最新更新主题

月度关注热点

求助：两样本检验----急

字体: 小 中 大 | 打印 发表于: 2006-4-02 14:25    作者: wuhaozjm    来源: 6sigma品质网

各位大侠：请多多指教
问题：验证生产过程中改变了一个动作是否有效，
         改善前 13562 PCS中 有69PCS不良；
         改善后 12521 PCS中 有9PCS不良；
用MINTAB分析如下：
Sample   X      N  Sample p
1       69  13562  0.005088
2        9  12521  0.000719


Difference = p (1) - p (2)
Estimate for difference:  0.00436895
95% CI for difference:  (0.00308282, 0.00565509)
Test for difference = 0 (vs not = 0):  Z = 6.66  P-Value = 0.000

理解：改善前的不良率大于改善后的不良率，改善有效。
Estimate for difference:  0.00436895---------？？？？如何理解？！
以下分析如何理解？
Difference = p (1) - p (2)
Estimate for difference:  0.00436895
95% upper bound for difference:  0.00544831
Test for difference = 0 (vs < 0):  Z = 6.66  P-Value = 1.000

Difference = p (1) - p (2)
Estimate for difference:  0.00436895
95% lower bound for difference:  0.00328959
Test for difference = 0 (vs > 0):  Z = 6.66  P-Value = 0.000
我也来说两句 查看全部回复

最新回复

  • wuhaozjm (2006-4-02 14:52:36)

    请大侠再指教一下：备择假设为何意思？
    其中：less than-----？
             no equal-----？
            greater than---？
    均在什么情况下使用啊？！

  • newbeethoven (2006-4-02 16:34:41)

    从逻辑上也看得出有改善呀！

  • ~毛毛~ (2006-4-03 11:56:01)

    QUOTE:

    原帖由 wuhaozjm 于 2006-4-2 14:25 发表
    各位大侠：请多多指教
    问题：验证生产过程中改变了一个动作是否有效，
             改善前 13562 PCS中 有69PCS不良；
             改善后 12521 PCS中 有9PCS不良；
    用MINTAB分析如下：
    Sample   X      N  Sampl ...
    1."Estimate for difference:  0.00436895---------？？？？如何理解？！"
      两样本平均值差异的可能估计值:  0.00436895

    2."以下分析如何理解？"
       我们有95%的置信度说明实际值在(0.00544831 , 0.00328959)之间.
       因0不在其间,故否定两均值相等的零假设,即二者间差异显著.

  • wuhaozjm (2006-4-03 15:04:19)

    谢谢指教！
    但我们比较最终还是要知道哪个好啊？只能看出有显著差异，意义也不大啊！

    请后面来的大侠多多指教！。。。。。

    备择假设为何意思？
    其中：less than-----？
             no equal-----？
            greater than---？
    均在什么情况下使用啊？！ ？！

  • 金子一带子 (2006-4-03 15:50:23)

    QUOTE:

    原帖由 ~毛毛~ 于 2006-4-3 11:56 发表
    1."Estimate for difference:  0.00436895---------？？？？如何理解？！"
      两样本平均值差异的可能估计值:  0.00436895
    2."以下分析如何理解？"
       我们有95%的置信度说明实际值在(0.00544831 , 0.00328959)之间.
       因0不在其间,故否定两均值相等的零假设,即二者间差异显著.
    兄弟！楼主做的是“2-Proportion Test”，不是“2-Sample T-Test”。
    双比重验证怎么能拿平均值验证的结论来解释呢？？？？？？
    怎么跑出平均值来的？

    QUOTE:

    原帖由 wuhaozjm 于 2006-4-2 14:25 发表
    Estimate for difference:  0.00436895---------？？？？如何理解？！
    这是两个实验最后得到的比重的差值，也就是：
    69÷13562＝0.005088  （这是实验一的结果，在13562次试验中，某情况发生了69次，这种情况发生占总实验的比重是0.005088；换成这个例子中的情景来说就是，改善前生产了13562个产品，其中有69个不良，不良率为0.005088）
    9÷12521＝0.000719（这是实验二的结果，在12521次试验中，某情况发生了9次，这种情况发生占总实验的比重是0.000719；换成这个例子中的情景来说就是，改善前生产了12521个产品，其中有9个不良，不良率为0.000719）

    之后用两个比重相减，得到两个比重差异的大小：
    0.005088 -0.000719＝0.00436895
    如果这个差异小到一定程度，我们认为在这两种实验条件下，不良发生的可能性相同；
    如果这个差异大于这个程度，我们认为在这两种实验条件下，不良发生的可能性不相同；
    以上就是2-Proportion Test的验证原理

    QUOTE:

    原帖由 wuhaozjm 于 2006-4-2 14:25 发表
    以下分析如何理解？
    您所写的内容是单侧验证的结果。和下面这个问题一起解释吧

    QUOTE:

    原帖由 wuhaozjm 于 2006-4-2 14:52 发表
    请大侠再指教一下：备择假设为何意思？
    其中：less than-----？
             no equal-----？
             greater than---？
    均在什么情况下使用啊？！
    备择假设是当原假设不成立时选择的情况，这个题目的原假设应该是：改善前后的不良率相同，备择假设是：改善前后的不良率不相同
    （选择less than的情况）
    原假设是：改善后不良率＜比改善前的不良率；
    备择假设是：改善后不良率≥比改善前的不良率；
    （选择no equal的情况）
    原假设是：改善后不良率＝比改善前的不良率；
    备择假设是：改善后不良率≠比改善前的不良率；
    （选择greater than的情况）
    原假设是：改善后不良率＞比改善前的不良率；
    备择假设是：改善后不良率≤比改善前的不良率；

  • ~毛毛~ (2006-4-03 22:37:36)

    QUOTE:

    原帖由 金子一带子 于 2006-4-3 15:50 发表


    兄弟！楼主做的是“2-Proportion Test”，不是“2-Sample T-Test”。
    双比重验证怎么能拿平均值验证的结论来解释呢？？？？？？
    怎么跑出平均值来的？


    这是两个实验最后得到的比重的差值，也就是：
    6 ...

    hehe,偶晕了,谢谢仁兄帮助!

  • jude (2007-1-13 17:03:24)

    比较改善前后的不良品率，用2-proportion test，
    设置如附件所示：

    其中Options：less than、greater than 和 no equal 是指“first” 和“sencond” 之间的比较。相当于“First- sencond”

    Sample   X      N  Sample p
    1       69  13562  0.005088
    2        9  12521  0.000719


    Difference = p (1) - p (2)
    Estimate for difference:  0.00436895
    95% lower bound for difference:  0.00328959
    Test for difference = 0 (vs > 0):  Z = 6.46  P-Value = 0.000

    我在这里用greater than，p=0.000，小于alph（0.05）,所以拒绝h0而接受备选假设，即：前后的不合格品率不相等，而且p(1)>p(2),说明改善后不良品率降低。

    如果用Less than：

    Sample   X      N  Sample p
    1       69  13562  0.005088
    2        9  12521  0.000719

    Difference = p (1) - p (2)
    Estimate for difference:  0.00436895
    95% upper bound for difference:  0.00544831
    Test for difference = 0 (vs < 0):  Z = 6.46  P-Value = 1.000

    P-Value = 1.000 >alph（0.05）,所以接受h0，即p(1)-p(2)大于等于0,说明改善后不良品率降低。


    1.GIF

  • 放牛 (2007-2-28 14:09:23)

    我也正好碰到類似的問題.還是有點糊塗.
    請高手再說明白點.

    Sample   X      N  Sample p
    ;?8iZ|8jE1       69  13562  0.005088六西格玛品质论坛 k,m!f9N+_(^?
    2        9  12521  0.000719
    8yW O&n*ue六西格玛品质论坛/[5y*c'kH!K
    Difference = p (1) - p (2)$~5`*HA9M]L
    Estimate for difference:  0.00436895
    9r#T[!SE:d)S95% upper bound for difference:  0.00544831
    fHWZu)q3r*XTest for difference = 0 (vs < 0):  Z = 6.46  P-Value = 1.000
    ,H"j Qsq G;S7{
    _n8`*v"QUb)OP-Value = 1.000 >alph（0.05）,所以接受h0


    接受HO,哪不是說明改善前和改善后是一樣的,是沒有變化的.
查看全部回复 我也来说两句