统计显著性检验是统计学家用来发现数据模式或测试与数据相关的猜测的一些最重要的技术。这些工具在六西格玛中有许多可能的应用,包括:
①确认业绩存在问题或实质性变化;
②检查数据的有效性;
③确定一组连续数据的模式或“分布”类型;
④建立基于模式和差异的根本原因假说;
⑤确认或推翻根本原因假设。
与控制图一样,有几种方法可以对假设进行统计检验:
1.卡方(X2)检验
这是离散数据显著性检验的一种方法,有时也用于连续数据的显著性检验。例如,您可以使用卡方检验:
①比较两个位置的缺陷率,以确定它们之间是否有显著差异;
②检查客户产品选择的周变化是否存在显著的变化水平;
③检查各种人员配置水平对客户满意度的影响是否显著。
2.t检验
当连续数据有两组或两个样本时,用这种方法检验显著性(连续数据测量比离散数据测量更有力,但需要注意的是,只有当这些数据满足一定条件时,这种检验才是可行的)。如果您的数据符合要求,您可以使用T测试来达到以下目的:
①比较该季度两周内流程中关键步骤的周期时间,看是否发生了有意义的变化;
②查看两个区域的客户收入水平,看区域业务部门是否有服务收入较高或较低的客户群体;
③检查两批磁盘驱动器的寻道速度是否有差异。
3.方差分析
ANOVA是连续数据显著性检验的另一种方法,但与T检验不同,它可以用来比较两组或更多样本的数据(如果三组或更多组的数据存在显著差异,则必须做更多的分析,以找出哪些组是不同的):
①比较多流程中关键步骤的周期时间与季度内每周的差异,看是否发生了有意义的变化;
②查看四个区域的客户收入水平,看一个或几个区域是否有业务部门明显处于服务收入较高或较低的消费群体;
③检查五批磁盘驱动器的寻道速度是否有差异。
4.多元分析
多元分析(MANOVA)用于确定多个因素的显著性(在进行多变量分析之前,通常最好先进行方差分析)。
上一篇:危害性矩阵的介绍
下一篇:实验设计(DOE)使用的基本步骤