6SIGMA-3.ppt

SixSigma使用工具培訓講義回顧：定義/測量階段6西格瑪DMAIC策略的概括圖相關和回歸分析在6sigma中各階段的作用分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述分析階段---相關和回歸分析概述6.回歸分析
通過相關分析可以確定變量間的相關性及相關程度，在解決實際問題時，僅做到這一步是不夠的。因為我們分析的目的是發現主要因素並找到其影響規律。即隨著“關鍵的少數因素x”的變化，因變量y如何變化。對應於因素的某個變化量，y的變化量是多少？回歸分析就是用來定量描述因素x和因變量y間的關係的方法。通過回歸分析，我們可用方程來表示x和y的關係。從而發現y隨x的變化規律。回歸分析可以篩選潛在的少數x，對y進行預測和優化及確定對應於y的最優值的x的水平設置。分析階段---相關和回歸分析---一元線性回歸分析分析階段---相關和回歸分析---一元線性回歸分析示例1.2.選取合適的圖形類別：1.3.在表中輸入Y和X：1.4.輸出散佈圖如下：2.計算相關係數(使用Minitab軟件)：
2.1在Minitab下拉式菜單選：Stat>BasicStatistics>Correlation2.2選擇下圖所示信息：2.3Minitab輸出：二.建立回歸模型
1.在Minitab下拉式菜單選：Stat>Regression>Regression，如下圖所示：2.在出現的對話框選擇下圖所示信息：3.點擊“Storage”按鈕，在出現的對話框選擇下圖所示信息：4.點擊”Options”對話框，選擇下圖所示信息：5.Minitab輸出分析結果如下：
5.1回歸方程和回歸方程的方差分析：5.2預測區間和置信區間：6.從Minitab輸出結果我們可得出如下結論：
6.1可求出回歸方程
6.2回歸方程的顯著項，在本例中，常數項和系數項均為顯著項
6.3測定系數R,詷整測定系數Radj表示回歸方程可解釋的變差占總變差的百分比
6.4回歸方程的方差分析結果，本例的分析結果中，Fcal=128.86>Fcritical=4.414，並且P<0.05，因此以95%的置信度認為回歸方程擬合良好。
6.5可得到氧氣的純度預測值，預測區間和置信區間。三。殘差分析
1.在Minitab下拉式菜單選：Stat>Regression>Regression，如下圖所示：2.在出現的對話框選擇下圖所示信息：3.Minitab輸出分析結果如下圖：6.從Minitab輸出結果我們可得出如下結論：
6.1可求出回歸方程
6.2回歸方程的顯著項，在本例中，常數項和系數項均為顯著項
6.3測定系數R,詷整測定系數Radj表示回歸方程可解釋的變差占總變差的百分比
6.4回歸方程的方差分析結果，本例的分析結果中，Fcal=128.86>Fcritical=4.414，並且P<0.05，因此以95%的置信度認為回歸方程擬合良好。
6.5可得到氧氣的純度預測值，預測區間和置信區間。四.建立回歸模型
1.在Minitab下拉式菜單選：Stat>Regression>FittedlinePlot...，如下圖所示：2.在出現的對話框選擇下圖所示信息：3.測定系數R,詷整測定系數Radj表示回歸方程可解釋的變差占總變差的百分比4.Minitab輸出結果如下：5.圖形分析如下：
5.1。圖形可輸出回歸方程，測定系數R,詷整測定系數Radj和殘差標准差。
5.2。最中間的一條直線表示回歸方程的擬合值。
5.3。緊靠直線的兩條紅色虛線代表擬合值均值在95%的置信度下的置信區間。
5.4。最靠外的兩條綠色點畫線代表擬合值在95%的置信度下的預測區間。五。一元回歸的幾種模式：
我們可用Minitab對一元回歸方程進行檢驗以確定哪種模式是最適合的回歸模式。一。非線性相關關係的判定
以下幾種方法可判斷x和y之間是否存在非線性關係，在實際應用時，可結合幾種方法，得出一個綜合的結論。
1.1觀察散佈圖：1.2。確認r值：
r值代表x和y之間線性相關的程度，如果r>0.95，則x和y的線性相關關係十分明顯，用線性方程來擬合一般不成問題。如果r值很小，觀察散佈圖以發現x和y之間存在明顯的關係，可用一條線來擬合，這時可以判定x和y之間存在非線性相關關係。
1.3。觀察回歸分析的殘差圖形：
殘差圖可以使我們獲得重要的信息。在正常情況下，殘差平均值應為0；殘差應呈正態分布，且應隨機分布，即不應存在特殊的形狀。因此，通過觀察殘差的分布形狀可以判斷所用的回歸模型是否適用。
A。回歸模型適用時的殘差分布圖和殘差擬合值圖
B。回歸模型