属性量具研究(分析法) 的所有统计量和图形

为属性量具研究提供的每个统计量和图形查找定义和解释指南。

偏倚

偏倚用来度量测量系统的准确度。偏倚等于参考部件的已知标准值与观测到的平均测量值之间的差异。

解释

理想情况下,偏倚值接近 0。0 以外的值表示以下内容:
  • 正偏倚表示量具测量值高。
  • 负偏倚表示量具测量值低。

对于可以准确测量的量具,偏倚百分比将很小。要确定偏倚统计意义是否显著,请使用 p 值。

重复性和预调整的重复性。

重复性是测量系统中来自量具的变异数量。属性量具研究回归参考值上的接受概率以获得重复性。

预调整的重复性是调整高估之前计算出的重复性。Minitab 用调整因子 1.08 去除重复性估计值以计算调整后的重复性。此调整因子 1.08 在汽车工业行动组织 (AIAG)1

解释

低重复性值说明量具的测量结果比较一致。高重复性值表示随机变异,或诸如部件选择不够或量具不合格等问题。

Minitab 在计算中使用调整后的重复性值以检验原假设的偏倚是否等于 0。

正态概率图

正态概率图显示每个参考值的接受百分比。由于尚未有来自量具的实际测量值可用于估计偏倚和重复性,因此 Minitab 通过使用所有部件的计算得到的接受概率和已知参考值拟合正态分布曲线,从而计算偏倚和重复性。

如果测量误差服从正态分布,则计算得到的概率沿着直线分布。回归线能够拟合概率。

解释

对于此示例,拟合线与数据非常吻合。

拟合线

每个部件的接受概率在正态概率图中进行计算和绘制。在正态概率图中,标绘点的 y 值 = Φ–1(接受概率),其中 Φ–1 是标准正态累积分布函数的反函数。

通过标绘点绘制拟合回归线。

解释

如果拟合线是标绘点的良好拟合,则 Minitab 使用截矩和斜率值计算偏倚值和重复性值。

此图显示了拟合线与数据非常吻合。

拟合线的 R 平方

拟合回归线的 R 平方 (R2) 值表明回归模型解释的接受概率响应中的变异百分比。

解释

R2 介于 0 和 100% 之间。通常,R2 值越高,模型拟合数据的优度越高。大于 90% 的 R2 值通常表示能够很好地拟合数据。

在此示例中,R 平方是 0.969376。拟合线非常符合数据,模型拟合近 97% 的变异。

T

T 是偏倚 ≠ 0 的备择假设的 t 统计量。

t 检验将观测到的 t 统计量与具有 (n-1) 自由度的 t 分布上的临界值进行比较,以确定测量系统中的偏倚是否统计意义显著。

自由度

自由度 (DF) 值用于确定 p 值。对于 AIAG 法,DF 等于试验数减 1。对于回归法,DF 等于用于创建拟合线的点数减 2。

P 值

要确定测量系统中的偏倚在统计意义上是否显著,请将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在显著偏倚时得出存在偏倚的风险为 5%。

解释

P 值越小,越能为反对原假设提供强有力的证据。如果 p 值小于 α 值,则可以否定测量系统中的偏倚等于 0 的原假设。

量具性能曲线

量具性能曲线将估计的接受概率显示为项参考值的函数。垂直参考线表示您为该分析输入的限值。

解释

如果指定了公差下限,参考值和接受概率都将表现出增加的趋势。如果指定了公差上限,则随着参考值的增加,接受概率将减少。

如果量具有上限和下限,并且您可以假设误差具有线性和单一性,则可以在量具性能曲线上显示公差上限和下限。曲线显示为镜像曲线。

对于此数据,公差下限(L 限值)−0.020 处的项目接受概率很高。接受概率随着参考值的增加而增加,直到参考值达到 0.01。之后接受概率会下降。公差上限(H 限值)处的接受概率大约为 0.15。

1 汽车工业行动组织 (AIAG) (2010) 中提出。测量系统分析参考手册,第 4 版。克莱斯勒、福特、通用汽车供方质量要求特别工作组
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策