"is beats studio 3 has mic" 搜索结果,为您找到约 857 条结果
-
自习人丁磊
发起了提问
2021-04-29 15:24
-
一个网友提问：在用方差分析比较多个均值的时候，如果p＜0.05，则拒绝原假设，说明多个均值之间有显著性差异，只是说明这些均值里至少有一个不完全相同，但不知道是哪个均值之间有差异，请问怎么才能知道？方差分析是比较多个均值之间是否有显著性差异的一个方法。如果是单因子方差分析，仅仅能表示均值之间存在差异，但不能明确哪两个均值之间有差异。如果是多因子方差设计，除了能比较均值之间是否有差异外，还能识别出哪些 是显著因子，但同样不能明确是哪些均值之间有差异。这个时候只能借用另一个工具：“多重比较”MiniTab进入方差分析，不管是单因子还是多因子，打开“比较”按钮，把Tukey勾选，就可以知道哪些均值之间有差异了，如下图：Tukey是计算均值之间的差值，看差值=0的时候是否落在置信区间内。如果均值差=0落在置信区间内，则两者无差异。如果均值差=0没有落在置信区间内，则两者有差异。以上是5个均值之间的比较 ，方差分析p＜0.05，表示5个均值之间存在显著性差异。Tukey分析（如上图）对均值两两进行比较，4-1之间的均值差=0没有落入置信区间，则说明4与1的均值有显著性差异。1与2、1与3、1与5、2与3、2与5、3与5、4与5之间的均值差=0都落入置信区间，说明其均值之间没有显著性差异。...
-
-
自习人丁磊
发起了提问
2021-04-29 20:57
-
通过MiniTab进行单因素方差分析时，输出的结果主要有两个部分：方差分析结果与均值结果。一.方差分析结果这是一个比较4条生产线的产品硬度的均值有无显著性差异的方差分析，在这个图上，我们能得到以下几点信息：1. 误差的来源有两个：因子line与随机误差，自由度分别是dfA=3与dfE=16。2. 过程总波动SST=160.79，其中组间偏差平方和SSA因子line=63.29，组内偏差平方和SSE 随机误差=97.50，SST=SSA+SSE.此时的组内SSE＞组间SSA，但是这并不代表随机误差是显著性的，因为这两个值受到了因子数的影响，因子越多，数值越大。3. 是否具有显著性差异是用组间偏差平方和的均方合MSA与组内偏差平方和的均方合MSE比值，其中MSA=SSA/dfA=63.29/3=21.095，MSE=SSE/dfE=97.50/16=6.094.两者的比值称之为F=21.095/ 6.094=3.46，观察F值是否落在拒绝域，从而作出判断。4. p值是整个方差分析结果的精华所在，一般显著性水平a=0.05，若p＜0.05，则拒绝原假设，说明均值间有差异；反之，则均值无差异。二.均值结果均值结果分析相对比较简单，显示了总体估计的均值与标准差，并给出了置信区间。一般在选择较优的水平时才使用，比如第4条生产线的预估总体均值最大，我们想要得到较高的硬度值，则选择第4条生产线。反之，...
-
-
小鑫
发起了提问
2021-04-29 23:09
-
一般的机械行业，今天受到客户一个邮件，要求我们把图纸上的其中一个装配尺寸缩小公差，由现在的±0.5mm缩小到±0.2mm，也不说明缩小这个尺寸公差的原因，感觉在无理取闹一样。受到邮件之后，我让检验员随机抽取了20个零部件测量这个尺寸，发现根本达不到客户要求更改后的公差，实测的公差在±0.34mm。如果按照客户最新的标准，估计有40%左右的产品不满足要求。各位大神，该怎么回复客户的这种邮件？我是这样 想的：1.先把目前的状况向客户说明，目前实际能达到的公差，按客户要求的公差会产生多少不良...2.客户就是上帝，客户的要求就是圣旨一般，肯定要满足要求，但请客户给予一定的时间。先看看客户怎么回复吧...
-
-
自习人丁磊
发起了提问
2021-05-01 22:22
-
质量的定义是一组固有特性满足要求的程度。里面有三个点：1.一组固有特性2.满足要求3.满足要求的程度可否这样理解，其中：1.一组固有特性：顾客提出的尺寸公差、性能等要求，通常展现在设计记录上。2.满足要求：满足顾客提出的公差要求，产品经过检验满足公差按要求即可接受。3.满足要求的程度：比如除了尺寸公差要求之外，客户提出Cpk＞1.33，这个可以理解成满足的程度。当然，除了要做到和中心值相接近，要满 足这个Cpk，必须尽可能的缩小标准差，即产品波动，产品波动就是公差。假如客户提出公差要求±0.5mm，为了满足这个Cpk值，我们可以制定一个内控标准，比如±0.3，同样是减少了标准差。...
-
-
匿名用户
发起了提问
2021-05-03 21:40
-
X-Rs均值上下限公式：X±(E2)R，极差Rs图上限：(D4)R，极差下限：(D3)R。单值移动极差控制图只有一个数据，然而查“计量值控制图计算控制限的系数表”找E2/D3/D4数据的时候，发现最小的组数是2。没有单值移动极差控制图这样一个子组数的数据，这怎么计算？
-
-
匿名用户
发起了提问
2021-05-04 22:30
-
中心极限定理不管随机变量处于何种分布，不管是离散分布还是连续分布，只要随机变量的个数足够大，都可以看成是正态分布，说是一般n≥30，效果比较理想。假设检验的t分布也是把样本数n≥30作为大样本量。这样是不是意味着样本量≥30，就一定是正态分布，不需要做正态性检验了？
-
-
小小岳
发起了提问
2021-05-05 09:30
-
供应商的某一个零部件总是出问题，如果采用GB/T 2828二次抽样方案，批量为1000. AQL=4%，检验水平为Ⅱ的正常、加严、放宽3个抽样方案分别是多少？大神帮看下下面这样的操作对不对？1. 样本量1000，对应的检验水平为Ⅱ的样本量字码是J2. 再查二次抽样表，比如正常抽样方案对应的50-50，再看右边的AQL=4%，结果是向下的箭头，第一个是*，说要按照一次抽样的方案。3. 再返回一次正常 的抽样方案，对应的样本量是80，AQL=4%对应的是向下的箭头，第一个数字是0收1拒，样本量字码是M，抽样数量是315是不是按照一次抽样的数量是315，0收1拒的标准检验就行了？...
-
-
liyiyang
发起了提问
2021-05-06 22:50
-
今天，在等公交车，公交牌上写的是每8~15分钟一班车，今天足足等了有30分钟，公交车才过来。在等公交车的时候，我想是不是可以用假设检验证明实际班次时间与公交牌上写的不一样。如果建立假设检验，这样行不行？原假设H0：公交车间隔时间≤15分钟备择假设H1：公交车间隔时间＞15分钟样本数据：前一辆公交离站与下一辆公交进站的间隔时间，抽取一天的样本，计算平均等候时间。在这里，取样的时候是否要避开早晚高峰（ 看成随机因素）？显著性水平选择a=0.05由于不知道总体方差，只能采用t检验。请问，这个思路对吗？...
-
-
单曲循环
发起了提问
2021-05-07 22:43
-
重复试验是试验设计的三个原则之一，通俗的来说是自变量的一个水平做多次重复试验，用来估计试验误差的大小。重复试验固然很好，但考虑完全重复试验的次数太多，成本比较高，而且费时，通常比较经济的做法是增加中心点试验，并且在中心点重复3~4次。请问，增加中心点试验不是看有没有弯曲吗？和重复试验有什么关系？
-
-
自习人丁磊
发起了提问
2021-05-07 23:49
-
方差分析表是分析因子是否显著的重要工具，读懂方差分析表是最基本的技能。今天中午，有一个网友问怎么在方差分析表里看是否增加了中心点试验，以及增加了几个中心点试验。首先，我们知道试验设计的三个原则：重复性、随机性与区组化。重复试验是试验设计的三个原则之一，目的是估计试验的随机误差。但是对所有的试验进行重复，成本比较昂贵，试想一个4因子2水平的试验次数是16次，重复一次的话是32次，费时、费钱、费力又伤 神。其次，如果不做重复试验，只增加中心点，能否估计出试验的随机误差？增加中心点试验无非是比较便捷的一种方法，让中心点试验重复3~4次，并分布在试验的开始、中间与结尾，在相同的试验条件下，这几个中心点试验的结果应该只存在随机误差。由此可见，如果不做重复试验，只增加中心点，是可以估计出试验的随机误差的。最后，除了估计随机误差，增加中心点试验有没有别的效果？当然有，增加中心点试验，相当于增加了一个水平的 试验，相当于增加了对响应变量的弯曲趋势的估计能力。那么，问题来了。怎么看试验设计是否增加了中心点试验？下面用两个方差分析表比较一下，两者因子与水平一样，唯一的不同点：一个是增加了中心点，一个是没有增加中心点。两个方差分析表的最主要区别在于误差项的内容，如下：方差分析①中：弯曲+误差（包含失拟与纯误差），弯曲不包含在误差里。方差分析②中：误差（包含弯曲、失拟与纯误差），弯曲包含在误差里。刚才讲了，增...
-
-
自习人丁磊
发起了提问
2021-05-10 22:15
-
在进行过程能力分析时，红皮书中有这样一段描述：“过程能力分析的假设前提是输出服从正态分布，因此，过程应是稳定或统计受控的”。那么，疑问来了。数据服从正态分布和过程受控之间是否有联系？或者这样问：①如果数据服从正态分布，过程是否是受控的？②如果过程是受控的，输出数据是否是正态分布？为了回答第一个问题，我们先来列出35个数据进行检验：把以上35个数据组成一列输入到minitab，先进行正态性检验，再绘 制I-MR单值移动极差控制图，结果如下：正态性检验p=0.752＞0.05，则说明数据服从正态分布。但是，在单值移动极差控制图中，发现有一个点超出控制界限，根据控制图的八大判异原则之中的点出界判异，说明该过程未受控因此，即使输出数据服从正态分布，但过程也不一定是受控的。那么，如果过程受控，输出数据是否一定是正态分布呢？我们再列出一组数据，供28个。把以上数据输入minitab，先绘制I-MR单值移 动极差控制图，再进行正态性检验，结果如下：由此可见，过程是受控的。但正态性检验p=0.03＜0.05，说明数据不服从正态分布。因此，即使过程受控，输出均值也不一定服从正态分布。“过程能力分析的假设前提是输出服从正态分布，因此，过程应是稳定或统计受控的”，这句话只是表示在进行过程能力指数Cp/Cpk计算之前，首先要检验数据是否服从正态分布与过程是否受控，只有满足这两个条件，对过程能力进行分析才是有意...
-
-
自习人丁磊
发起了提问
2021-05-11 15:07
-
一般情况下，规格上限USL与下限LSL都是已知的，而且Cp≥Cpk。当计算出来的过程能力指数Cp与Cpk都比较小，是优先改善均值还是标准差？这个要根据实际情况对待，Cp与Cpk两个指标都要用到，不能单独的使用其中的一个，不然没有丝毫的意义。根据Cp与Cpk的计算公式，影响Cp的因素只有一个，即标准差σ；而影响Cpk的影响因素则有两个：输出均值u与标准差σ。1. 如果Cp与Cpk都比较小，且两者数值 比较接近的时候，比如Cp=0.95，Cpk=0.83，说明标准差σ波动太大，是影响过程能力的主要因素，需要采取措施使标准差σ减小。2. 如果Cp与Cpk都比较小，且两者数值差异较大的时候，比如Cp=0.95，Cpk=0.42，说明标准差σ与输出均值u都有问题，通常情况下是优先采取措施使输出均值向中心值靠近，再解决标准差σ过大的问题。3. 如果Cp较大，而Cpk较小，比如Cp=1.66，Cpk=0. 81，说明标准差σ没有问题，而是输出均值u偏离中心值过大。...
-
-
自习人丁磊
发起了提问
2021-05-11 23:23
-
与cpk一样，cpm也是过程能力指数，有时候又被称之为第二代过程能力指数，两者都和输出均值偏离目标值有关系，但是侧重点却不一样。过程能力指数cpk计算公式：过程能力指数cpm计算公式：cpk强调的是过程能力满足要求的程度，通俗的来说，cpk背后的含义是合格率。而cpm强调的是输出均值偏离目标值造成的质量损失。并不是只有超出规格上下限才会造成质量损失，任何偏离目标值的数据都会造成质量损失，cpm恰恰 是衡量质量损失这个指标。我们先看一道六西格玛黑道考试真题：某制造企业需求一零件，规格要求为100±3cm，在选择供应商时发现：供应商A提供的零件近似服从正态分布N(100,1)，供应商B提供的零件近似服从均匀分布U(97,103)；供应商A、B提供产品的价格相同，同时，该企业非常关注质量损失。以下哪种说法是正确的?A.从理论上讲，A零件的合格率是99.73%，供应商B提供100%合格品，因此应选择 B作为供应商B.从供应商提供产品的分布看，均值相同，选择供应商A或B一样C.A质量损失更低一些，应选择A作为供应商D.根据上述信息无法做出判断我们先计算两个供应商的过程能力cpk，则：cpk(A)=3/3*1=1根据均匀分布的公式，供应商B均值=(97+103)/2=100，标准差σ=根号3，如果长久的提供产品，在比较大的样本量之下，该产品可以看成是正态分布，因此cpk(B)=3/(3*根号3)=...
-
-
自习人丁磊
发起了提问
2021-05-12 14:21
-
比较两个均值之间是否有显著性差异，会优先想到使用假设检验，其中比较常用的假设检验有Z检验与t检验。Z检验或t检验只是简称，全称应该是“两正态总体均值的显著性水平为a的Z检验”或“两正态总体均值的显著性水平为a的t检验”，前面的修饰词很多，但其含义很简单：抽取样本的总体必须是正态分布。是要求总体服从正态分布，并不是抽取的样本，这是一个比较容易忽视的点。一．Z检验与t检验的使用区别Z检验是在总体方差已 知的条件下使用，不用考虑样本量的大小，只要总体方差已知，就可以使用Z检验，Z检验统计量与拒绝域如下：如果总体方差未知，则使用t检验。与Z检验不同的是，t检验需要考虑抽取的样本量大小，即：大样本与小样本。大样本是指抽取的样本量数据超过30个，则使用近似Z检验，以计算的样本标准差代替总体标准差，Z检验统计量与拒绝域如下：小样本是指样本量小于30个，则使用标准的t检验，t检验统计量与拒绝域如下：这里有一 个点：小样本t检验的前提条件是抽取样本的两个总体的方差相等，即方差齐性。如果不满足这个要求，则不能使用t检验。因此，在进行t检验之前，我们首先要检验两个总体的方差是否相等。二．为什么小样本量使用t检验先检验方差相等？假设有两个总体，X~N(u1,σ1∧2)，Y~N(u2,σ2∧2)，在这两个总体中分别抽取一个小样本，用两个小样本的均值是否有显著性差异去推测两个总体的均值是否有显著性差异。记住：任何...
-
-
自习人丁磊
发起了提问
2021-05-13 14:36
-
一直以来，看到回归方程自变量前面的常数，傻傻的以为是相关系数，其实否也，和相关系数半毛钱的关系都没有。相关系数是表述自变量与因变量之间是否有关系，以及线性相关的程度。通过散点图只能粗略的知道两者是否有关系，单不知道关系的紧密程度，相关系数则是用一个数值把这层关系进行定量化。回归方程表述的是自变量与因变量之间有什么样的关系，并通过用方程式的形式直观的表现出来，利用这个公式，还可以预测当自变量变化时因 变量的取值。当人到了一定的年龄，开始发福，啤酒肚开始显现。假如，我们想知道人体内的脂肪含量与年龄是否有关系，随机选了不同年龄的人作为样本，进行测定并对样本数据进行分析。首先，确认两者之间有没有关系，正如刚才所说，两者有没有关系可以通过散点图粗略的知道。根据散点图，可以看出随着年龄的增长，脂肪含量有一定的增加，说明两者之间是有关系的。其次，两者的关系到了什么程度？是稍微有点关系？还是密切相关呢？这个 可以通过minitab计算，结果如下：P=0.000，拒绝原假设，表明脂肪含量与年龄之间确有关系，和散点图的结果相互呼应。我们知道相关系数r的数值介于-1,1之间，当r=1或-1，两者完全线性相关。此时，相关系数r=0.971，表明两者之间有很强的线性关系。至此，我们只知道脂肪含量与年龄之间有关系，但究竟是什么关系呢？当随便指定一个年龄，能否大概知道此年龄的脂肪含量呢？要回答这个问题，需要求助于回...
-
-
自习人丁磊
发起了提问
2021-05-19 10:57
-
流程图是用图表的形式将一个过程形象的表示出来，直观、一目了然，任何一件事都可以用流程图表示出来。一、绘制流程图的步骤：1. 界定过程的范围，确定一个开始点与结束点。2. 实地观察过程，准确的识别过程的每一个步骤，而不是坐在办公室里凭空猜想。最好的办法是拉着团队成员一起在现场观察、识别。3. 将第二个步骤识别出来的每一个过程绘制出来，形成草图。4. 团队成员一起讨论有无遗漏或工序衔接错误，并最终绘制 成正式的流程图。二、绘制流程图用到的符号六西格玛管理或质量管理中，互相理解、认同的图形与符号比较多，而且是至关重要的，这样让大家在一个维度上思考问题，不至于产生歧义。比如MSA，都知道是测量系统分析；比如图纸上的∥，都知道是平行度。当然，流程图里也有一些大家默认、互相认同的符号，比如◇是表示决策点，椭圆是开始点或结束点。三、流程图示例四、Minitab能绘制流程图吗？Minitab不能绘制流程图， 绘制流程图需要使用Minitab
Workspace。一般情况下，用Excel、Word都可以轻松的绘制流程图。五、绘制流程图常犯的错误1.坐在办公室里喝着咖啡凭空猜想流程的每一个步骤。2.不与团队成员共同识别、讨论流程图。3.不能清楚的识别流程图的开始点与结束点。...
-
