stat>Quality Tools>Process Ca

6、pability>Process Capability Analysis Nonnormal,能力分析,什么是轉(zhuǎn)換？,“線性” 轉(zhuǎn)換線性轉(zhuǎn)換有以下形式： Y = aX + b; 你能：數(shù)據(jù)乘以一個常數(shù)u 給數(shù)據(jù)增加一個常數(shù)u 或兩者都做線性轉(zhuǎn)換的例子u 乘以或增加一個常數(shù)會影響數(shù)據(jù)的形狀(分布) ；它將只是改變刻度。u 改變指數(shù)或使用三角函數(shù)會影響數(shù)據(jù)的形狀。,形狀改變轉(zhuǎn)換,BOX-COX,結(jié)果分析,檢驗轉(zhuǎn)換后是否正