为了提高家庭暖气系统的效率，进行了一项旨在评估两种设备功效的研究。安装其中一种设备后，对房舍的能耗进行了测量。这两种设备分别是电动气闸（气闸 1）和热活化气闸（气闸 2）。能耗数据（气闸内置能量消耗）堆叠在一列中，另外还有一个分组列（气闸），包含用于表示总体的标识符或下标。您要比较两个总体的方差，以便构造用于比较两个气闸的双样本 t 检验和置信区间 。 
 
数据:
 
气闸内置能量消耗_1    气闸内置能量消耗_2
7.87    12.28
9.43    7.23
7.16    2.97
8.67    8.81
12.31    9.27
9.84    11.29
16.90    8.29
10.04    9.96
12.62    10.30
7.62    16.06
11.12    14.24
13.43    11.43
9.07    10.28
6.94    13.60
10.28    5.94
9.37    10.36
7.93    6.85
13.96    6.72
6.80    10.21
4.00    8.61
8.58    11.62
8.00    11.21
5.98    10.95
15.24    7.62
8.54    10.40
11.09    12.92
11.70    15.12
12.71    13.47
6.78    8.47
9.82    11.70
12.91    7.73
10.35    8.37
9.60    7.29
9.58    10.49
9.83    8.69
9.52    8.26
18.26    7.69
10.64    12.19
6.62    5.56
5.20    9.76
*    7.15
*    12.69
*    13.38
*    13.11
*    10.50
*    14.35
*    13.42
*    6.35
*    9.83
*    12.16
 
操作:
1, 6SQ统计--估计和假设检验--双方差检验

 
2， 选择样本1数据列和样本2数据列 


3, 确认，输出结果






解释结果

方差检验会生成一个图，该图显示两个因子水平的总体标准差的 95% Bonferroni 置信区间。该图形还显示两个样本的原始数据的并列箱线图。最后，在会话窗口和图形中都给出了 F 检验和 Levene 检验的结果。当数据来自正态分布时解释 F 检验，当数据来自连续但不一定正态的分布时使用 Levene 检验。请注意，95% 置信区间适用于区间族，区间的非对称性是由卡方分布的偏度造成的。

对于该能耗示例来说，p 值 0.558 和 0.996 都大于 a 的合理选择范围，因此无法否定方差相等的原假设 。也就是说，这些数据并未提供足够证据证明两个总体的方差不相等。因此，使用双样本 t 过程时假定方差相等是合理的。 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

您在一家制造飞机发动机的高精度部件（包括测量长度必须为 15 英寸的金属销栓）的工厂任质量控制检验员。安全法规定，销栓长度的方差不得超过 0.001in2。以前的分析表明，销栓长度服从正态分布。您收集了 100 个销栓的样本，并对其长度进行了测量，以便进行假设检验并为总体方差创建一个置信区间。

销长度
14.99
15.01
14.96
15
15.03
14.96
14.99
14.96
14.96
15.05
15.03
15.05
14.99
14.98
14.94
14.96
14.97
15.02
14.95
15.02
15.02
14.98
15
15
14.95
14.99
14.98
15.01
14.95
14.96
15.05
15.01
15.04
14.97
14.98
14.99
14.95
14.98
14.98
15
15
15
14.97
14.99
15.02
14.96
14.96
15.01
15.01
15
14.97
15.02
15.02
15.01
15.03
14.98
15.01
15
15.02
15.03
15.01
14.98
14.96
14.97
14.97
14.99
14.99
14.96
15.03
14.99
14.98
14.99
15.03
15.02
15
15.01
15.02
15
14.95
14.97
15.01
14.96
15
14.95
15.03
15.03
14.99
15
15.01
14.97
14.99
15
14.97
15.02
15
14.97
14.96
15
14.99
14.94
 
操作:
1, 6SQ统计--估计和假设检验--单方差检验

 
2， 选择方差  填入假设方差0.001 
选择样本数据
备择假设选择小于


3， 点确定，输出结果


 


 
解释结果

由于数据来自正态分布总体，因此请参考卡方方法。单侧假设检验的 p 值为 0.014。此值足够低，可以否定原假设，并可推断销长度的方差小于 0.001。通过考查 95% 的置信上限，可以使总体方差的估计值更确切，该置信上限提供总体方差可能低于的值。从此分析中应该能推断出，销栓长度的方差足够小，可以满足规范并确保乘客安全。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

潜水很长时间，第一次发帖请多关照。今天是元宵佳节，祝大家团团圆圆，元宵节快乐安康。
在论坛中潜水期间，学习到了很多专业人士的卓越见解，因此也希望所学所获能与大家分享，算是一种感恩与回馈。
文章来自微信公众号“Excel与Minitab”大家不要误会，并非广告贴，只因微信公众号的文章能插入动态图片便于阅读与在Minitab中操作。原文链接如下就不显示了。
我们比较两个正态样本时可以采用假设检验，如果我们要比较三个样本是否有差异时，例如我们要比较三个供应商提供的同一类型的零件强度是否有明显差异，在我们用双样本假设检验进行两两比较，甲乙，甲丙，乙丙，需要比较三次，且置信水平为0.95%3=85.7%，如果我们比较更多的样本时，比较的数量以及置信区间均无法满足我们的需求，这时假设检验已经无法适用，在此我们引入方差分析的方法比较多个均值是否一致。因此方差分析的前提条件与双样本假设检验的前提条件是一致的，即满足：1，每一个总体的分布需要符合正态分布 2，各正态总体的方差相等 3，确保数据的独立性。
现实中，我们理解的方差分析不仅仅用于多个等方差正态总体的均值之间的比较；当我们怀疑某个变量(X)对结果(Y)可能存在影响时，我们需要在不同的X下，例如对X分别取值X1,X2,X3(X的三种水平下重复试验)比较与之对应的Y1,Y2,Y3,然后我们使用方差分析比较Y1,Y2,Y3的均值，以确定X对于Y来讲是否为一个有影响的因素，试想如果X对Y没有影响，不论X取什么值，只要其他条件不变输出Y都应该是差不多的，用专业的统计术语即试验的观测值Y们之间的均值没有显著差异，因此方差分析是我们找寻关键因素的关键。
基于上述三个基本条件，我们在单因子ANOVA分析过程中其实就是比较多个等方差的正态分布他们的均值有无显著差异，如果H0成立，各水平下的均值无显著差异，如下图，分布均值的Gap很小；


如果H1成立，即各水平下的均值不完全相同，如下图，分布均值的Gap很大。


其分析原理：

(组间方差/自由度A)：(组内方差/自由度e)服从F分布--我们在《三类等方差检验》一文中讲过F分布，两个独立的卡方分布（正态分布的平方和）除以各自自由度服从F分布，我们在此用于方差分析，如果F值落入拒绝域，认为Gap足够大，即该因子影响显著。注意其中组间偏差的自由度fA=水平数r-1，组内偏差自由度=试验总次数n-水平数r。
读到这里，也许你已经完全明白了，也许还不是太明白方差分析的原理，我们比较均值最终是通过比较方差来实现的，为什么？为什么方差分析法可以分析各样本均值是否相等？通过5WHY我们再理一理其中的逻辑，如下图：


通过一个例子我们再次理解一下上述5WHY图中所述的随机误差与系统误差。
判断温度是否对产出有影响，在4个不同温度下分别进行了5次试验


 
我们看到即使在同一温度下，例如60度下的五个产出值并不完全一样，因为过程受到一些随机因素的影响，这时实测值与理论真值（我们通常认为平均值接近于理论真值故实际计算时用均值代替，下文的均值等同于理论真值）的偏离（方差）为随机误差，同一温度下各测量值与该温度下均值的方差又称之为组内方差，所以组内的方差只包含随机误差；我们再来看不同温度下的产出值，它们的均值上的差异时由于温度不同造成的，我们称之为系统误差，从数据上来看，不同温度组的产出值的组间方差既有不同温度带来的系统误差，也有随机因素造成的随机误差。如果该因素“温度”并不影响产出的话，那么组间方差中的系统误差部分应该接近于0，那么总的组间方差应该会接近于总的组内方差（组内方差只含随机误差），二者的比值就接近于1；反之，如果该因素对于输出有显著影响的话，组间方差则主要由系统误差构成，总的组间方差与总的随机方差的比值就比较大，而且该值越大因子效应越显著。根据前文统计基础《三大分布》中所述，两组方差与自由度之比（两卡方分布之比）符合F分布，因此方差分析的统计量为F值=(组间方差/自由度A)：(组内方差/自由度e)，拒绝域临界值为F1-α(dfA,dfe)。
相关案例如何在Minitab中操作，由于无法显示动态gif图片，就在本文省略了。文章不足之处，欢迎大家批评指正，谢谢。圣人云：“君子以文会友，以友辅仁”，Email：[email]neverlookbackxjy@163.com[/email]


  收起阅读 »

作为公司的采购经理，您需要授权采购二十台新复印机。在根据价格、复印质量、保修和功能对多个品牌进行比较后，将选择范围缩小到两个品牌：X 品牌和 Y 品牌。您认为决定性因素是品牌的可靠度，定义为在购买后一年内需要维修的比率。

由于您的公司已经使用过这两种品牌，因此可获得每种品牌随机选择的 50 台机器的维修历史记录信息。记录显示，六台 X 品牌的机器和八台 Y 品牌的机器需要维修。使用此信息可以指导您选择要购买的品牌。
 
操作:
1, 6SQ统计--估计和假设检验--双比例检验

 
2， 比例1 分母输入 50  事件数输入 6  
    比例2 分母输入 50  事件数输入 8
 备择假设选择  不等于


 
3, 确认输出结果




解释结果

对于此示例，正态近似检验有效，因为对于两个样本而言，事件数都大于四，试验数与事件数之间的差值也大于四。正态近似检验报告 p 值 为 0.564，Fisher 精确检验 报告 p 值为 0.774。这两个 p 值都大于通常选择的 a 水平 。因此，数据与总体比率相等的原假设一致。换句话说，在第一年内需要维修的复印机比率不因品牌不同而存在差异。作为采购经理，您需要根据别的标准来决定采购哪种品牌的复印机。

由于正态分布有效，因此从 95% 置信区间 中可以得出相同的结论。由于零位于置信区间（-0.0957903 至 0.175790）之内，因此可以得出结论，数据与原假设一致。如果您认为置信区间太宽，并且未提供有关 p1-p2值的精确信息，则可能需要收集更多数据才能获得差值的更好估计。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

 6SQ统计 for Excel 3.2企业版发布
 
1，增加了类型1量具研究
2，修正了已知bug


3.1版

1，增加了：
Johnson变换
个体分布识别
能力分析 (非正态)
能力分析 (二项)
能力分析 (Poisson)
属性控制图:Laney p’
属性控制图:Laney u’
子组的变量控制图:区域
单值的变量: Z-MR
稀有事件控制图: G图
稀有事件控制图: T图
2，增加网络版共享用户数购买方式
3，完善了能力分析,控制图功能。
4，修正了已知的问题。

90天试用申请地址: https://www.6sq.net/6sqstat/download.html

6SQ统计for excel 3.2 交流QQ群 14194812 





收起阅读 »

您在一家加工厂工作，关注质量的提高。您决定每日对每个班次（共五个班次）生产的 10 套汽缸（共计 50 个样本）的长度进行测量。由于区域控制图非常易于解释，因此您决定用它来评估数据。您还决定在每个不受控制信号后重置累积的分值。
 
长度
数据1 数据2 数据3 数据4 数据5
601.472 599.672 599.672 600.672 598.672
601.072 599.172 600.472 599.772 598.972
600.172 601.272 601.372 600.072 599.972
599.972 600.372 598.472 597.715 598.172
599.972 597.972 598.872 599.972 600.072
599.972 597.972 598.872 599.972 600.072
599.072 599.872 599.272 599.372 601.572
601.172 601.272 601.672 600.572 600.072
601.172 601.072 601.172 600.072 600.16
599.972 601.172 600.76 601.572 601.372
 
操作:
1, 6SQ统计--控制图--子组的变量:区域

 
2,选择对应的数据列


3,点击确定输出结果.


 
解释结果

子组 6 的累积分值等于 8，表示过程不受控制。您发现操作员在子组 6 后重置了机器，因为他认为该机器出现了脱位。但是，区域控制图检测到过程在子组 10 处也不受控制。在看到区域控制图上子组 7-10 中接下来的上升之后，您确定操作员可能对子组 6 处识别出的问题补偿过度。
 
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

什么是 Laney U' 控制图？




Laney U' 控制图与传统 U 控制图十分相似。这两种控制图都可帮助您监控过程中生产的每单位缺陷数。Laney U' 控制图在以下情况中非常有用：

您的子组非常大，且您的数据存在过度离散现象。

您的数据存在过度集中现象。

Laney U' 控制图的计算包括西格玛 Z，它是对过度离散或过度集中的调整。西格玛 Z 值为 1 表明不需要调整，并且 Laney U' 控制图与传统 U 控制图完全相同。
 
 
 一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。

这家连锁医院接待大量的患者，平均每周 7500 人。数据显示出较大数量的过度离散。工作人员决定使用 Laney U' 控制图（而不使用传统 U 控制图）来监控药物错误使用次数.

错误    患者
71    5750
15    9010
84    7179
56    6830
18    7134
69    8478
12    8858
20    7412
39    7537
93    8957
62    8330
33    9810
3    8645
79    5716
12    9240
28    7243
91    8846
42    6215
31    4718
13    4993
68    9356
15    7654
147    4535
67    5659
52    5593
94    9550
82    7589
91    8520
7    9606
58    6808
61    8876
16    5355
操作:
1, 6SQ统计--控制图--属性控制图:Laney u'



2,选择对应的数据列



3,点击确定输出结果.



解释结果

第 23 周的药物错误使用次数异常高。此数据点不受控制，应该加以调查研究。

查看在传统 U 控制图上标绘的相同数据，请参见下图,非常多的超控点。



Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

一家小型医院的病历管理人员提高了病历的准确性和完整性。为了保持持续改进，这些工作人员跟踪每天填写的不完整和不准确病历数。 

病历数量较大，平均子组大小超过 2500。这些数据显示出较大数量的过度离散（请参见 P 控制图诊断示例）。工作人员决定使用 Laney P' 控制图（而不使用传统 P 控制图）来监控病历。
缺陷    总记录数
31    3450
34    2364
27    2677
5    1315
28    3401
29    3500
17    2949
3    1778
16    2506
45    2902
17    2727
26    2862
27    3164
23    2871
30    3026
21    1808
25    2767
18    2148
40    3055
24    2741
22    2900
29    2712
28    3187
35    2806
35    2653
13    2128
9    2119
15    1321
41    3212
41    3437
33    3018
33    3129
28    3080
34    2833
26    1447
24    2470
23    3284
22    2671
16    1986
38    3212
18    1543
33    3073
22    2772
11    2533
35    3109
8    1712
18    2276
11    2240
18    2199
28    1914
12    2486
34    2821
19    2691
36    3352
29    2561
33    1905
18    2781
18    3008
45    3391
24    2366
20    2724
8    1837
16    2222
11    2196
26    2669
24    3131
29    1941
24    1497
30    2823
16    2501
28    1939
15    1757
30    3087
20    1542
4    1800
6    1639
28    1968
26    3418
10    2280
28    2668
21    2818
31    3363
26    2063
23    2596
13    2066
14    1322
7    2402
35    2616
51    3368
27    3292
11    1655
20    2842
 
 
操作:
1, 6SQ统计--控制图--属性控制图:Laney p'



2,选择对应的数据列



 
3,点击确定输出结果.




 
解释结果

不完整的病例数似乎比较稳定。数据中没有出现任何模式。没有任何点不受控制：

对照在传统 P 控制图上标绘的相同数据. 如果使用传统的控制图会有多个异常点。


 
Excel案例数据: 
http://pan.baidu.com/s/1i5AXSRN​ 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

 四年一次的美国大选上周已落下帷幕。

本次驴象之争确实精彩。

摇摆州佛多里达州拥有29张选举人票，成为历年大选两党必争的摇摆州，流传着“得佛州者得天下”的说法

11.9号开票时我们发现一个现象， 两党在佛州的选票是轮替领先的。票数都开了一大半了，结果还是在变来变去，无法确定。

在其它的州的开票过程中也有这种情况.

为什么会出现这种情况?  

说明选票的开票不是随机的。有一定的潜在因素在影响。

假设有1000万张选票，如果我们随机化抽取100万张选票，理论上我们就应该能轻松推论出谁的票数是领先的。

在选举前，很多民调结果都是预测是希拉里获胜, 最后却是特朗普获胜了。
为什么?

说明这些民调机构用了各种数学模型，都无法随机取样。 最后不随机的样本，得出一个不正确的结果。

所以随机化很重要。

我们在做质量数据分析时，随机化同样非常重要。随机化能帮我们排除很多潜在的干扰因素。

抽样时的随机抽样。

测量系统分析时人员和测量部件的随机化

实验设计时，实验顺序的随机化。


下面介绍一个简单的随机化的方法：

假设我们有16次设验要做。

编好号，输入在Excel中.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

打6SQ统计3.0--实用工具--随机数发生器.

选择 正态分布 (或其它任意分布)，变量个数输入 1 随机数个数 16.




确定生成 16个随机数。跟刚才的16组实验数分别放在不同的列。
1    88.6
2    100.82
3    105.09
4    93.91
5    94.16
6    99.72
7    91.66
8    107
9    91.65
10    106.99
11    94.94
12    102.34
13    94.43
14    120.64
15    79.93
16    102.33
选择两个列，打开excel数据--排序, 选择主要关键字为随机数列





确认后，数据重新排列， 数据A中就是我们随机化后，真正要做实验的顺序。



当然，如果您觉的随机化还不够，可以再取16个随机数，再随机一次。 收起阅读 »

县地区检察官想竞选州地区检察官职位。她已决定，如果她的党派成员中支持她的人超过 65%，她就放弃县检察官职位，而竞选州检察官职位。您需要检验 H0：p = .65 与 H1：p > .65。 

作为竞选活动管理者，您收集了 950 名随机选择的党派成员的数据，并发现有 560 人支持该候选人。您进行了一项比率检验，以确定支持者的比率是否大于必需比率 0.65。此外，还构造了 95% 的置信限，以确定支持者比率的下限。
操作:
1, 6SQ统计--估计和假设检验--单比例检验

 
2， 试验数输入 950  事件数输入 560  假设比例为 0.65
 备择假设选择  大于



3, 确认输出结果





 
解释结果

p 值 1.0 表示，数据与原假设一致（H0:p = 0.65），即支持候选人的党派成员的比率不大于 0.65 这一必需比率。作为活动管理者，您建议她不要竞选州地区检察官职位。
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

为了提高家庭暖气系统的效率，进行了一项旨在评估两种设备功效的研究。安装其中一种设备后，对房舍的能耗进行了测量。这两种设备分别是电动气闸 和热活化气闸 。能耗数据（气闸内置能量消耗）堆叠在一列中，另外还有一个分组列（气闸），包含用于表示总体的标识符或下标。假设进行了方差检验，并且没有发现方差不等的证据（请参见双方差示例）。现在，您要确定是否有证据证明这两种设备之间的差值不为零，以比较出这两种设备的功效。
数据如下:
 
热活化气闸 电动气闸
13.07 8.25
7.6 9.66
3.2 8.33
9.28 8.82
9.73 12.06
11.73 9.67
9.67 17.51
10.76 10.79
11.05 13.59
17.63 7.99
15.58 12.64
12.53 14.42
11.87 9.25
14.19 7.79
6.84 11.29
11.89 10.26
7.41 9.46
7.42 14.77
10.83 7.21
9.44 4.29
12.94 9.81
13.15 8.41
11.69 6.78
7.73 16.3
11.94 9.01
13.62 11.41
17.07 12.37
14.66 13.28
9.56 7.24
12.37 10.55
8.33 13.89
8.67 10.72
11.27 9.22
11.67 10.61
9.37 10.04
8.93 10.2
8.41 20.55
12.85 11.75
5.27 7.08
10.02 5.5
7.87
11.82
14.42
13.69
10.77
15.26
14.53
6.84
10.92
13.05
 
操作:
1, 6SQ统计--估计和假设检验--双样本t检验

 
2，置信水平输入 95% 选择样本1和样本2数据列
 备择假设选择 不等于 . 图表选择 数据单值图。


3,点击确认输出结果:




解释结果

由于以前没有发现方差不等的证据，因此我们通过选中假定等方差选择了使用合并标准差。合并标准差 2.8818 用来计算检验统计量和置信区间 。

第二个表给出了总体均值之间差值的置信区间。对于此示例，95% 置信区间为 (-1.450, 0.980)，其中包含零，这表明不存在差异。接下来是假设检验 结果。检验统计量为 -0.38，p 值为 0.701，自由度 为 88。

由于 p 值 大于通常选择的 a 水平 ，因此，没有证据证明，使用电动气闸与使用热活化气闸在能耗上有差异
 
Excel数据案例
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

对九个小配件进行了测量。根据历史经验，小配件的测量数据的分布接近于正态，但假设不知道 s。为了检验总体均值是否为 5 并获得均值的 90% 置信区间，需要使用 t 检验。
数据如下:
值
4.9
5.1
4.6
5.0
5.1
4.7
4.4
4.7
4.6
 
操作:
1, 6SQ统计--估计和假设检验--单样本t检验

2，置信水平输入 90% 假设均值 5   
 备择假设选择 不等于 . 图表选择 数据单值图。


3,点击确认输出结果:




解释结果

对于 H0：m = 5，检验统计量 T 的计算结果为 -2.56。

此检验的 p 值 或在原假设为真时获得检验统计量的更接近的极值的概率为 0.034。这称为达到的显著水平 或 p 值。因此，如果可接受的 a 水平大于 p 值或 0.034，则否 H0 。

总体均值 m 的 90% 置信区间 为 (4.6357,4.9421)。此区间略宽于单样本 Z 示例中显示的对应 Z 区间。
 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

对九个小配件进行了测量。您知道，根据历史经验，测量值的分布接近于正态，且 s = 0.2。由于已知 s，并且要检验总体均值是否为 5 并获得均值的 90% 置信区间，因此使用 Z 检验。
 
数据如下:
值
4.9
5.1
4.6
5.0
5.1
4.7
4.4
4.7
4.6
 
操作:
1, 6SQ统计--估计和假设检验--单样本Z检验


 
2，置信水平输入 90% 假设均值 5  总体标准偏差0.2 
 备择假设选择 不等于 . 图表选择 数据单值图。

 
3,点击确认输出结果:



解释结果

用于检验总体均值是否等于 5 的检验统计量 Z 为 -3.17。p 值 或在原假设为真时否定原假设的概率为 0.0015。这称为达到的显著水平 、p 值或检验达到的 a。由于 p 值 0.0015 小于通常选择的 a 水平 ，有显著证据表明 m不等于 5，因此否定 H0，支持 m 不等于 5。

通过查看单值图还可以执行 a = 0.1 时的假设检验 。假设值落于总体均值的 90% 置信区间 (4.6792, 4.8985) 之外，因此可以否定原假设。

excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

某工厂检验员对某过程引进一套新测量系统，作用PPAP的一部分需要对测量系统的线性进行评价。
根据已文件化的过程变差描述，在测量系统的全部工作量程范围内选取了五个零件。通过对每个零件进行
全尺寸检验测量以确定其参考值，然后由主要操作者对每个零件测量12次。 在分析中，这些零件是附件抽取的.
 
数据如下:
 
基准值                
2    4    6    8    10
测试数据                
2.7    5.1    5.8    7.6    9.1
2.5    3.9    5.7    7.7    9.3
2.4    4.2    5.9    7.8    9.5
2.5    5    5.9    7.7    9.3
2.7    3.8    6    7.8    9.4
2.3    3.9    6.1    7.8    9.5
2.5    3.9    6    7.8    9.5
2.5    3.9    6.1    7.7    9.5
2.4    3.9    6.4    7.8    9.6
2.4    4    6.3    7.5    9.2
2.6    4.1    6    7.6    9.3
2.4    3.8    6.1    7.7    9.4
 
操作:
1, 6SQ统计--测量系统分析--线性

 
2, 分布选择基准值范围和数据范围


3,点确定，输出结果





线性百分率（斜率 * 100 的绝对值）是 13.2，这表示量具线性占整个过程变异的 13%。

Excel数据及案例
http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     收起阅读 »

MSA手册中的案例。
随机选择了50个表示过程的部件。由三名操作员按照随机顺序评价这50个部件，每个部件评价三次
 1表示判断为良品，0表示判断为坏品
同时这50个部件的准确值我们是已知的。
注意:
  目前本软件只能分析两个层次的计数型测量系统分析。即分为良品/坏品，好/坏。 而不可以用于分析更多层次的，比喻，好 中 坏。
 
操作:
1, 6SQ统计--测量系统分析--计数型测量系统研究

 
2， 输入: 实验次数: 3
          评价人数: 3
          零件个数: 50

 
点击设计，输出设计表格.

 
3，在青色的区域填入实验数据,  1表示判断为良品，0表示判断为坏品 . 
 填入基准.
 基准值是这个样品的真实测量值，与计算无关，可以不填

 
4, 分析时请选择红色框内的区域！点击确认输出结果.



Kappa值大于0.75则表示有很好的一致性,Kappa最大值为1,Kappa小于0.4则表示一致性差。
 
注释：
（1） 评价人自己在所有试验上都一致
（2） 评价人在所有试验上都与基准一致
（3） 所有评价人自己保持一致，两两间一致
（4） 所有评价人自己和两两间一致并且于基准一致
（5） UCI和LCI分别是上、下置信区间边界线



为进一步分析，列出以下表格, 为每个评价人的结果提供指南。
结论: 当考量有了有效性，错误率与错误警报率， 该测量系统究评价人B来说有限度的接受，评价人A处于边缘，评价人C不可接受。
 
Excel数据案例:
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN   收起阅读 »

MSA手册中的案例。
选择了十个表示过程变异预期极差的部件。由三名操作员按照随机顺序测量这十个部件，每个部件测量三次。
我们用方差分析法进行GRR分析:
 
操作:
1, 6SQ统计--测量系统分析--量具R&R(方差分析法)

 
2，输入 实验次数: 3 
     评价人数: 3  
     零件个数:10

点击设计，生成数据表。


3，填入实验数据

4，数据范围选择全部的红色的框内，输入过程公差8 , 点击确认，输出分析结果。










 
会话窗口输出 

·    查看方差分析表中操作员*部件交互作用的 p 值。当操作员与部件的 p 值 > 0.05 时，在整个模型中忽略此交互作用。请注意，有一个方差分析表没有交互作用，因为 p 值为 0.974。

·    查看量具 R&R 表中的“%贡献”列 - 来自部件间的贡献百分比 (92.24) 大于合计量具 R&R 的贡献百分比 (7.76)。这表明大部分变异是由于部件间的差异所致。 

·    查看“%研究变异”列 - 合计量具 R&R 占研究变异的 27.86%。虽然合计量具 R&R %贡献是可接受的，但仍有改进的余地。请参见测量系统可接受性准则。 

·    对于此数据，可区分的类别数为 4。按照 AIAG 的要求，您需要至少 5 个可区分类别才能得到满足要求的测量系统。请参见可区分类别数声明。 



图形窗口输出 


·    在“变异分量”图中，部件间的贡献百分比大于合计量具 R&R 的贡献百分比，表明大部分变异是由于部件间的差异所致。

·    在“按部件”图中，部件间存在较大差异，。

·    在“R 控制图（按操作员）”中，操作员 B 的部件测量值很不稳定。 

·    在“按操作员”图中，与部件间的差异相比，操作员之间的差异较小，但仍属显著（p 值 = 0.00）。操作员 C 的测量值似乎比其他人略低一些。

·    在“Xbar 控制图（按操作员）”中，X 和 R 控制图中的大部分点都在控制限制之外，表明变异主要是由于部件间的差异所致。

·    “操作员*部件交互作用”图是对于操作员*部件的 p 值（此处为 0.974）的直观表示，表明每个部件和操作员之间不存在显著的交互作用。
 
Excel数据案例:
 http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

假定您供职于一家亚麻制品厂。每 100 平方码的织物可以有一定数量的瑕疵，超过该数量，便会被拒收。为了保证质量，您需要在若干天时间内跟踪每 100 平方码织物的瑕疵数，以便弄清楚生产过程是否按预期运行。
 
数据如下:
瑕疵
2
4
1
1
4
5
2
1
2
4
4
3
5
2
1
1
2
3
2
4
3
2
4
3
2
3
5
1
4
3
4
2
3
6
4
0
1
2
3
1
 
1, 6SQ统计--统计过程控制--C图

 
2, 选择数据范围。
判异规则，我们只选择了规则1,超出控制限。


3，确认,输出结果:


解释结果

因为点落在随机图案内，且位于 3s 控制限制的边界内，所以您推断过程按预期运行并且受控制。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN      收起阅读 »

作为玩具生产公司的生产经理，您需要监控每个电动玩具车单位的缺陷数。请检验 20 单位的玩具并创建一个 U 控制图来检验每单位玩具的缺陷数。您希望 U 控制图提供直接控制限制，因此将子组大小固定为 102（每单位的平均玩具数目）。 
数据如下:
 
缺陷数
9
11
2
5
15
13
8
7
5
2
4
4
2
5
5
2
3
2
1
6
 
1, 6SQ统计--统计过程控制--U图

 
2, 选择数据范围, 子组尺寸是固定的，输入102
判异规则，我们只选择了规则1,超出控制限。


 
3，确认,输出结果:


解释结果

单位 5 和 6 在控制上限直线上面，这表示存在特殊原因影响了这些单位中的缺陷数。您应该分析是什么特殊原因影响了这些单位的受监控玩具车的缺陷数，使其超出控制。
 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN   收起阅读 »

您在一家玩具生产公司工作，您的职责是检验有缺陷车胎的数量。您每批检验 200 个样本，然后决定创建一个 NP 控制图来监控缺陷品的数量。
 
数据如下:
拒绝数 已检验
8 200
13 200
7 200
8 200
5 200
13 200
7 200
12 200
27 200
10 200
12 200
6 200
10 200
9 200
13 200
7 200
8 200
5 200
15 200
25 200
7 200
10 200
5 200
12 200
6 200
6 200
10 200
17 200
14 200
11 200
 
1, 6SQ统计--统计过程控制--NP图

 
2, 选择数据范围, 子组尺寸 输入 200
判异规则，我们只选择了规则1,超出控制限。

3，确认,输出结果


 
解释结果

检验批次 9 和 20 超出控制上限，这表示可能有特殊原因影响了这两个批次的缺陷品数。您应该分析是什么特殊原因影响了检验批次 9 和 20 的车胎缺陷品数，使其超出控制。
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
 
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN 收起阅读 »

假定您在一家生产电视机显像管的工厂工作。对于每个批次，您都会抽取一些显像管并进行视像检验。如果显像管内侧有刮痕，您就会拒收它。如果某个批次的拒收数太多，您会对该批次进行 100% 的检验。P 控制图可以定义何时需要检验整个批次。
 
数据如下:
 
拒绝数 抽样
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
 
1, 6SQ统计--统计过程控制--P图
    
 
2, 选择数据范围, 样本尺寸是不固定的，选择上"抽样"列
判异规则，我们只选择了规则1,超出控制限。

 
3, 确认,输出结果:

 
结论:
有一个点超出了控制限.
6SQ统计3.0企业版90天试用下载
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​ 收起阅读 »

"假设您想要确定为纸卷包一层薄膜这一过程是否受控制。您关心用于包卷纸的薄膜的厚度是否正确以及整个纸卷包得是否均匀。您从 15 个连续纸卷中抽取 3 个样本，并测量外层薄膜的重量。 

由于您想了解整个纸卷包得是否均匀以及每个纸卷是否包裹正确，因此使用6SQ统计 创建 I-MR-R/S 控制图。
数据如下：
 
外层薄膜
269 306 279
274 275 302
268 291 308
280 277 306
288 288 298
278 288 313
306 284 308
303 292 307
306 292 307
283 303 297
279 300 299
285 279 293
274 278 297
265 278 282
269 276 286
 
1, 6SQ统计--统计过程控制--I-MR-R/S（组间/组内)                                
                                       
       
 
2, 选择数据范围, 一组数据只有3个，所以选择估计标准差方法 Rbar 
判异规则，我们只选择了规则1,超出控制限。
                                    

 
3， 确认,输出结果:










采用Rbar计算标准差

解释结果

单值控制图显示控制限制之外有五个点，表明此过程不受控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN     
                                  收起阅读 »

作为石灰石采石场的渠道经理，您要监视每周向重要客户运送的 45 批石灰石的重量（磅）和变异。每一批的重量应近似为 930 磅。现在，您要使用单值和移动极差控制图来检查数据。
 
重量
905
930
865
895
905
885
890
930
915
910
920
915
925
860
905
925
925
905
915
930
890
940
860
875
985
970
940
975
1000
1035
1020
985
960
945
965
940
900
920
980
950
955
970
970
1035
1040
 
1, 6SQ统计--统计过程控制--单值-移动极差图

 
2, 选择数据范围, 选择包含水平直方图
判异规则，我们只选择了规则1,超出控制限。


 
3， 确认,输出结果:






 
解释结果

单值控制图显示控制限制范围之外有 6 个点，控制限制范围之内有 22 个点，表示有非随机模式，从而说明存在特殊原因 。移动极差控制图显示有一个点高于控制上限。您应该仔细检查采石场的生产流程，以改进对石灰石运送重量的控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​   收起阅读 »

您正在对 9 位严格进行节食和日常锻炼的病人研究其血糖水平。要监视病人血糖水平的均值和标准差，请创建 X 和 S 控制图。您在 20 天中每天采集每位病人的血糖读数。 
 
数据如下:
血糖水平
85 87 150 100 100 90 70 72 75
70 85 143 100 121 92 66 70 69
75 80 140 92 130 83 70 68 67
75 83 149 95 130 80 68 85 75
73 78 140 90 124 86 69 70 75
77 110 165 110 150 110 115 80 75
75 98 172 110 145 110 95 52 80
96 110 168 110 145 110 80 80 75
89 95 170 110 145 120 89 72 79
75 95 220 100 149 100 110 80 85
80 90 165 103 135 95 77 76 85
80 88 155 103 120 85 79 78 82
75 85 150 103 135 90 75 85 78
75 88 150 95 130 90 70 76 89
82 95 145 100 133 90 77 89 79
80 90 165 103 135 95 77 86 80
85 100 160 120 140 100 90 79 92
70 100 165 120 140 100 120 86 71
95 100 155 120 139 100 89 86 78
78 110 158 122 145 108 95 95 78
 
1, 6SQ统计--统计过程控制--均值和标准偏差图

 


2, 选择数据范围, 选择包含水平直方图，和显示2sigma线
判异规则，我们只选择了规则1,超出控制限。


3， 确认,输出结果:


 



 
解释结果

10 天中的血糖水平均值和标准差落于控制限制范围内。9 位节食并进行日常锻炼的病人的血糖水平及其变异性均受控制。 
 
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为 600 毫米 +2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题，它引起装配时配合不良，导致废品率和返工率都居高不下。您的主管要绘制 X 和 R 控制图以监控此特征，于是您在一个月中从工厂使用的所有凸轮轴收集共 100 个观测值（20 个样本，每个样本中 5 个凸轮轴），并从每个供应商处收集 100 个观测值。首先您将看到供应商2 生产的凸轮轴。       
 
数据如下:
 
供应商 2
601.6 600.4 598.4 600 596.8
602.8 600.8 603.6 604.2 602.4
598.4 599.6 603.4 600.6 598.4
598.2 602 599.4 599.4 600.8
600.8 598.6 600 600.4 600.8
600.8 597.2 600.4 599.8 596.4
600.4 598.2 598.6 599.6 599
598.2 599.4 599.4 600.2 599
599.4 598 597.6 598 597.6
601.2 599 600.4 600.6 599
602.2 599.8 599.8 601 601.6
601.6 600.2 601.8 601.2 597.6
599.8 602.8 600 599.6 602.2
603.8 603.6 601.8 602 603.6
600.8 600.2 600.4 600.2 602.2
598 598.4 600.8 602.8 597.6
601.6 603.4 597 599.8 597.8
602.4 602.2 600.6 596.2 602.4
601.4 599.2 601.6 600.4 598
601.2 604.2 600.2 600 596.8
 
1, 6SQ统计--统计过程控制--均值和极差图
   

 
2, 选择数据范围, 填入产品规格598 602 ， 选择包含水平直方图，和显示规格线
判异规则，我们只选择了规则1,超出控制限。


3， 确认,输出结果:


均值图，有两个点超出控制图。 红色虚线是规格线，也有点超出规格外。
从直方图分布来看，也有点超出了规格线，说明过程能力不足。

极差图。

6SQ统计可以同时算出cpk,ppk, ppk只有0.314，明显能力不足。 

解释结果

X 控制图上的中心线在 600.23 处，表明您的过程落于规格限制范围内，但是有两点在控制限制以外，表明该过程不稳定。R 控制图上的中心线在 3.72 处，也远远超出了允许的最大变异 +2 毫米。因此您的过程中可能存在非常大的变异。
        
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN
                                         
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN  收起阅读 »

在一台运转的引擎中，曲轴的一部分在上下运动。“AB间距”是从曲轴上的一个点的实际 (A) 位置到基准 (B) 

位置的距离（单位：mm）。为了确保生产质量，一位经理每个工作日在一家汽车装配厂采集了五个测量值，时间从 9 月 28 日到 10 月 15 日，然后从 18 日到 25 日每天采集了十个测量值。

由于要确定这些数据是否服从正态分布，因此使用正态性检验。

生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，假设为

   H0：数据服从正态分布  与  H1：数据不服从正态分布

数据如下:
 
AB间距 AB间距 AB间距 AB间距
-0.44025 -0.09911 0.01739 0.03095
5.90038 -1.15453 3.71309 -2.80363
2.08965 2.29868 1.72573 -3.12681
0.09998 5.15847 3.07264 -4.57793
2.01594 0.08558 0.15676 -3.17924
4.83012 -3.09574 -0.05666 -2.44537
3.78732 5.16744 3.81341 1.36225
4.99821 0.29748 -3.78952 0.92825
6.91169 -4.66858 -3.81635 -0.24151
1.93847 -2.13787 -4.8882 -0.83762
-3.09907 -0.0045 -3.24534 -1.99674
-3.18827 0.18096 -0.27272 4.90024
5.28978 4.30247 -4.33095 1.28079
0.56182 -2.21708 -1.83547 2.87917
-3.1896 7.17603 -3.98876 1.83867
7.93177 5.86525 -4.97431 -0.75614
3.72692 0.95699 -5.1405 3.72977
3.83152 -4.03441 -0.10379 3.77141
-2.17454 -2.05086 2.21033 -4.04994
2.81598 -3.10319 5.13041 3.89824
4.52023 -1.83001 -1.89455 1.76868
3.95372 5.03945 0.95119 2.2731
7.99326 1.96583 -5.15414 -3.82297
4.98677 -0.21026 4.82794 -2.26821
-2.03427 0.27517 0.13001 -2.07973
3.89134 -5.32797 2.14395 2.99932
1.99825 0.9379 -1.90688 3.50123
0.01028 -7.30286 8.02322 -1.99506
-0.24542 -5.22516 4.75466 -3.02947
2.08175 -4.06527 1.1424 4.93029
-4.86937 -1.91314 -1.62939 2.0459
-2.69206

 操作:  

1, 6SQ统计--正态性检验--安德森-达令检验


2, 选择数据范围

3， 确认,输出结果:

结论:   拒绝零假设,  数据不服从正态分布。

另外我们可以做概率图来观察数据的分布情况。

操作:  
1, 6SQ统计--l图表-概率图

2, 选择数据范围

3， 确认,输出结果:

图形输出为正态概率与数据图。在极端情况下或分布尾部，数据偏离拟合线最明显。Anderson-Darling 检验的 p 值表明，在大于 0.022 的 a 水平下，有证据显示数据不服从正态分布。数据分布轻微呈现出尾部比正态分布稀少的趋势，因为最小的点在该线下方，最大的点在该线的上方。具有重尾的分布在极值处呈现出的模式正好与此相反。
 
Excel数据和案例下载 http://pan.baidu.com/s/1i5AXSRN​ 

6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN    收起阅读 »

使用运行图寻找过程数据中模式的证据，并对非随机行为执行两种检验。运行图标绘所有单独的观测值与子组 数，并在中位数 处绘制一条水平参考线。当子组大小大于 1 时，运行图还标绘子组均值或中位数，并用线将它们连接起来。 
     对非随机行为的两种检验可以检测出数据中的趋势、振动、混合和聚类。此类模式表明观测到的变异是因“特殊原因”（从系统之外产生的可更正原因）所致。常规原因变异是固有的或作为过程中正常的一部分的变异。当只有常规原因影响过程输出时，过程受控制。 
 
 假设您所在的公司生产多种用于测量辐射的设备。作为质量工程师，您关心隔膜型设备能否稳定地测量辐射量。您要对检验试验室中所收集的 20 台设备（以 2 个为一组）得到的数据进行分析。每次检验后，您都记录每台设备测量的辐射量。
作为研究性测量，您决定构造运行图，以评估测量值中的变异。
 
数据如下:
 
隔膜    隔膜
45    33
26    46
25    32
33    22
30    26
37    34
44    43
35    38
38    45
39    39
 
操作:


 



在 0.05 水平下聚类检验很显著 。由于聚类检验的概率 (p = 0.022) 小于 a 值 0.05，因此可以断定特殊原因正在影响您的过程，且您应该调查可能的来源。聚类可以指出抽样问题或测量问题。
 
◇ 6SQ统计3.0企业版90天试用下载
 
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​ 

  收起阅读 »

您很关心公司相机电池的新配方是否能够很好地满足顾客的需要。市场调查显示，如果两次放电之间等待的时间超过 5.25 秒，顾客就会变得很不耐烦。

您收集了使用过不同时间的（新旧配方）电池的样本。然后，您在每个电池放电后立即测量了其剩余电压（放电后电压），而且还测量了电池能够再次放电所需的时间（放电恢复时间）。

请创建一个按配方分组的散点图来检查结果。并在 5.25 秒的临界放电恢复时间处包括一条参考线。
 

放电恢复    放电后电压    新旧两种
1.342    4.49    旧
1.449    4.89    旧
1.103    4.69    旧
1.307    5.14    旧
1.303    4.8    旧
1.182    5.68    旧
1.141    5.88    旧
1.406    5.73    旧
1.085    5.83    旧
1.068    5.95    旧
1.21    6.59    旧
1.261    6.07    旧
1.31    6.36    旧
1.075    6.4    旧
1.087    6.42    旧
1.095    6.88    旧
1.124    6.69    旧
1.075    7.01    旧
0.967    7.08    旧
1.121    7.16    旧
1.246    4.12    新
1.35    3.7    新
1.368    4    新
1.222    3.8    新
1.321    3.99    新
1.243    4.81    新
1.252    4.56    新
1.314    4.78    新
1.174    4.97    新
0.99    4.85    新
1.096    4.94    新
1.456    5.11    新
1.101    5.17    新
1.032    5.07    新
1.176    5.31    新
1.143    5.34    新
1.105    5.46    新
1.124    5.61    新
1.141    5.36    新
1.098    5.3    新



 


 在所测试的电压范围内，新配方电池的放电恢复时间通常要短一些。
通过图中的参考线我们看到，新配方电池观测到的大多数恢复时间均低于 5.25 秒



输出有回归方程式,输出有回归方程式，第一个是二者合并的回归方程。后面两个是分别的回归方程。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​

◇ 6SQ统计3.0企业版90天试用下载 收起阅读 »

有人说，如果用10分钟去审核一个供应商，应该去看看工厂的厕所。

今天我来谈一个新的方法。

最近6SQ统计软件3.0发布，接触了一些用户，发现很多质量人对统计软件的掌握水平非常差，心中有一些疑问，平时大家是怎么处理数据的？ 难道用手算的？
 
1. 所在企业使用统计软件的情况

a,完全没有使用任何统计软件做统计分析
51票8%
b,有使用excel做简单的统计分析
416票64%
c,有购买专业的统计软件在做统计分析
105票16%
d,有使用盗版软件在做一些统计分析
83票13%

2. 您个人使用统计软件的能力情况

a,不会使用任何统计分析软件，包括excel
11票2%
b,能够使用excel做简单的统计分析
343票52%
c,能够简单的使用一种统计软件
182票28%
d,熟练的掌握一种统计软件

我一直认为一个标准。

一个合格的质量人，必须熟练掌握一种统计分析软件!  --龙天

如果你不会，那你不合格，不要说理论一套套的，Cpk，SPC，MSA，方差分析，假设检验，DOE ，我都懂。。。还是那句话， 你都是用手算的？  应该不可能吧！

如果你不能熟练的使用统计软件，说明你都是在瞎扯理论，完全没有真正的在企业用过。

从企业来看，一个企业如果没有很好的运用统计分析软件，那个企业的质量管理水平也高不那去。

质量人最基本功就是数据分析，通过数据分析来解决各种质量问题。

很多质量人说我懂工艺，懂技术，懂产品。。。

有毛的用，你比工艺更懂工艺，你比技术更懂技术， 你比产品更懂产品? 那可以改行了.

质量人本身最核心的工具都不会！！！如何去用真理说服别人或别的部门？



6SQ统计插件已经上市8年了，从我们收到的市场反馈，可以了解到中国企业在统计软件的使用情况。

只能说很差很差很差.

8年前，我调查过国外一个同类软件，同样的价格， 他们的销售数量大概是3-4万套，且在国外同类的软件有好几款，累积起来不是个小数字。

中国号称第一制造强国， 在统计软件上购买的少的可怜。

所以大部分质量人不会熟练的使用一款统计软件，一点也不奇怪。

而统计软件，对于质量人来说就是生产工具，有如生产部的生产设备，技术部的设计软件。

工具都没有,工作能搞好？质量人都在打酱油？

网站上我见的最多的就是如何用Excel更做出更美化的柏拉图，和鱼骨图，简单算算Cpk。来个复杂点的统计分析方法试试?

这个时代，  还要为用excel半天做出来一个图表而自豪？ 软件1分钟就搞定了.

不懂统计软件，也没办法使用更复杂的质量统计分析方法了。

感觉很不乐观

所以，建议：

如果你是一家公司的质量经理，质量总监，或质量负责人，如果想推动公司质量水平的提高，先检视下公司的是否在使用统计软件。

如果你要考察一家供应商，请从考察他们使用统计软件着手。

如果你要招聘一个质量人，也请从考察他对统计软件使用的着手。

肯定会有人会反驳我说，不用统计软件也能做好质量。。。

那就请翻阅已被取消的质量工程师考试大纲，看看包不包含各种统计分析方法！ 再翻一翻六西格玛绿带和黑带的大纲，看看包不包含各种统计分析方法！

再请问，您是用手算的吗？

最后，请大胆的跟老板说，我需要一套统计分析软件！ 不要做一个没有枪的战士！ 收起阅读 »

 

根据CNN周一（7月25日）公布的最新民调，有44%的被调查者支持特朗普担任下届美国总统，39%的人支持希拉里，加里·约翰逊（前墨西哥州州长、美国自由党总统参选人）和吉尔·斯泰因（代表绿党参加总统选举）的支持率分别为9%和3%。而在另一项只有希拉里和特朗普两个人的调查中，特朗普也以48%的支持率超过希拉里（支持率为45%）。

此次民调显示，就算在个人形象上，特朗普也更加高大了。



有52%的人表示，他们相信特朗普竞选总统是为了国家的利益而不是出于私利，只有44%的人相信“狡猾的希拉里”是这样的。

据报道，此次民调是7月22日至24日间进行的，CNN通过电话随机采访了美国国内1001位成年人，其中有882名登记选民的样本。

这个是CNN最近调查的数据，普通人看新闻看到的是48%比45%大 3%，特朗普是领先的。

我们质量人不能这样看，这不科学！在882的样本中，3%的差距是否能证明两人的支持率是存在显著的差异？

当然我们质量人也想知道未来的美国总统是谁，这并不难，几分钟的事情， 行动起来。。。

从上面的数据，我们知道未来的美国总统肯定是希拉里或特朗普二选一。

于是先整理了下数据!

候选人 支持率 支持人数
特朗普 48% 423
希拉里 45% 397
总调查人数 882

我们想知道从调查结果中希拉里与特朗普的支持率是否有显著的差异。
我们使用双比例假设检验:

零假设(或原假设)为：特朗普与希拉里的支持率是一样的

备择假设(或对立假设)为：特朗普与希拉里的支持率不一样

一，打开 6SQ统计3.0 --估计和假设检验--双比例检验


二，输入对应的数据 （如下图), 备择假设选择不等于.

三，点击确定输出分析结果:


6SQ统计插件可以直观的显示分析结论：接受零假设

通俗的来说，通过这个调查数据分析，特朗普与希拉里的支持率无显著差别。

我们无法判断谁会当选为总统。

但我们注意到以下信息:

此次民调显示，就算在个人形象上，特朗普也更加高大了。

有52%的人表示，他们相信特朗普竞选总统是为了国家的利益而不是出于私利，只有44%的人相信“狡猾的希拉里”是这样的。

我们来看看数据两人在被相信率上是否有明显的差异。

候选人 被相信率 相信人数
特朗普 52% 459
希拉里 44% 388
总调查人数 882

同样我们使用双比例假设检验:

零假设(或原假设)为：特朗普与希拉里的被相信率是一样的。
备择假设(或对立假设)为：  特朗普与希拉里的被相信率不一样.
一，打开6SQ统计3.0 --估计和假设检验--双比例检验

二，输入对应的数据（如下图 ），备择假设选择不等于.



三，点确定输出结果



6SQ统计插件可以直观的显示分析结论： 拒绝零假设。

接受备择假设。

特朗普与希拉里的被相信率有显著性差异。

特朗普的被相信率比较高。

所以我们相信在投票时，特朗普会占优势，当选总统的可能性要高于希拉里.

说明：本次抽查的数据的分析结论，只在抽查的时间段是有效的，美国大选是在11月进行，后期各个候选人会再出大招，会产生各种变数，到时必须再抽查分析。

 小贴士: 
 
假设检验(Hypothesis Testing)
是数理统计学中根据一定假设条件由样本推断总体的一种方法。
具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。
常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法，秩和检验等。 收起阅读 »

一款整合Excel国产唯一综合质量统计分析软件, 是质量数据分析的完美工具。

特点：小巧，易用，经济，灵活，实用，绿色. 
支持：32位，64位及全部Excel版本
界面：简体中文，英文，繁体中文
适用: 六西格玛绿带，黑带，质量及相关技术人员
版本：3.0企业版

8.28 正式版  http://pan.baidu.com/s/1i5AXSRN

增加了：
IMRR控制图，
边际图
非参数检验（配对平均数，配对差，配对斜率，Fredman检验）
主效应图
交互作用图.
对称图

学习交流QQ群 14194812   微信 Ltswho

 

6SQ统计插件for Excel的特点与优点:
-------------------------------------------------------------------------------

1，方便: 与excel结合在一起，数据处理更方便 ,输出结果的工作表可任意编辑，可脱离软件任意电脑使用。

2，动态: 带有公式功能, 更新数据自动刷新图表和结果。

3，易用: 易于掌握使用，输出结果简单明确，直接写明判断结果，接受/不接受,让一线的操作员工都能看懂。

4，通用: 输出结果为excel表格，只要装有excel就可以交流数据结果.可以方便的与公司同事，供应商，客户进行数据交流，讨论。

5，可扩展: 独有的模板功能有良好的扩展性，整合了大量常用的excel模板，如FMEA,8D,AQL抽样，PPAP,控制计划，预控图,鱼骨图等，并可以自已无限增加您常用的各种Excel 模板。

6，联网共享: 可以通过excel本身的共享工作簿功能，轻松实现远程数据共享，协同工作，远程监控数据等功能。

7，经济: 价格便易，企业版只相当于国外统计软件的1/10，大大节约企业成本。企业无须大投资就可以推行质量管理，应用统计技术，提升企业质量水平。

8，国产: 6SQ统计插件完全中国人自已开发的统计软件，是目前国内唯一一款国产全面质量统计分析软件，能够提优质的售后服务和定制性开发。


 

 

 

 

 
 

 

 

收起阅读 »