o Repetytorium. Krótkie przypomnienie podstawowych zagadnień ze statystyki i wykorzystania Minitaba 16 : parametry opisowe, graficzna prezentacja danych, rozkład normalny, graficzne testy zgodności z postulowanym rozkładem, identyfikacja rozkładu.
o Hipotezy statystyczne (1). Testowanie hipotez statystycznych – przedstawienie od strony rachunkowej i interpretacyjnej podstawowych testów statystycznych. Testy parametryczne - test dla wartości średniej, testy na porównanie dwóch wartości średnich, test dla wariancji, test na porównanie dwóch wariancji , test frakcji , test na porównanie dwóch frakcji. Testy nieparametryczne - test Manna-Whitney’a. Przykłady , interpretacja wyników.
o Hipotezy statystyczne (2). Krzywa mocy testu, dobór liczności próbki ( power and sample size) – test dla wartości średniej, testy na porównanie dwóch wartości średnich, test frakcji , test na porównanie dwóch frakcji, jednoczynnikowa analiza wariancji (ANOVA). Przykłady , interpretacja wyników.
o Wprowadzenie do analizy wariancji (ANOVA) (1). ANOVA jako technika analizowania źródeł zmienności i oceny istotności wpływu wybranych parametrów na zachowanie. Charakterystyka modeli: jednoczynnikowa i wieloczynnikowa analiza wariancji. Modele ANOVA – model stały, model losowy. Rodzaje klasyfikacji – klasyfikacja krzyżowa, klasyfikacja hierarchiczna. Układy zrównoważone i niezrównoważone. Możliwości wykorzystania ANOVA.
o Analiza wariancji (ANOVA) (2). Jednoczynnikowa analiza wariancji – procedury rachunkowe, interpretacja wyników. Weryfikacja założeń odnośnie możliwości stosowania ANOVA (normalność-graficzny test normalności, równość wariancji - testy Bartletta, Hartleya ). Testy post-hoc do badania istotności różnic pomiędzy średnimi ( najmniejszej istotnej różnicy Fishera (NIR), wielokrotnych porównań Tukeya,). Nieparametryczna alternatywa jednoczynnikowej ANOVA – test Kruskala-Wallisa. Dwuczynnikowa ANOVA – procedury rachunkowe, interpretacja wyników (efekty główne, interakcje itd.). Bloki kompletnie zrandomizowane. Test Friedmana – nieparametryczna alternatywa bloków kompletnie zrandomizowanych. Wielowymiarowa ANOVA – wykorzystanie ogólnego modelu liniowego (GLM). Przykłady , interpretacja wyników
o Zależności statystyczne - analiza korelacji i regresji. Wprowadzenie – modele regresyjne (liniowe, nieliniowe sprowadzalne do liniowych, nieliniowe). Model liniowy – regresja liniowa z jedną zmienną objaśniającą; wyznaczanie i interpretacja współczynnika korelacji , współczynnik determinacji , wyznaczanie i interpretacja równania regresji liniowej (prosta regresji)., ocena błędu oszacowania zmiennej wynikowej (y) na podstawie zmiennej objaśniającej (x). Regresja wielokrotna liniowa – dobór optymalnego równania regresji („na piechotę” , metoda dołączania, odrzucania, najlepszego podzbioru), ocena błędu oszacowania zmiennej wynikowej (y) na podstawie zmiennych objaśniających (x1, x2, x3 ...). Ocena poprawności modelu liniowego (analiza reszt, identyfikacja obserwacji izolowanych, ocena współliniowości ).Testy statystyczne towarzyszące analizie regresji i korelacji. Analiza wariancji (ANOVA) w odniesieniu do analizy regresji. Model nieliniowy – konstrukcja, weryfikacja poprawności, ocena własności prognostycznych. Grafika w analizie regresji. Przykłady , interpretacja wyników.
o Planowania eksperymentu (DOE). Ogólne zasady planowania eksperymentu. Klasyfikacja i zasady doboru planu. Plany z pełnym zestawem doświadczeń , plany ułamkowe, plany Placketta-Burmana, - konstrukcja planu, interpretacja wyników, identyfikacja wpływu czynników które mogą być maskowane , interakcje, efekty główne, wstęp do planów Taguchiego. Inne możliwości wykorzystania programu Minitab 16 w odniesieniu do DOE. Przykłady , interpretacja wyników.
o Podsumowanie – Jeszcze raz o monitorowaniu i doskonaleni procesu w Minitabie 16 (16 krótkich pytań i 16 krótkich odpowiedzi), dyskusja.
