Professional Documents
Culture Documents
Minitab18 BasicStatistics
Minitab18 BasicStatistics
เนือหาในเล่ม
แนะนําเบืองต้ นการใช้ งาน Minitab 18
ภาพรวมการวิเคราะห์ทางสถิติ
สถิติเชิงพรรณา(Descriptive Statistics)
การวิเคราะห์สหสัมพันธ์(Correlation Analysis)
การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis testing for Mean)
การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute Data)
การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
การทดสอบการแจกแจง (Distribution test)
โดย ชลทิชา จํารัสพร
บริษัท โซลูชนั เซ็นเตอร์ จํากัด
คํานํา
ชลทิชา จํารัสพร
หน้ า A
คํานํา
หน้ า B
สารบัญ
หน้ า
บทที 1 - ภาพรวมการวิเคราะห์ทางสถิติ 17
หน้ า C
สารบัญ
หน้ า D
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 1
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
Menu bar
&Toolbar
s
Session Window
Data Window
Project Manager
window(minimized)
หน้ า 2
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หมายเหตุ : เมื อเราเปิ ดโปรเจกต์ ใดๆทีมี การจัดเก็บ (Save) มาก่อนหน้า Minitab จะแสดงลักษณะการจัดวาง
หน้าต่างเหมื อนกับทีจัดเก็ บไว้ก่อนจัดเก็บ (Save)
หน้ า 3
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 4
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
Minitab จะแสดงจํานวนทศนิยมใหม่ตามทีเรากําหนด
หน้ า 5
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
นอกจากนีในโปรเจกต์ยงั มีส่วนประกอบต่างๆอีกหลายส่วนสามารถศึกษาเพิมเติมได้ ที
Minitab>Help
หน้ า 6
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 7
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 8
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 9
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
การนําข้ อมูลเข้ าโดยใช้ Query Database (ODBC: Open Database Connectivity) Minitab
สามารถทีจะเปิ ดโปรแกรมจากไฟล์ฐานข้ อมูลได้ หลากหลาย เช่น Microsoft Access, SQL เป็ นต้ น โดย
อาศัย ODBC ซึงเป็ นเหมือนสะพานเชือมไปยังฐานข้ อมูล ในบางครังต้ องทําการติดตังไดรเวอร์ เพิมเติมหาก
ในระบบวินโดวส์ของเราไม่มี (ซึงแต่ละเครืองจะไม่เหมือนกัน) หรืออาจจะต้ องมีรหัสผ่านทีผู้ดแู ลระบบฐาน
ข้ อมูลป้องกันไว้
สําหรับกรณีจดั เก็บข้ อมูลในรูปแบบของเอ็กเซลไฟล์ นอกจากการเปิ ดด้ วย Open Files แล้ วยัง
สามารถเปิ ดด้ วย Query Database ODBC ได้ เช่นกัน โดยทําตามขันตอนต่อไปนี
1. ไปยังเมนู File>Query Database(ODBC)
Minitab 18
หน้ า 10
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
Column ใน Excel
หน้ า 11
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
ข้อสังเกต : การเปิ ดโดยใช้ ODBC จะเหมาะกับกรณี ทีต้องการเปิ ดหรื อนําข้อมูลจากแหล่งทีมี ลกั ษณะการเก็ บ
ข้อมูลแบบ Database เช่น MSExcel , MSAccess หรื อ SQL ในขณะทีข้อมูลทีเก็บในลักษณะ Database จะไม่สามารถ
เปิ ดด้วย File>Open เช่น Text , CSV หรื อ Dat File เป็ นต้น แต่สําหรับกรณี Excel สามารถเปิ ดหรื อนําเข้าข้อมูลได้ 2 แบบ
ข้ อมูลในเวิร์คชีท
เมือเราได้ ข้อมูลในเวิร์คชีทแล้ ว Minitab จะเก็บข้ อมูลเป็ นลักษณะคอลัมน์โดยมีชือเรียก C ตามด้ วย
ดัชนีคอลัมน์ C1 C2 C3 …. ในแต่ละคอลัมน์คือตัวแปรเก็บข้ อมูล เราสามารถตังชือคอลัมน์ได้ แต่ไม่
สามารถใช้ ชือคอลัมน์ ซํากันได้
ข้ อมูลในคอลัมน์ ใน Minitab สามารถเป็ นได้ 3 รูปแบบคือ ตัวเลข (Numeric), ตัวอักษร (Text) ซึง
จะมีสญ
ั ลักษณ์ –T และ วันทีและเวลา (Date/Time) ซึงมีสญ ั ลักษณ์ –D แสดงดังภาพ
หน้ า 12
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
ชือ
คอลัมน์
เมือเราทราบแล้ วว่า Minitab มีลกั ษณะการเก็บข้ อมูลเป็ นตัวแปรคอลัมน์ เวลาใช้ งาน Minitab จะ
ถือว่าทีแถวเดียวกันจะเป็ นรายการเดียวกัน จากภาพข้ างใต้ เป็ นตัวอย่างเวิร์คชีททีเก็บข้ อมูล 3 คอลัมน์ ที
รายการหรือแถวที 17 แสดงความหมายว่า ชินงาน (Part) หมายเลข 6 มีค่าวัด (Response) เท่ากับ -0.11
โดยพนักงาน (Operator) A เป็ นคนวัด
หน้ า 13
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
เมือคุณคลิกทีช่อง
Variables: กรอบทาง
ด้ านซ้ ายจะแสดงคอลัมน์
ในเวิร์คชีททีสามารถ
เลือกใช้ ได้
การเลือกคอลัมน์คลิก
คอลัมน์ทีต้ องการคลิกปุ่ ม
Select หรือดับเบิลคลิก
คอลัมน์ทีต้ องการ
หน้ า 14
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 15
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หน้ า 16
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
ภาพรวมการวิเคราะห์ ทางสถิติ
ในการวิเคราะห์ทางด้ านสถิติมหี ลากหลายวิธีการวิเคราะห์โดย Minitab มีความสามารถในการ
วิเคราะห์ทางด้ านสถิติมากมาย โดยส่วนใหญ่จะเริมจากประเภทข้ อมูลทีคุณต้ องการจะวิเคราะห์ว่าเป็ น
ข้ อมูลวัด (Variable) หรือข้ อมูลนับ (Attribute) แล้ วถึงเลือกคําสังในการวิเคราะห์ ในเบืองต้ นเราจะใช้ คําสัง
Descriptive Statistics ในการหาค่าตัวสถิติหรือค่าพารามิเตอร์ ทีสนใจและเมือต้ องการทดสอบสมมติฐาน
ทางสถิติแนวทางการเลือกคําสังวิเคราะห์เขียนเป็ นแนวทางได้ ดงั ภาพข้ างใต้
หน้ า 17
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 18
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
มีทงหมด
ั วิธี ในการหาช่วงความเชือมัน และการทดสอบสมมติฐานของค่าเฉลีย และค่าเฉลียของ
กลุม่ ประชากร จะต้ องมีพืนฐานว่าสิงตัวอย่างต้ องมีการแจกแจงแบบปกติ และภายใต้ ทฤษฎีแนวโน้ มสู่
ศูนย์กลาง (Central limit theorem) ทีว่าค่าเฉลียสิงตัวอย่างทีมีการแจกแจงแบบใดๆจะสามารถประมาณ
ให้ เป็ นการแจกแจงแบบปกติได้ ดีขนึ เมือจํานวนสิงตัวอย่างเพิมขึน
1-Sample Z เป็ นการคํานวณช่วงความเชือมันหรือการทดสอบสมมติฐานของค่าเฉลียเมือทราบ
ค่าความเบียงเบนมาตรฐานของประชากร เนืองด้ วยวิธีการนีมีพืนฐานจากการใช้ ข้อมูลทีมี
การแจกแจงแบบปกติ ดังนันเมือสิงตัวอย่างมีจํานวนน้ อยและมาจากประชากรทีมีการแจกแจง
แบบปกติ หรือมีการแจกแจงเข้ าใกล้ การแจกแจงแบบปกติ วิธีนีดีทีสุด จากทฤษฎีแนวโน้ มสู่
ศูนย์กลาง (Central Limit Theorem) วิธีการนียังสามารถใช้ ได้ กบั กรณีสงตั
ิ วอย่างทีมีขนาด
จํานวนสีงตัวอย่างขนาดใหญ่ แล้ วใช้ ค่าความเบียงเบนมาตรฐานสิงตัวอย่างแทน ซึงโดยทัวไป
เมือขนาดสิงตัวอย่างเท่ากับ หรือมากกว่าถือว่าเป็ นขนาดสิงตัวอย่างขนาดใหญ่ และ
นักวิเคราะห์ สว่ นใหญ่มักจะเลือกใช้ การทดสอบ t แทนการทดสอบ Z เมือไม่ร้ ูค่า
1- Sample t เป็ นการคํานวณช่วงความเชือมันหรือการทดสอบสมมติฐานของค่าเฉลียเมือไม่
ทราบค่าความเบียงเบนมาตรฐานของประชากร เนืองด้ วยวิธีการนีมีพืนฐานจากการใช้ ข้อมูล
ทีมีการแจกแจงแบบ t ซึงมีรากฐานมาจากการแจกแจงแบบปกติทีไม่ทราบค่าเบียงเบน
มาตราฐานประชากร ดังนันเมือสิงตัวอย่างมีจํานวนน้ อยและมาจากประชากรทีมีการแจกแจง
แบบปกติ หรือมีการแจกแจงเข้ าใกล้ การแจกแจงแบบปกติ วิธีนีดีทีสุด
หน้ า 19
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 20
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 21
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 22
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 23
บทที 1 ภาพรวมการวิเคราะห์ทางสถิติ
หน้ า 24
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
80
40
70
Frequency
60
Frequency
30
50
20 40
30
10 20
10
0 0
-0.4 0.0 0.4 0.8 1.2 1.6 2.0 2.4 0 1 2 3 4 5 6 7
C2 C1
Worksheet: Worksheet 1 Worksheet: Worksheet 1
หน้ า 25
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
หน้ า 26
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
60
50
40
Time
35
30
20
10
0
H1 H2
Hospital
Worksheet: Worksheet 2
หน้ า 27
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
Distribution Plot
Normal, Mean=35, StDev=5
-2 -1 0 +1 +2
0.09
0.08
0.07
0.06
Density
0.05
0.04
0.03
0.02
0.01
0.02275 0.02275
0.00
25 35 45
X
Worksheet: Worksheet 2
หน้ า 28
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
0.3
Density
0.2
0.1
0.0
40 45 50 55 60
X
Worksheet: Worksheet 2
หน้ า 29
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
หน้ า 30
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
ค่ามัธยฐาน (median)
คือค่าตรงกลางขงชุดข้ อมูล ซึงแสดงว่ามีข้อมูลจํานวนครึงหนึงมีค่าน้ อยกว่า และ ข้ อมูลอีกครึงหนึง
มีค่ามากกว่า ค่ามัธยฐานตัวนี
2 5 6 20 50
ถ้ าชุดข้ อมูลเป็ นจํานวนเลขคี ค่ามัธยฐานสามารถหาได้ โดยง่าย ซึงเท่ากับค่าตรงกลางของชุดข้ อมูล
เช่น จากชุดข้ อมูลนี คือ 6 ซึงมีข้อมูล 2 ตัวทีมีค่าน้ อยกว่า และข้ อมูลอีก 2 ตัวทีมีค่ามากกว่า
2 5 6 12 20 50
ถ้ าชุดข้ อมูลเป็ นจํานวนเลขคู่ ค่ามัธยฐานหาได้ จากค่าเฉลียของข้ อมูล 2 ตัวตรงกลางของชุดข้ อมูล
เช่นจากตัวอย่างค่ามัธยฐานคือ ค่า 6 และ 12 ซึงทําให้ ค่ามัธยฐานเท่ากับ 9 เมือเปรียบเทียบกับค่าเฉลีย
ค่ามัธยฐานจะไม่ไวต่อข้ อมูลทีมีค่าผิดปกติ (มากเกินไป หรือ น้ อยเกินไป) ซีงทําให้ สาระข้ อมูลเรืองค่ากลาง
และความเบ้ ของข้ อมูลได้ ดีกว่า ตัวอย่างเช่น ค่าเฉลียอาจจะเป็ นตัวสถิติทีไม่ดีในการอธิบายเรืองเงินเดือน
ของพนักงานในบริษัท เนืองจากว่าสัดส่วนของเงินเดือนสูงในชุดข้ อมูล จะถ่วงนําหนักกับค่าเฉลียทังหมด
ทําให้ ได้ เงินเดือนของบริษัทไม่ตรงกับความเป็ นจริ ง ในกรณีนีค่ามัธยฐานจะให้ สาระข้ อมูลได้ ดีกว่า ซึงหาได้
จาก ควอไทล์ทีสอง หรือ เปอร์ เซ็นต์ไทล์ที 50
ค่าฐานนิยม (Mode) คือค่าข้ อมูลทีมีการเกิดมากทีสุดในชุดข้ อมูลนันๆ ค่าฐานนิยมอาจจะนํามาใช้
ร่วมกับค่าเฉลีย และค่ามัธยฐานเพืออธิบายลักษณะการแจกแจงของข้ อมูล ค่าเฉลียและค่ามัธยฐานจะต้ อง
มีการคํานวณ ค่าฐานนิยมสามารถหาได้ ง่ายโดยการนับจํานวนในการเกิดของข้ อมูลในชุดนัน
การหาค่าฐานนิยมช่วยทําให้ คณ
ุ เข้ าใจลักษณะการแจกแจงของข้ อมูลได้ ดียิงขึน
หน้ า 31
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
การแจกแจงแบบยอดเดียว (Unimodal)
หน้ า 32
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
Histogram of C1
Trimmed Mean = 35.14 Mean = 35.31
25
20
Frequency
15
10
0
25 30 35 40 45 50 55 60
C1
Worksheet: Worksheet 1
หน้ า 33
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
หน้ า 34
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
80 80
Percent
Count
60 60
40 40
20 20
0 0
Defects
sh
e
re
re
re
r
t
ou
l le
he
ti o
c
an
i lu
i lu
i lu
ni
Ot
ro
e-
le
ria
fa
fa
fa
en
nt
at
ep
va
m
p
co
Pl
ain
m
tr
ar
n
pu
pu
en
en
m
io
Al
at
yg
ag
ng
c.
r.
tr
Re
Pa
Ox
Re
bi
en
Tu
nc
Co
Count 36 16 14 9 6 5 5 5 4
Percent 36.0 16.0 14.0 9.0 6.0 5.0 5.0 5.0 4.0
Cum % 36.0 52.0 66.0 75.0 81.0 86.0 91.0 96.0 100.0
Worksheet: bar-pie-parato
จากซ้ ายไปขวา จํานวนแท่งข้ อมูล 9 แท่ง จากพาเรโต ซึงมีค่า 36, 16, 15, 9, 6, 5, 5, 5 และ 4 ใน
ภาพเส้ นสีแดงคือตําแหน่งค่าเปอร์ เซ็นต์สะสมทีตําแหน่งแท่งข้ อมูลแต่ะลจุด คือ 36%, 52%, 66%,
75%,81%,86%, 91%, 96% และ 100%
ค่าผลรวมกําลังสอง (Sum of Squares) ทําการยกกําลังสองข้ อมูลทีละตัวในแต่ละคอลัมน์ และรวม
ค่าทังหมด ถ้ าคอลัมน์นงมีั ตวั เลขคือ x1, x2, ……,xn ค่าผลรวมกําลังสองคือ x12 + x22 +……+ xn2 ซึงค่านี
จะรวมค่าความผิดพลาด (error)ไว้ ด้วยเพราะว่าไม่ได้ มีการลบค่าเฉลียออกก่อนทีจะนําไปยกกําลังสองแล้ ว
รวมกัน
ความเบ้ (Skewness) เป็ นตัวบ่งบอกความสมมาตรของข้ อมูล ซึงช่วยให้ คุณสามารถทําความเข้ าใจ
เบืองต้ นเกียวกับข้ อมูลของคุณได้ ค่าความเบ้ สามารถประเมินได้ โดยดูจากกราฟ (คล้ ายกับ ฮีสโตแกรม)
หรือ ตัวสถิติความเบ้ (skewness)
หน้ า 35
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
การแจกแจงทีสมมาตรหรือไม่เบ้
Histogram of Data
60
50
40
Frequency
30
20
10
0
46.8 48.0 49.2 50.4 51.6 52.8
Data
Worksheet: Worksheet 1
หน้ า 36
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
Histogram of Data
60
50
40
Frequency
30
20
10
0
0.00 0.75 1.50 2.25 3.00 3.75 4.50 5.25
Data
Worksheet: Worksheet 1
Histogram of Data
50
40
Frequency
30
20
10
0
69 72 75 78 81 84
Data
Worksheet: Worksheet 1
หน้ า 37
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
Histogram of Data
40
30
Frequency
20
10
0
42 45 48 51 54 57
Data
Worksheet: Worksheet 2
หน้ า 38
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
Histogram of Data
160
140
120
100
Frequency
80
60
40
20
0
48.0 48.8 49.6 50.4 51.2 52.0
Data
Worksheet: Worksheet 2
Histogram of Data
180
160
140
120
Frequency
100
80
60
40
20
0
48.0 48.8 49.6 50.4 51.2 52.0
Data
Worksheet: Worksheet 2
หน้ า 39
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
ปริมาตรบรรจุจากหลอดวัคซีน(มล.) 12 หลอด ดังนี 0.50, 0.48, 0.49, 0.50, 0.505, 0.50, 0.49,
0.498, 0.50, 0.479, 0.49 และ 0.51
∑( − )
= = 0.00008
2( − 1)
หน้ า 40
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
80 80
70 70
Frequency 60 60
Frequency
50 50
40 40
30 30
20 20
10 10
0 0
31.5 36.0 40.5 45. 0 49.5 54. 0 58.5 63.0 31.5 36.0 40.5 45.0 49.5 54.0
Data Data
Worksheet : Worksheet 3 Worksheet: Worksheet 3
15
40
Frequency
Frequency
30
10
20
5
10
0 0
0.00 0.75 1.50 2.25 3.00 3.75 4. 50 5.25 200 240 280 320 360 400 440 480
Data Data
Worksheet : Worksheet 3 Worksheet: Worksheet 3
1200
1100
1000
Life
900
800
700
A B
Manufacturer
Worksheet: stackdata
หน้ า 41
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
หน้ า 42
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
หน้ า 43
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
3. คลิก OK
ผลลัพธ์
หน้ า 44
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
ผลกราฟ
Individual Value Plot of Life vs Manufacturer
1300
1200
1100
1000
Life
900
800
700
A B
Manufacturer
Worksheet: stackdata
8 StDev 96.90
N 40
6
0
700 800 900 1000 1100 1200
Life
Panel variable: Manufacturer
Worksheet: stackdata
Boxplot of Life
1300
1200
1100
1000
Life
900
800
700
A B
Manufacturer
Worksheet: stackdata
หน้ า 45
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
การแปลผล
ค่าเฉลียทีคํานวณได้ และจาก boxplot แสดงให้ เห็นว่าอายุใช้ งานหลอดไฟจากผู้ผลิต B ยาวนาน
กว่าผู้ผลิต A ประมาณ 110 ชัวโมง แต่การกระจายของอายุการใช้ งานหลอดไฟของผู้ผลิต B มากกว่าของ
ผู้ผลิต A
กราฟ Individual plot และ Histogram ไม่แสดงสิงผิดปกติ มีการกระจายตัวสมําเสมอ
กราฟ Boxplot พบว่ามีจดุ * จากข้ อมูลผู้ผลิต A ทีมีค่าอายุการใช้ งานตําผิดปกติอยู่ 1 จุด ตรวจดู
ค่ามัธยฐานของกราฟอยู่ตรงกลางไม่พบมีลกั ษณะเบ้ ไปทางซ้ ายหรือทางขวา
เราสามารถใช้ คําสัง Brush บนกราฟเพือเรียกดูค่าในเวิร์คชีทดังภาพ โดยคลิกเม้ าส์ปมขวาบนกราฟ
ุ่
จากนันเลือกคําสัง Brush
หน้ า 46
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
3. คลิก OK
หน้ า 47
บทที 2 สถิติเชิงพรรณา (Descriptive Statistics)
ผลกราฟ
Summary Report for ServiceTime
Anderson-Darling Normality Test
A-Squared 0.17
P-Value 0.921
Mean 19.784
StDev 3.093
Variance 9.565
Skewness -0.042738
Kurtosis -0.504565
N 50
Minimum 13.300
1st Quartile 17.800
Median 20.000
3rd Quartile 21.825
Maximum 26.000
95% Confidence Interval for Mean
15 18 21 24 18.905 20.663
95% Confidence Interval for Median
18.669 21.033
95% Confidence Interval for StDev
2.584 3.854
Mean
Median
การแปลผล
ค่าเฉลียของเวลาในการให้ บริการ คือ 19.784 นาที, ค่าเบียงเบนมาตรฐานคือ 3.093 นาทีและ 95%
ช่วงความเชือมันคือ 18.905 และ 20.663
ถ้ าใช้ ค่าระดับนัยสําคัญเท่ากับ 0.05 จะได้ ค่า Anderson-Darling ทีใช้ ในการทดสอบเรืองการแจก
แจงแบบปกติ ได้ ค่า A-Squared = 0.17, P-Value = 0.921 ซึงชีให้ เห็นว่า เวลาในการให้ บริการลูกค้ ามีการ
แจกแจงเป็ นแบบปกติ (Normal Distribution) สําหรับคําอธิบายเพิมเติมเรืองการทดสอบการแจกแจง
สามารถศึกษาเพิมเติมได้ ในบทที 7 เรืองการทดสอบการแจกแจง
หน้ า 48
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
425
400
Y
375
350
0 อธิบายลักษณะความสัมพันธ์ แบบไม่มีรูปแบบ
Scatterplot of X,Y
3000
2500
2000
Y
1500
1000
500
หน้ า 49
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
120
110
100
Y
90
80
70
70 80 90 100 110 120 130
Y
Worksheet: scatter
หน้ า 50
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
440
420
400
380
Y
360
340
320
300
2000 2500 3000 3500 4000 4500 5000
X
Worksheet: NozzleTemp
120
110
100
Y
90
80
70
70 80 90 100 110 120 130
Y
Worksheet: scatter
หน้ า 51
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
440
2500
420
400 2000
Y
Y
380
1500
360
340 1000
320
500
300
2000 2500 3000 3500 4000 4500 5000 400 500 600 700 800
X X
Worksheet : NozzleT emp Worksheet : Correlation-RepairTime
หน้ า 52
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
ความแปรปรวนร่ วม (Covariance)
เป็ นตัววัดความสัมพันธ์ เชิงเส้ นตรงระหว่างตัวแปรสองตัว ค่าความแปรปรวนร่วมไม่ใช่ตวั วัด
มาตรฐานเหมือนกับค่าสัมประสิทธิ สหสัมพันธ์ ดังนัน ค่าความแปรปรวนร่วมจะมีค่าจากลบInfinity จนถึง
ค่าบวก infinity ค่าความแปรปรวนร่วมทีเป็ นบวกจะบอกว่าค่าทีอยู่เหนือค่าเฉลียของตัวแปรหนึง สอดคล้ อง
กับค่าทีอยู่เหนือค่าเฉลียของอีกตัวแปรหนึงและค่าทีอยู่ใต้ ค่าเฉลียในลักษณะเดียวกัน ส่วนค่าความ
แปรปรวนร่วมทีเป็ นค่าลบจะบอกว่า ค่าทีอยู่เหนือค่าเฉลียของตัวแปรหนึง สอดคล้ องกับค่าทีอยู่ใต้ ค่าเฉลีย
ของอีกตัวแปรหนึง ตัวอย่างเช่น ความแปรปรวนร่ วมคํานวณจากผลรวมของค่าทีเบียงเบนของข้ อมูลจาก
ค่าเฉลีย หารด้ วย n-1
ค่าสัมประสิทธิ สหสัมพันธ์ คือ ค่าความแปรปรวนร่วมหารด้ วยผลคูณของค่าเบียงเบนมาตรฐานของ
ตัวแปรแต่ละตัว คุณสามารถคํานวณความแปรปรวนร่ วมของทุกคู่ข้อมูลทีอยู่ในคอลัมน์ เช่นกันกับค่า
สัมประสิทธิ สหสัมพันธ์ เพียร์ สนั ความแปรปรวนร่ วมคือตัววัดความสัมพันธ์ ระหว่างตัวแปรสองตัว แต่
อย่างไรก็ดีความแปรปรวนร่วมไม่ใช่ตวั วัดมาตรฐานเหมือนกับค่าสัมประสิทธิ สหสัมพันธ์ การปรับค่า
สัมประสิทธิ สหสัมพันธ์ จะนําไปหารด้ วยค่าเบียงเบนมาตรฐานของตัวแปรทังสองตัว
หน้ า 53
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
3. คลิก OK
ผลกราฟ
Scatterplot of Repair Cost vs Repair Time
3000
2500
Repair Cost
2000
1500
1000
500
หน้ า 54
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
กราฟแผนภาพการกระจายไม่แสดงความสัมพันธ์ ทีชัดเจน
ทําการวิเคราะห์เพือหาค่าสหสัมพันธ์
4. ไปยังเมนู Stat > Basic Statistics > Correlation
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
6. คลิก OK
ผลลัพธ์
การแปลผล
ค่าสหสัมพันธ์ ของเพียร์ สนั ระหว่าง Repair Cost กับ Repair Time คือ -0.383 ค่า P-values ของ
การทดสอบสหสัมพันธ์ มีค่า 0.000 สรุปได้ ว่าทีระดับนัยสําคัญ (α = 0.05) ค่าสหสัมพันธ์ ไม่เท่ากับศูนย์
แสดงว่าระหว่าง Repair Cost กับ Repair Time มีความสัมพันธ์ เชิงลบโดยมีระดับความสัมพันธ์ กนั 38%
แต่ถ้าดูจากกราฟแผนภาพการกระจายและค่าสหสัมพันธ์ ทีได้ แสดงให้ เห็นว่าระดับความสัมพันธ์ ยงั มีระดับ
น้ อยไม่สามารถนําไปทํานายค่าใดๆได้ ดีเพียงพอ
หน้ า 55
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
3. คลิก OK
หน้ า 56
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
ผลกราฟ
Scatterplot of Viscosity vs Temperature
210
200
190
Viscosity
180
170
160
150
50 60 70 80 90
Temperature
Worksheet: Worksheet 1
6. คลิก OK
หน้ า 57
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
ผลลัพธ์
การแปลผล
ค่าสหสัมพันธ์ ของเพียร์ สนั ระหว่าง Viscosity กับ Temperature คือ -0.813 ค่า P-values ของการ
ทดสอบสหสัมพันธ์ มีค่า 0.000 สรุปได้ ว่าทีระดับนัยสําคัญ (α=0.05) ค่าสหสัมพันธ์ ไม่เท่ากับศูนย์ แสดงว่า
ระหว่าง Viscosity กับ Temperature มีความสัมพันธ์ เชิงลบโดยมีระดับความสัมพันธ์ กนั 81.3%
เนืองจากเป็ นการศึกษาเชิงเส้ นตรง คุณสามารถคลิกเม้ าส์ปมขวาที
ุ่ กราฟเพือเพิมเส้ นสมการลงบน
กราฟให้ ทําการเลือก Add>Regression Fit จากนันเลือก Model Order เป็ นแบบ Linear และคลิก OK
หน้ า 58
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
ผลกราฟ
การแปลผล
เมือเราเพิมเส้ นสมการเส้ นตรง ถ้ าเราเลือนเม้ าส์ไปบนเส้ นสมการ Minitab จะโชว์รายละเอียด
สมการ และค่า R-Sq = 66.1% ซึงเป็ นค่าความสามารถของตัวแปร Temperature ในการทํานายหรือ
อธิบายตัวแปร Viscosity ซึงสามารถศึกษาเพิมเติมได้ ในหัวเรือง Regression
ในกรณีทีเราต้ องการวิเคราะห์เพิมเติมถึงสมการเส้ นโค้ งกําลังสอง (Quadratic) คุณสามารถคลิก
เม้ าส์ปมขวาที
ุ่ กราฟเพือเพิมเส้ นสมการลงบนกราฟให้ ทําการเลือก Add>Regression Fit จากนันเลือก
Model Order เป็ นแบบ Quadratic และคลิก OK
หน้ า 59
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
หน้ า 60
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
3. คลิก OK
ผลกราฟ
Scatterplot of Expense vs Ages
18000
16000
14000
12000
Expense
10000
8000
6000
4000
2000
0
20 30 40 50 60 70
Ages
Worksheet: Worksheet 1
หน้ า 61
บทที 3 การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
6. คลิก OK
ผลลัพธ์
แปลผล
ค่าสหสัมพันธ์ ของเพียร์ สนั ระหว่าง Ages กับ Expense คือ 0.645 ค่า P-values ของการทดสอบ
สหสัมพันธ์ มีค่า 0.000 สรุ ปได้ ว่าทีระดับนัยสําคัญ (α=0.05) ค่าสหสัมพันธ์ ไม่เท่ากับศูนย์ แสดงว่าระหว่าง
อายุ (Ages) กับค่าใช้ จ่าย (Expense) มีความสัมพันธ์ เชิงบวกโดยมีระดับความสัมพันธ์ กนั 64.5%
หมายความว่าอายุมากขึนค่าใช้ จ่ายในการพักผ่อนจะเพิมขึนอธิบายความสัมพันธ์ ได้ 64.5%
หน้ า 62
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 63
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 64
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 65
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 66
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การทดสอบสมมติฐานแบบ 1-Sample Z
เพือคํานวณหาช่วงความเชือมัน หรือ ทดสอบสมมติฐานของค่าเฉลีย เมือค่าทราบค่า σ สําหรับการ
ทดสอบสองด้ านของ 1-Sample Z โดยสมมติฐานคือ
H0: μ = μ0
หน้ า 67
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
หน้ า 68
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลลัพธ์
การแปลผล
ค่า P-Value = 0.647 มากกว่าค่าระดับนัยสําคัญ (α=0.05) ทีกําหนดไว้ ซึงต้ องยอมรับสมมติฐาน
หลัก H0 แสดงว่าไม่สามารถสรุปได้ ว่าค่าเฉลียนําหนักไฟเบอร์ น้อยกว่า 90 กรัม
ผลกราฟ
Histogram of weight
(with Ho and 95% Z-confidence interval for the Mean, and StDev = 2)
3.0
2.5
2.0
Frequency
1.5
1.0
0.5
0.0 _
X
Ho
-0.5
89.0 89.5 90.0 90.5 91.0 91.5
weight
หน้ า 69
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
_
X
Ho
Boxplot of weight
(with Ho and 95% Z-confidence interval for the Mean, and StDev = 2)
_
X
Ho
หน้ า 70
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การทดสอบสมมติฐานแบบ 1-Sample t
ทําการทดสอบ t-test สําหรับสิงตัวอย่างกลุม่ เดียวหรือช่วงความเชือมันของค่าเฉลียโดยใช้ การแจก
แจงแบบ t เราจะใช้ การทดสอบแบบ 1-Sample t ในการคํานวณช่วงความเชือมันและทําการทดสอบ
สมมติฐานค่าเฉลียสําหรับกรณีทีไม่ทราบค่าเบียงเบนมาตรฐานของประชากร σ
เพือคํานวณหาช่วงความเชือมันหรือทดสอบสมมติฐานของค่าเฉลีย โดยสมมติฐานคือ
H0: μ = μ0
หน้ า 71
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
ผลลัพธ์
หน้ า 72
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การแปลผล
ค่า P-Value = 0.000 น้ อยกว่าค่าระดับนัยสําคัญ (α=0.05) ทีกําหนดไว้ ซึงต้ องปฏิเสธสมมติฐาน
หลัก H0 แสดงว่า เวลาในการรอโดยเฉลียของลูกค้ าน้ อยกว่า 8 นาทีอย่างมีนยั สําคัญทางสถิติ
ผลกราฟทีได้ จะเห็นได้ ว่าค่าทีตังสมมติฐานไว้ (H0 จุดแดงบนกราฟ) ไม่อยู่บนเล้ นหรือมากกว่า 95%
ช่วงความเชือมันด้ านบน (Upper Bound) คือ 6.469 ซึงคุณต้ องปฏิเสธสมมติฐานหลัก
ผลกราฟ
Histogram of Times
(with Ho and 95% t-confidence interval for the mean)
8
5
Frequency
0 _
X
-1 Ho
2 4 6 8 10
Times
_
X
Ho
0 2 4 6 8 10 12
Times
หน้ า 73
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
Boxplot of Times
(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
0 2 4 6 8 10 12
Times
หน้ า 74
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
ผลลัพธ์
การแปลผล
ค่า P-Value = 0.005 น้ อยกว่าค่าระดับนัยสําคัญ (α=0.05) ทีกําหนดไว้ ซึงต้ องปฏิเสธสมมติฐาน
หลัก H0 แสดงว่าปริมาตรบรรจุเฉลียไม่เท่ากับ 16 ออนซ์อย่างมีนยั สําคัญทางสถิติ
หน้ า 75
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลกราฟ
Histogram of Weight
(with Ho and 95% t-confidence interval for the mean)
3.0
2.5
Frequency 2.0
1.5
1.0
0.5
0.0 _
X
Ho
-0.5
15.99 16.00 16.01 16.02 16.03 16.04 16.05
Weight
_
X
Ho
Boxplot of Weight
(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
หน้ า 76
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 77
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 78
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
ผลลัพธ์
แปลผล
จากผลลัพธ์ ทีได้ แสดงว่าจํานวนตัวอย่างทดสอบ 10 มีความสามารถ 89.87% ในการทดสอบขนาด
ความแตกต่าง 0.025 ดังนันแสดงว่าจํานวนตัวอย่างทดสอบ 10 นันเหมาะสมเพราะมีความสามารถ
เพียงพอมากกว่า 80% ทีวิศวกรตังไว้
หน้ า 79
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การทดสอบสมมติฐานแบบ 2-Sample t
ในกรณีทีสิงตัวอย่างเป็ นอิสระต่อกันใช้ 2-sample t ในการทดสอบและสร้ างช่วงความเชือมัน ส่วน
ในกรณีทีสิงตัวอย่างทีขึนต่อกัน (dependant sample)ที ใช้ Stat > Basic Statistics > Paired t ใช้ 2-
sample t ในการทดสอบสมมติฐานและคํานวณช่วงความเชือมันของค่าความแตกต่างของค่าเฉลีย
ประชากรสองกลุม่ เมือไม่ทราบค่าความเบียงเบนมาตรฐาน สําหรับการทดสอบ 2-sample t สองด้ าน
H0: μ1 − μ2 = δ0 versus H1: μ1 − μ2 ≠ δ0
หน้ า 80
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
หน้ า 81
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลลัพธ์
การแปลผล
เมือพิจาณาจากช่วงความเชือมัน 95% (-5.75, 11.95) ได้ รวมค่าศูนย์อยู่ด้วย และค่า P-Value =
0.471 มากกว่าค่าระดับนัยสําคัญ (α=0.05) ทีกําหนดไว้ ซึงไม่สามารถปฏิเสธสมมติฐานหลัก H0 ได้ แสดง
ว่ายังไม่สามารถสรุปได้ ว่าถ่านทังสองชนิดให้ เวลาในการเผาผลาญโดยเฉลียแตกต่างกัน
เนืองจากได้ กําหนด Assume equal variances ดังนัน Minitab จะแสดงค่า Both use Pooled
StDev = 9.42 (สําหรับการทดสอบความแปรปรวนของข้ อมูลสองชุดอธิบายไว้ ในบทที 6 เรืองการทดสอบ
สมมติฐานสําหรับค่าความแปรปรวน)
หน้ า 82
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลกราฟ
Individual Value Plot of Type1, Type2
85
80
75
Data
70
65
60
55
Type1 Type2
80
75
Data
70
65
60
55
Type1 Type2
เมือพิจารณาจากกราฟจะเห็นได้ ว่าค่าเฉลียของเวลาในการเผาผลาญของถ่านทังสองชนิดยังไม่
เห็นความแตกต่างอย่างเห็นได้ ชดั
หน้ า 83
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
หน้ า 84
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลลัพธ์
การแปลผล
เมือพิจาณาจากช่วงความเชือมัน 95% (-2.727, 0.739) ได้ รวมค่าศูนย์อยู่ด้วย และค่า P-Value =
0.258 มากกว่าค่าระดับนัยสําคัญ (α=0.05) ทีกําหนดไว้ ซึงไม่ปฏิเสธสมมติฐานหลัก H0 ได้ แสดงว่ายังไม่
สามารถสรุปได้ โปรแกรมลดนําหนักทังสองแบบมีผลต่อการลดนําหนักอย่างมีนัยสําคัญทางสถิติ
หน้ า 85
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลกราฟ
Individual Value Plot of Group 1, Group 2
20
15
10
Data
Group 1 Group 2
15
10
Data
Group 1 Group 2
เมือพิจารณาจากกราฟจะเห็นได้ ว่าค่าเฉลียผลต่างนําหนักก่อนและหลังยังไม่เห็นความแตกต่าง
อย่างเห็นได้ ชัด
หน้ า 86
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การทดสอบสมมติฐานแบบ Paired t
การใช้ การทดสอบ Paired t ซึงใช้ กบั การทดสอบความแตกต่างค่าเฉลียของสิงตัวอย่างทีเป็ นคู่ เมือ
ค่าแตกต่างของแต่ละคู่เป็ นการแจกแจงแบบปกติ
ใช้ คําสังใน Paired t เพือคํานวณหาช่วงความเชือมันและทดสอบสมมติฐานในการทดสอบค่าเฉลีย
ของค่าความแตกต่างของคู่ค่าสังเกต การทดสอบแบบ paired t จะเหมาะกับค่าตอบสนองทีมีลกั ษณะไม่
เป็ นอิสระต่อกัน (dependent) หรือเป็ นแบบ pair wise ซึงการจับคู่จะทําให้ อธิบายความผันแปรระหว่างคู่
ข้ อมูลและให้ ความผิดพลาดทีน้ อยลง ซึงทําให้ เพิมความไว (sensitivity) ในการทดสอบสมมติฐานหรือการ
หาช่วงความเชือมัน ตัวอย่างโดยทัวไปของกรณีนีคือค่าการวัดทีทําเป็ นคู่ คือ ค่าวัดก่อนและหลัง
สําหรับการทดสอบแบบ Paired t
หน้ า 87
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
ผลลัพธ์
หน้ า 88
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
การแปลผล
ช่วงความเชือมัน 95% (2.427, 4.773) ของค่าเฉลียระหว่างคู่ค่าความแตกต่างระหว่างเวลากรอก
แบบฟอร์ มกระดาษกับออนไลน์จะไม่รวมค่าศูนย์ ซึงแปลความได้ ว่ามีความแตกต่างระหว่างวิธีการทังสอง
ในการกรอกแบบฟอร์ ม ค่า P-Value = 0.000 ทําให้ ต้องปฏิเสธสมมติฐานหลักแสดงว่าวิธีการกรอก
แบบฟอร์ มทังสองแบบแตกต่างกันอย่างมีนยั สําคัญทางสถิติ
ผลกราฟ
Histogram of Differences
(with Ho and 95% t-confidence interval for the mean)
20
15
Frequency
10
0 _
X
Ho
-10 -5 0 5 10 15
Differences
_
X
Ho
-10 -5 0 5 10 15 20
Differences
หน้ า 89
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
Boxplot of Differences
(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
-10 -5 0 5 10 15 20
Differences
หน้ า 90
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
3. คลิก OK
หน้ า 91
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
ผลลัพธ์
การแปลผล
ช่วงความเชือมัน 95% (-0.2091, 0.0591) ของค่าเฉลียระหว่างคู่ค่าความแตกต่างระหว่างอัตราการ
สึกหรอของวัสดุทงสองชนิ
ั ดรวมค่าศูนย์อยู่ด้วย และค่า P-Value = 0.252 แสดงว่ายังไม่สามารถปฏิเสธ
สมมติฐานหลักได้ แสดงว่าวัสดุทํารองเท้ าทังสองชนิดไม่แตกต่างกัน และเมือดูจากกราฟจะเห็นได้ ว่าค่า
ศูนย์ทีตังสมมติฐานไว้ (H0 จุดแดงบนกราฟ) อยู่ในช่วงความเชือมัน
ผลกราฟ
Histogram of Differences
(with Ho and 95% t-confidence interval for the mean)
3
Frequency
0 _
X
Ho
-0.4 -0.2 0.0 0.2
Differences
หน้ า 92
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
_
X
Ho
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Differences
Boxplot of Differences
(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Differences
หน้ า 93
บทที 4 การทดสอบสมมติฐานสําหรับค่าเฉลีย (Hypothesis Testing for Mean)
หน้ า 94
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
หน้ า 95
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
หน้ า 96
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
หน้ า 97
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การทดสอบสมมติฐานแบบ 1-Proportion
เพือใช้ ในการทําการทดสอบสัดส่วนไบโนเมียล (Binomial proportion) เราใช้ 1-Proportion test ใน
การคํานวณหาช่วงความเชือมัน และทําการทดสอบสมมติฐานของสัดส่วน
การทดสอบสมมติฐานจะทําการทดสอบว่าสัดส่วนของการเกิดเหตุการณ์นนเป็ ั นไปตามเป้าหมาย
หรือไม่ วิธีการทดสอบนีจะมีสมมติฐานหลักคือ สัดส่วนประชากร (Population proportion, p) จะเท่ากับค่า
ตามเป้าหมายในสมมติฐานหรือไม่ (H0: p =p0) สมมติฐานหลักคือ H0: p =p0 ส่วนสมมติฐานทางเลือก
อาจจะเป็ นด้ านเดียว ด้ านซ้ าย คือ p < p0 หรือ ด้ านขวา p > p0 หรือสองด้ าน p ≠ p0 ตัวอย่างทีข้ อมูลมี
ลักษณะเป็ นสัดส่วนได้ แก่
สัดส่วนของถัวด้ านในกระปุกถัวลิสงอบแห้ ง
สัดส่วนของผู้ลงคะแนนให้ กบั ผู้สมัคร A ในการเลือกตัง
สัดส่วนของสินค้ าทีผ่านการทดสอบความปลอดภัย
สมมติว่าคุณเป็ นผู้จดั การแผนกรับประกันสินค้ าของบริษัทผลิตโทรทัศน์หนึง ซึงคุณต้ องการจะรู้ว่า
โทรทัศน์ทีคุณผลิตนีมีสดั ส่วนของเสียน้ อยกว่าของอุตสาหกรรมประเภทเดียวกันทีมีสดั ส่วนของเสียที 0.045
หรือไม่ คุณทําการสุ่มสิงตัวอย่างมาจํานวน 1000 เครืองและพบว่ามีของเสีย 30 เครือง หรือเท่ากับมีสดั ส่วน
คือ 0.03 จากนันใช้ การทดสอบสัดส่วนด้ านเดียวซึงมีสมมติฐานดังนี
H0: p = 0.045
H1: p < 0.045
การทดสอบภายใต้ การประมาณค่าว่าประชากรมีความใกล้ เคียงการแจกแจงแบบปกติ (Normal
Approximation) ซึงจะมีความเทียงตรงในกรณีทีขนาดสิงตัวอย่างมากกว่า 5 หรือความแตกต่างระหว่าง
จํานวนเหตุการณ์ทเกิ
ี ดขึนกับเหตุการณ์ทงหมดมากกว่
ั า 5 ส่วนการทดสอบ Fisher's exact จะเหมาะกับ
ทุกกรณีโดยหากต้ องการเปลียนสามารถเลือกไปที Option
หน้ า 98
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
หน้ า 99
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
ผลลัพธ์
หน้ า 100
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การแปลผล
ค่า P-Value ทีได้ เท่ากับ 0.017 ซึงมีค่าน้ อยกว่าค่าระดับนัยสําคัญ (=0.05) ดังนันเราต้ องปฏิเสธ
สมมติฐาน (H0) และต้ องยอมรับ H1 แสดงว่าสัดส่วนของเสียทีได้ มีค่าน้ อยกว่า 0.1 หรือจากโจทย์แสดงว่า
วิธีการทีได้ ทําการปรับปรุ งทําให้ สดั ส่วนของเสียทีได้ มีค่าลดลงหรือน้ อยกว่า 0.1
H : อัตราเทียวบินจอดตรงเวลา = 0.92
0
H : อัตราเทียวบินจอดตรงเวลา < 0.92
1
หน้ า 101
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
4. คลิก OK
ผลลัพธ์
การแปลผล
ค่า P-Value ทีได้ เท่ากับ 0.676 ซึงมีค่ามากกว่าค่าระดับนัยสําคัญ (=0.05) ดังนันจึงไม่สามารถ
ปฏิเสธสมมติฐาน (H0) ได้ แสดงว่าประสิทธิภาพการลงจอดได้ ตรงเวลายังไม่ลดลง
หน้ า 102
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การทดสอบสมมติฐานแบบ 2 Proportions
เพือทําการทดสอบสัดส่วนไบโนเมียลสองกลุม่ ประชากร (Two binomial proportions) เราใช้ คําสัง
2 Proportions เพือทําการคํานวณช่วงความเชือมันและการทดสอบสมมติฐานสําหรับค่าความแตกต่างของ
สัดส่วนประชากร 2 กลุม่
ตัวอย่างเช่น สมมติคณ ุ ต้ องการรู้ว่าสัดส่วนของลูกค้ าทีทําการคืนผลสํารวจจะเพิมขึนหรือไม่ถ้ามี
การแจกสินค้ าตัวอย่างเป็ นการตอบแทน ดังนันจึงทําการส่งสินค้ าตัวอย่างพร้ อมกับแบบสํารวจไปยัง
ครึงหนึงของจํานวนทีทําการส่งแบบสํารวจไปยังลูกค้ า และดูว่ามีผลตอบกลับมาอย่างไรเปรี ยบเทียบกับ
กลุม่ ทีไม่ได้ รับสินค้ าตัวอย่าง
สําหรับการทดสอบสองด้ านสมมติฐานคือ
H0: p1 - p2 = p0 กับ H1: p1 - p2 ≠ p0
เมือ p1 และ p2 คือ สัดส่วนของเหตุการณ์ทีสนใจในประชากรกลุ่มที 1 และ 2 ตามลําดับ และ p0
คือ ค่าความแตกต่างของสัดส่วนของสองประชากรตามทีตังเป้าหมายไว้ ในสมมติฐาน
หน้ า 103
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
หน้ า 104
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
ผลลัพธ์
การแปลผล
ค่า P-Value ทังสองวิธี = 0.343 และ 0.374 ซึงมากกว่าค่าระดับนัยสําคัญ (α =0.05) ทังคูด่ งั นัน
ข้ อมูลสนับสนุนสมมติฐานหลัก หมายความว่าสัดส่วนประชากรทังสองกลุม่ เท่ากัน หรือการตัดสินใจซือ
ประกันระหว่างช่วงเวลาปกติกบั ช่วงโปรโมชันมีสดั ส่วนไม่แตกต่างกัน
หน้ า 105
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
หน้ า 106
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
ผลลัพธ์
การแปลผล
ค่า P-value = 0.000 น้ อยกว่าค่าระดับนัยสําคัญ (α =0.05) ดังนันต้ องปฏิเสธสมมติฐานหลัก
แสดงว่ากระบวนการใหม่มีอตั ราของเสียแตกต่างจากกระบวนการปั จจุบนั อย่างมีนยั สําคัญทางสถิติ โดย
เฉลียแล้ วสัดส่วนของเสียแตกต่างกันอยู่ 0.25 หรือ 25% โดยกระบวนการปั จจุบนั มากกว่ากระบวนการใหม่
แสดงว่ากระบวนการใหม่สามารถลดของเสียลงได้ มากกว่า 8%
หน้ า 107
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การแปลผล
ค่า P-value = 0.000 น้ อยกว่าค่าระดับนัยสําคัญ (α =0.05) ดังนันต้ องปฏิเสธสมมติฐานหลัก
แสดงว่ากระบวนการใหม่มีอตั ราของเสียลดลงจากกระบวนการปั จจุบนั อย่างมีนัยสําคัญทางสถิติ โดยเฉลีย
แล้ วสัดส่วนของเสียลดลงถึง 0.25 หรือ 25% โดยกระบวนการปั จจุบนั มากกว่ากระบวนการใหม่แสดงว่า
กระบวนการใหม่สามารถลดของเสียลงได้ มากกว่า 8%
หน้ า 108
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
หน้ า 109
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
ผลลัพธ์
หน้ า 110
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การแปลผล
ค่า P-Value ของการทดสอบสมมติฐานคือ 0.000 ดังนันต้ องทําการปฏิเสธสมมติฐานหลักและ
สรุปว่าจํานวนอุบัติเหตุน้อยกว่า 20 และเมือทําการประมาณค่า 95% พิกดั บนของช่วงความเชือมันของ
อัตราการเกิดมีค่าเท่ากับ 15.9758 สรุปได้ ว่าจํานวนอุบัติเหตุต่อเดือนลดน้ อยลงว่าเดิมทีมี 20 ครังต่อเดือน
อย่างมีนยั สําคัญทางสถิติ
หน้ า 111
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
หน้ า 112
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
ผลลัพธ์
การแปลผล
ค่า P-Value = 0.000 ซึงน้ อยกว่าค่าระดับนัยสําคัญ (α=0.05) ดังนันจึงทําการปฏิเสธสมมติฐาน
หลักและสรุปว่ามีความแตกต่างกันระหว่างอัตราการเคลมต่อสัปดาห์ของทังรุ่นโทรศัพท์ โดยอัตราการเคลม
ต่อสัปดาห์ของโมเดล A จะน้ อยกว่าโดยประมาณ 3-4 รายต่อสัปดาห์
หน้ า 113
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
\
1. ไปยังเมนู Stat > Basic Statistics > 2-Sample Poisson Rate
2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี
หน้ า 114
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
3. คลิก OK
ผลลัพธ์
หน้ า 115
บทที 5 การทดสอบสมมติฐานสําหรับข้ อมูลนับ (Hypothesis testing for Attribute data)
การแปลผล
ค่า "Length" of observation คือ เดือน ซึงต้ องทําการหาว่าในแต่ละเดือนมีตําหนิเกิดขึนเท่าไหร่ แต่
เนืองจากทังสองบริษัท มีการนับตําหนิในช่วงเวลาต่างกัน การเปรี ยบเทียบตัวเลขเลยจึงไม่สามารถทําได้
ดังนันจึงต้ องมีการกําหนดค่า "length" ให้ กบั โปรแกรมเพือนําไปหาค่าเฉลียตําหนิต่อเดือนของแต่ละบริษัท
การทดสอบสมมติฐานจะทําการทดสอบว่าค่าความแตกต่างระหว่างอัตราการเกิดตําหนิต่อเดือนของบริษัท
ต่างกันอย่างมีนัยสําคัญหรือไม่ (statistically significant)
จากผลลัพธทีได้ จะมีสองส่วนคือจํานวนตําหนิเฉลียโดยบริษัท A อยู่ที 5.94167 ต่อเดือนและ
17.825 ต่อไตรมาส ส่วนบริษัท B อยู่ที 4.29167 ต่อเดือนและ 25.750 ต่อหกเดือน สําหรับส่วนการทดสอบ
สมมติฐานจะใช้ ส่วนทดสอบจํานวนตําหนิต่อเดือนเพือเปรียบเทียบในช่วง Length เดียวกัน ค่า P-Value =
0.000 ซึงน้ อยกว่าค่าระดับนัยสําคัญ (α=0.05) แสดงว่าเราต้ องปฏิเสธสมมติฐานสรุปได้ ว่าจํานวนตําหนิต่อ
เดือนของสองบริษัทนีแตกต่างอย่างมีนยั สําคัญทางสถิติ
หน้ า 116
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
H1: ≠
2 20
หน้ า 117
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
3. คลิก OK
ผลลัพธ์
หน้ า 118
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
แปลผล
ในการทดสอบอัตราส่วนค่าความเบียงเบนมาตรฐานขนาด 0.75 คุณต้ องใช้ จํานวนตัวอย่าง
ทดสอบ 42 เพือให้ ได้ ความสามารถในการทดสอบ 80% และจํานวนตัวอย่างทดสอบ 55 เพือให้ ได้
ความสามารถในการทดสอบ 90%
วิศวกรเลือกใช้ จํานวนตัวอย่างทดสอบ 50 เพือให้ ได้ ระดับความสามารถในการทดสอบอยู่ในช่วง
80-90% จากนันทําการเก็บข้ อมูลเพือทําการทดสอบ
3. คลิก OK
หน้ า 119
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
ผลลัพธ์
การแปลผล
ค่า P-Value จากการทดสอบสมมติฐานทังวิธี Chi-Square และ Bonett เท่ากับ .478 และ 0.443
ซึงจะเห็นว่าค่านีมีค่ามากกว่าระดับนัยสําคัญ (α=0.05) ทังคู่ และทําให้ สรุปว่าไม่สามารถปฏิเสธ
สมมติฐานและมีความหมายว่าค่าเบียงเบนมาตรฐานไม่ได้ น้อยกว่า 4 มิลลิกรัม ยังไม่สามารถพิจารณา
เปลียนแปลงระบบใหม่ได้
หน้ า 120
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
หน้ า 121
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
หน้ า 122
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
3. คลิก OK
ผลกราฟ
กรณีไม่ได้ เลือก Use test and confidence intervals based on normal distribution
Test and CI for Two Variances: Type1, Type2
Ratio = 1 vs Ratio ≠ 1
Type1
Type2
6 8 10 12 14 16
Type1
Type2
55 60 65 70 75 80 85
หน้ า 123
บทที 6 การทดสอบสมมติฐานสําหรับค่าความแปรปรวน (Variance Test)
F-Test
P-Value 0.876
Type1
Type2
Type1
Type2
55 60 65 70 75 80 85
การแปลผล
ในตัวอย่างนีค่า P-Value สําหรับวิธี Levene และ Bonett คือ 0.823 และ 0.879 และค่า P-Value
สําหรับ F-test คือ 0.876 ซึงมากกว่าค่าระดับนัยสําคัญ (α=0.05) ทังหมดทําให้ ไม่สามารถปฏิเสธ
สมมติฐานหลักทีว่าความแปรปรวนมีค่าเท่ากันได้ เพราะว่าข้ อมูลไม่สามารถให้ สาระได้ เพียงพอในการทีจะ
บอกว่าประชากรสองกลุม่ นีมีความแปรปรวนไม่เท่ากัน ดังนันให้ สมมติได้ ว่าความแปรปรวนมีค่าเท่ากัน
ขณะทีคุณทดสอบสมมติฐาน 2-Sample t ในตัวอย่าง 4-4
หน้ า 124
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
หน้ า 125
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
0.15
Density
0.10
0.05
0.00
48 50 52
X
0.15
Density
0.10
0.05
0.00
46 50 54
X
0.15
Density
0.10
0.05
0.00
44 50 56
X
หน้ า 126
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
60
50
40
30
20
10
5
5
1
1 2 3 4 5 6 7
Data
หน้ า 127
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
Probability Plot ทําหน้ าทีคล้ ายกับ Empirical CDF (Cumulative Density Function) plot โดย
พล็อตจะแสดงเปอร์ สะสม (เส้ นสีนําเงิน)
Empirical CDF of Data
Normal
80
60
Percent
40
20
5
2 3 4 5 6
Data
หน้ า 128
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
Percent
60 60
50 50
40 40
30 30
20 20
10 10
5 5
1 1
0.1 0.1
-3 -2 -1 0 1 2 3 4 -2 -1 0 1 2 3 4 5 6 7
Data Data
การทดสอบ Anderson-Darling
เป็ นการทดสอบเพือเปรียบเทียบฟั งก์ชนการแจกแจงสะสมของข้
ั อมูลสิงตัวอย่างกับการแจกแจง
แบบปกติตามทีคาดการณ์ไว้ ถ้ ามีความแตกต่าง(ค่า AD) เกิดขึนมากพอ การทดสอบจะให้ ผลการปฏิเสธ
สมมติฐานหลักทีว่าประชากรมีการแจกแจงแบบปกติ โดยถ้ าค่า P-Value ของการทดสอบทีน้ อยกว่าระดับ
นัยสําคัญ (α) จะทําการปฏิเสธสมมติฐานหลักและสรุปว่าประชากรมีการแจกแจงทีไม่ใช่การแจกแจงปกติ
การทดสอบความเป็ นปกติแบบ Ryan-Joiner
เป็ นการทดสอบการแจกแจงแบบปกติด้วยการคํานวณค่าสหสัมพันธ์ ระหว่างข้ อมูลและคะแนน
ความเป็ นปกติของข้ อมูล ถ้ าค่าสัมประสิทธิ สหสัมพันธ์ มีค่าเข้ าใกล้ 1 ประชากรมีการแจกแจงเข้ าใกล้ การ
แจกแจงแบบปกติ ตัวสถิติ RJ (Ryan-Joiner) เป็ นการประเมินนําหนักค่าสหสัมพันธ์ ถ้ าค่า Ryan-Joiner
น้ อยกว่าค่าวิกฤต จะทําการปฏิเสธสมมติฐานหลักว่าประชากรมีการแจกแจงแบบปกติ การทดสอบนีมี
ลักษณะคล้ ายกับการทดสอบความเป็ นปกติแบบ Shapiro-Wilk โดยถ้ าค่า P-Value ของการทดสอบทีน้ อย
กว่าระดับนัยสําคัญ (α) จะทําการปฏิเสธสมมติฐานหลักและสรุปว่าประชากรมีการแจกแจงทีไม่ใช่การแจก
แจงปกติ
หน้ า 129
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
3. คลิก OK
หน้ า 130
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
ผลกราฟ
Probability Plot of Pressure
Normal
99
Mean 205.0
StDev 11.21
95 N 15
AD 0.476
90
P-Value 0.203
80
70
Percent
60
50
40
30
20
10
1
180 190 200 210 220 230
Pressure
การแปลผล
การทดสอบ Anderson-Darling ค่า P-Value 0.203 ซึงมีค่ามากกว่าระดับนัยสําคัญ (α=0.05) จึง
ไม่มีหลักฐานเพียงพอทีจะสรุปได้ ว่าข้ อมูลไม่เป็ นไปตามการแจกแจงแบบปกติ แสดงว่าข้ อมูลมีการแจงแจง
แบบปกติ
หน้ า 131
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
3. คลิก OK
ผลกราฟ
Probability Plot of TimeToRepair
Normal
99
Mean 28.28
StDev 25.21
95 N 50
AD 2.292
90
P-Value <0.005
80
70
Percent
60
50
40
30
20
10
5
1
-50 -25 0 25 50 75 100 125
TimeToRepair
การแปลผล
การทดสอบ Anderson-Darling ค่า P-Value < 0.005 ซึงมีค่าน้ อยกว่าระดับนัยสําคัญ (α=0.05)
จึงสรุปได้ ว่าข้ อมูลไม่เป็ นไปตามการแจกแจงแบบปกติ
หน้ า 132
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
12
20
10
Frequency
Frequency
15
8
10 6
4
5
2
0 0
0 2 4 6 8 3 6 9 12 15 18
Lamda=3 Lamda=10
หน้ า 133
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
3. คลิก OK
หน้ า 134
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
ผลลัพธ์
ผลกราฟ
Chart of Observed and Expected Values
Expected
5
Observed
3
Value
0
Unit <=12 13 14 - 15 16 - 17 18 - 19 20 - 21 >=22
หน้ า 135
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
2.0
Contributed Value
1.5
1.0
0.5
0.0
<=12 16 - 17 14 - 15 >=22 18 - 19 20 - 21 13
Unit
การแปลผล
ค่า Chi-Square มีค่าไม่มากพอทีจะทําให้ เกิดการปฏิเสธสมมติฐาน เพราะค่า P-Value = 0.356 ซึง
มากกว่าระดับนัยสําคัญ (α=0.05) ดังนันคุณสามารถสรุปไม่มีหลักฐานเพียงพอทีจะปฏิเสธสมมติฐาน
แสดงว่าจํานวนผลิตภัณฑ์บกพร่องทีเกิดเป็ นไปตามการแจกแจงแบบปั วร์ ซอง
หน้ า 136
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
3. คลิก OK
ผลลัพธ์
หน้ า 137
บทที 7 การทดสอบสมมติฐานการแจกแจงข้ อมูล (Distribution Test)
ผลกราฟ
Chart of Observed and Expected Values
Expected
25 Observed
20
15
Value
10
0
C2 <=50 51 52 53 >=54
30
Contributed Value
25
20
15
10
0
52 51 53 <=50 >=54
C2
การแปลผล
ค่า Chi-Square มีค่ามากพอทีจะทําให้ เกิดการปฏิเสธสมมติฐาน เพราะค่า P-Value = 0.000 ซึง
น้ อยกว่าระดับนัยสําคัญ (α=0.05) ดังนันคุณสามารถปฏิเสธสมมติฐาน แสดงว่าจํานวนสายโทรศัพท์ทีเข้ า
มาแต่ละวันทีเกิดไม่เป็ นไปตามการแจกแจงแบบปั วร์ ซอง
หน้ า 138
แนะนําแหล่งความรู้เพิมเติมสนับสนุนการใช้ งาน Minitab
http://www.solutioncenterminitab.com/blog
ติดตามเราได้ ที