QC七大手法講解 【必讀】QC七大手法詳解（四）

歡迎大家進入討教的直播間 我是Edwin老師 今天我們繼續和大家分享QC7工具的這個內容 那麼老的QC7大工具呢 就是我們下面這些 那麼我們已經講過什麼呢 講過了這個插件表 講過了我們的這個帕雷託圖 然後我們昨天呢 講了魚骨圖 我們是這樣的一個順序 那麼因爲一般的這三個工具呢 可能我們會配套的去使用 那麼我們講的這些內容 不僅僅是和大家去說理論的這些個概念 每一個工具都有它的重點和我們容易犯錯的地方 所以這些都和大家介紹 我們再來說一下 第一 我們第一次講的是這個插件表的工具 那麼插件表的工具的分爲兩大類 第一大類呢 是爲了方便我們日常做這種點檢或者檢查工作的 那麼第二大類呢 我們一般是在分析問題 分析問題之前 我們需要先收集和記錄一些數據 叫記錄用插件表 那麼對於插件表來說 最重要的是什麼 是我們在制定或者說設計插件表之前 我們要決定的我們這些個檢查或者是記錄的項目 這個是我們插件表的核心 如果這個項目我們定不好 我們記錄和檢查的這項目定不好 那麼這個插件表基本上它的這個作用就會大打折扣 那麼我們怎麼樣才能找到正確的或者是核心的 我們需要的這個檢查和記錄的項目 那麼必須要回歸到我們對我們所在的流程或者是工序 對它的理解 對它的理解足夠深入 我們才能選定我們對應的這些個檢查和記錄的項目 那麼這個是我們插件表的核心 那麼第二個工具呢 我們介紹的是帕雷託圖 對於帕雷託圖來說 什麼是重點 當然了 這個所謂的帕雷託圖分類的項目呢 我們就不說啊 一般我們用這個插件表記錄完數據之後 我們纔會用帕雷託圖 那麼它的這個核心是什麼 是關鍵的少數 這個昨天我們也找了案例和大家去討論了 我們書本上是怎麼說的 書本上的概念是什麼 書本上的概念是說 二八原則 我們要考慮這個帕雷託圖出來之後 我們要找哪個到80%了 我們要整整好好卡到80% 不一定是這樣 因爲現實情況很少有正好卡到80%的 所以要結合我們所解決這個問題的這個改善的幅度 包括我們的成本時間 綜合考慮 這個是帕雷託圖的一個關鍵和重點 那麼魚骨圖魚骨圖是我們昨天分享的 一般當我們用帕雷託圖之後 把我們的問題深入定義到了一個很清晰的層面 我們纔會用魚骨圖 那一般魚骨圖 我們是用來挖掘我們根本原因用的 那麼對於魚骨圖來說 其實它的這個實用上要比前兩個更難一些 爲什麼啊 就是因爲第一 真正把魚骨圖用出來很難啊 很難 這個需要我們有很強大的這個轉技能 也就是我們的溝通能力 協調能力和我們組織會議時的控場能力 很多開會會議的時候 基本上很常見的就是走極端 要不就是絕大部分人不說話 不參與討論 要不就是都很熱鬧 討論的這個主題 已經都把討論的這些個這些個信息和挖掘的原因 已經都偏向了我們的主題了 所以這個非常考驗我們一個使用魚骨圖的這個人 他的這種軟性的技能 這是第一個使用魚骨圖很重點 也很容易犯錯的地方 那麼第二就是魚骨圖在使用的時候 所謂的我們定義的這個主題 也就是我們放在魚頭位置的這個問題 不能很寬泛 看過很多的這些個使用的案例報告啊 或者是項目報告啊 用魚骨圖裏面這個問題 魚頭的這個問題都寫的非常非常的寬泛 比如說爲什麼我們的這個員工的這個打卡準時率比較低 爲什麼我們某某產品的質量不好 這都是很大的問題 我們的問題一定是從一個很高的問題到一個很清晰的問題 然後我們說什麼呢 具體問題具體分析 這個呢 我們做了案例啊 昨天做了案例 我們就不拓展再說了 那麼針對某一個具體問題 用一個魚骨圖 有多少個我們要解決或者選定的具體的問題 我們就用幾個魚骨圖 大家不要擺一個很大的問題 用一個魚骨圖去擺的 希望能這個找到我們的根本原因 這個不現實啊 這個不現實 那我們今天說什麼呢 我們今天就說這個散佈圖啊 散點圖這個圖呢 也是比較常用的一個工具啊 其實很多時候我們會學統計的東西 但是在工作當中 我們一些簡單的像一些圖形啊 描述性統計啊 或者用圖表啊 就是能解決我們很很大一部分的問題了啊 不用這麼複雜 那麼散佈圖啊 它是幹什麼用的 就是展示我們兩組邊量之間的一個關係啊 什麼關係呢 線性關係 那麼這裏邊有沒有重點和誤區啊 有啊 有有非常多這個呢 我們的散散佈圖 他的這個使用的重點是什麼 容易啊 犯錯的這個陷阱是什麼 我們今天后面就和大家好好去說一下啊 好 我們來看一下今天的主題啊 這個散佈圖是什麼意思啊 首先啊 它是用來發現或者說是告訴我們找一下規律 什麼規律 兩組數據之間的一個相關關係的一個規律啊 其實呢 這個要比我們前面說的這三個工具都要相對來說都簡單一些啊 這個基本上一個人就可以搞定 而且是一個圖形化的一種分析 那麼在說這個散點圖之前啊 我們要先來說一下這個數據啊 我們一般說有兩種類型 一種類型呢 我們叫技術型數據 有時候呢 大家也叫他比賽型數據 那麼還有一種數據呢 叫計量型數據 我們有時候呢 也叫他聯誼型數據 那麼爲什麼我們說這個散佈圖之前要把這個說說清楚啊 就是因爲我們的這個散佈圖對我們的數據 他的這個類型啊 有要求啊 有要求 那什麼叫技術型數據啊 就是我們的這個隨機變量 它的取值呢 只能是有限個啊 只能是有限個 比如說我們經常說的這個兩品數 兩品數 我們會說什麼呀 你只有可能是零個對吧 或者說是一個兩個三個 你不可能存在一個說啊 我們今天的生產情況怎麼樣 我們製造出來了9742.6個不良啊 沒有啊 沒有這個說法很奇怪 所以你看這是一個整數 那麼還有一些呢 是排名 還有一些是排名排名什麼 比如說要不就是第一名 第二名 第三名 第四名啊 我們不存在說考的怎麼樣啊 考的不錯啊 第1.5名這個不存在 那麼其實對於我們的這個帕雷託圖來說呢 那麼他的這個數據啊 大家可以看出來啊 我們這個帕雷託圖在使用的時候 我們的所謂的這個X座標 比如說 有這種不良 比如說外觀缺陷 有這種高度不良 有長度不良 那麼這些不同的不良類型 這個叫什麼呀 這個也屬於離散性的數據 也屬於離散性的數據 他叫什麼 叫類別變量 類別變量 比如說我們的性別男女對吧 這個是什麼 這個就是類別變量 這些統規叫離散型的數據 或者叫技術型的數據 那麼大家就要知道了 對吧 在做帕雷託圖的時候 那你要知道我們對應的X座標啊 這是離散型的數據 那麼對於散點圖來說 我們要求的數據類型是我們的這個Y座標和X座標都是什麼型的數據呢 都是我們的連續型的數據 也就是計量型的數據 那什麼叫連續型的數據呢 我們的隨機變量啊 理論上取值有無限個 理論上取值無限個 比如說身高 那什麼叫理論上取值無限個 比如說我們說某一個人 他的身高比如一米七五 那麼大家可以想到啊 他真實身高不會是一米七五 那是什麼呢 小數點後無限的去循環 只不過啊 在我們的現實生活當中 我們受限於我們的這個測量儀器啊 我們的量據的這個限制 我們測不出來後面這麼多位 那麼理論上來說呢 他應該是後面有無限的啊 有無限的 那比如我們說的速度啊 容量啊 這些都是連續型的數據 那麼他倆的優缺點是什麼呢 技術型的數據優點就是 很快捷 很方便啊 比如說最取個最簡單的 舉個最簡單的例子吧 比如說啊 我們要在一個產品上可能會有一些 比如說 這種豎條狀的這種劃痕 我們的標準是什麼呢 標準是小於0.5 我們就叫不良品 把這個長度小於0.5 我們就叫良品 大於0.5 我們就接受不了了 那麼這個時候 我們就會怎麼樣去拿相應的良具 比如尺也好 對吧 或者其他的這種自動儀器去測 那麼最後得出來的數據是什麼樣的 比如說0.514 0.479 那麼這些數據是什麼 這些數據就叫連續型的數據 優點是什麼 信息量很豐富 缺點是什麼呀 麻煩啊 麻煩 你總要一個個去測 很麻煩 那麼什麼是離賽型的數據 比如說啊 我們的標準改了 不要求你小於0.5了 我們用什麼判斷呢 用肉眼去判斷 只要你目視檢測看到上面 你用肉眼能看到有這種劃痕了 他就算什麼呀 就算是不良品 那麼這個時候我們得到的這個測量結果是什麼樣的 要不就是NG 要不就是OK 他的信息量非常的少 什麼叫信息量非常的少啊 那麼我們檢測30個產品 那麼無非有一部分是NG 有一部分是OK 我們能得到什麼樣的信息呀 只有一個信息叫什麼比率 對吧 良品率也好 不良率也好 只能得到比率 那麼大家知道我們一般啊 說啊 比如不良率20% 你去搞一下吧 解決一下吧 很難去解決的啊 很難去解決的 爲什麼信息量太少 信息量太少 那麼所以我們說 我們今天講的三點圖 它是需要什麼樣的數據類型啊 需要的是我們這種連續性數據的類型 我們來看一下 那麼如圖啊 我們的X是什麼 X是我們的溫度 Y是什麼呀 Y是我們的硬度 然後呢 大家可以看到 我們每一個點 它的這個橫座標對應的就是溫度 縱座標呢 對應的就是硬度 那麼每一個點的橫座標有縱座標 所以大家應該就可以想到 我們的原始數據是什麼樣的 我們在做圖之前的這個原始數據一定是這樣的啊 首先兩組數據 對吧 一個是X一個是Y 這是第一兩組數據 第二呢 這兩組數據要求的類型都是什麼呀 要求都是連續性數據 連續性數據 然後我們有了這個數據類型 我們纔在圖裏面去做 做什麼 大家可以看到最簡單的 我們從圖形裏面判斷 大家可以看到好像他倆之間的這個點分佈有一定的關係 這個關係是什麼關係 大家看到吧 好像你的X變大 我的Y也在變大 是吧 是一個 用一條線來畫的吧 是一個正向的關係 我們說這個叫什麼 這個就叫有線性相關性 線性相關性 什麼叫線性的相關性啊 你想成一條線的這種規律嗎 對吧 成條線這樣的規律 那麼大家可以看到啊 我們常見的這種圖形上來說 那麼我們先看F 因爲我們剛纔說了線性相關性 那麼大家可以看到啊 F怎麼樣 它成什麼樣的一個趨勢啊 它成一個 哎 拋物線的趨勢 那麼我們知道我們上學的時候呢 學過啊 這個拋物線的方程是什麼 怎麼代表的 Y等於AX方 加BX加C 所以我們說這裏面有個二次項 AX方嘛 所以我管這種拋物線性的叫什麼 叫有沒有線性相關 沒有 叫什麼 叫有二次相關性 有二次相關性 所以呢 對於圖形來說 基本上啊 我們把這個散點圖做出來 大家就可以看到了 大概是成什麼樣的一個規律 那麼我們來討論一下 大家感覺啊 這個 A和我們的這個B 哪一個相關性更強一些啊 我們只是當然我們有有沒有定量的分析 有啊 有沒有定性的分析啊 圖形就叫定性的分析 來我們來討論一下 大家感覺呢 啊 A更有相關性 我們就打A 大家感覺B更有相關性的 我們就打B 不管我們是知道啊 還是說我們第一次聽不太瞭解 大家都可以試着去在固定上打出來啊 我們來討論一下 無計M說A A對 悠悠說A 悠悠來了歡迎悠悠 爲什麼他更相關一些 大家可以看到 如果我們用一根線來表示的話 你看他更密集啊 就這種規律性更強 那麼你看B呢 他好像就沒有特別明顯的一個趨勢性 好像有一點亂作一團 那麼到C呢 這個就大家看到了 這個怎麼樣 這幾個幾乎就好像看不出相關性了 對吧 你們之間有什麼關係啊 看不出來 那麼我們來看啊 但是不管是A還是B 我們都管他叫什麼呢 叫正相關 什麼叫正相關啊 就是A大 A增加 B也增加 對吧 A增加 B也增加 你看A從D 這個X不從D往高走 你看Y的趨勢是什麼 Y也是從D往高走 那麼這個就叫一個正相關 那麼我們看下邊這個圖呢 這個叫什麼呀 這就有點尤其是C 尤其是我們這個E 這個是什麼 這個叫負相關 什麼叫負相關啊 你看X是從D變高的 但是隨着X從D變高 Y怎麼樣 他是從高變低 你X越大 我Y怎麼樣 越小啊 這個就叫負相關啊 這個叫負相關 所以我們說了這個圖形裏面能給我們簡單的帶來什麼樣的信息呢 第一 我們的相關性有沒有 對吧 有沒有相關性啊 然後呢 相關性強不強 有多強 你看A和B去比較的話 A相關性就更強一些 那麼第二個這個圖裏邊能給我們帶來信息是什麼呀 你們是什麼樣的 如果你們相關 你們是什麼樣的一個關係 是正相關還是負相關 從圖裏面我們大致也能判斷出 那麼基本上啊 當我們數據量足夠大的時候 大家能看出來一些端倪了 這個就足可以了 好 然後到這裏呢 我要給大家提一個問題了啊 我們要討論一下了 這個是我們的怎麼說坑啊坑 來我們來看一下第一句話 什麼叫強正相關啊 這就是我們剛纔說的一個圖裏邊能給我們兩個信息 第一個信息什麼關係啊 是正相關還是負相關 第二個信息 你的這種相關性是強是弱啊 我們來看一下啊 X增大 Y也隨着增大 那麼這句話啊 我給他標紅了 我們來討論一下 如果我們在圖形裏邊看出來的這個圖形啊 三點是這樣的 給大家簡單化一下 這樣的這個是我們的X啊 這個是我們的Y 這個就算一個強正相關了吧 那麼我們看標紅這句話啊 我們來討論他說的有沒有道理 對不對 這個時候啊 我們只要控制住A 我們的Y也隨之被控制住了啊 只要我們控制住A Y也被我們控制住了 我們通過控制A 然後讓我們的Y也被控制 這句話對不對 大家感覺對的呢 我們就摳一 大家感覺不對呢 就摳二 那麼這句話對不對呢 希望大家我們直播間啊 現在45個人 我們大家一起去摳一下啊 一起去討論一下 大家感覺對啊 就摳一 大家感覺不對 就摳二 這是一個很重要的問題 這是我們做散點圖一個很重要的問題 來我們來討論一下 有摳一有摳二的啊 我們其他的同學呢 我們來看一下啊 我們要先到這一頁和大家看一下 首先啊 我們這個散點圖 他只能帶給我們什麼樣的一個信息 叫相關性 那麼我們還有一個概念叫什麼呢 叫因果性 那麼什麼叫因果性呢 因果性就是因爲X變了 所以Y變了啊 這個叫因果性 那麼我們來看一下啊 我們來看左邊的這個圖 我們的X座標是什麼 X座標是我們的雨傘的銷量啊 就是我們賣雨傘的銷量 雨傘銷量 那麼Y座標是什麼呀 Y座標是我們的出車禍的次數 出車禍的次數 那麼大家感覺他們有沒有相關性啊 從圖形裏面我們來看有相關性 對吧 什麼相關性啊 正相關 對吧 有正相關性 但是我們說有因果性嗎 什麼叫因果性 如果我們認爲有因果性 我們會說什麼呀 哎呀 那我們怎麼能把車禍次數降低呀 是不是我們說少讓我們的這個商家賣雨傘 少讓商家賣雨傘 雨傘的銷量下滑 我們的車禍次數就能降低了 不是這樣的吧 對吧 這個是基本常識 對吧 他們倆怎麼樣 有沒有關係 能說得通嗎 說不通 對吧 那麼我們說這個情況叫什麼呀 他有相關性 對吧 圖形裏面告訴我們確實是有相關性 但是呢 他不一定有因果性 就是沒不一定有因果關係 那麼在工作當中的不是說我們不會碰到這樣的一個問題 我原來在做項目的時候呢 我就遇到過這樣的一個問題啊 因爲你做項目做這種黑帶項目 他不是說你全職的黑帶 你就必須要在這個工序去解決問題啊 可能這一個公司裏邊各個的流程 各個的製造工序 可能20多道工序 你可能今天就派去那裏解決問題啊 你明天又派去這裏解決問題 所以對這些個流程裏面 我們真正專業的這種技術性的東西並不是很懂 但是我們懂什麼 懂這套解決問題的邏輯啊 我就曾經碰到過兩次啊 出現這樣的一個問題 那麼爲什麼會發生左邊這個圖這樣的一個情況 基本的常見原因啊 我們來看一下 我們先看上面這個圖 橫座標是什麼呀 橫座標是我們的降雨量 縱座標是什麼呀 縱座標是我們的車禍次數 那大家感覺我們上面這個圖 有沒有因果性啊 我們來討論一下 我們這個右上角這個圖有沒有因果性 我們來討論一下啊 無竟然說有對吧 這個我們你看基本的常識吧 你你這個降雨量越怎麼樣 越越大 對吧 降雨量越大 你肯定是這個道路交通越擁堵啊 路面越滑呀 他肯定越容易出車禍呀 那麼我們看下面這個圖 橫座標是什麼呀 橫座標是降雨量 縱座標呢 雨傘的銷量 這個有沒有因果性啊 這個也有嗎 對吧 這個也有嗎 你你雨下越大 肯定雨傘賣的銷量就越高啊 所以這個時候我們發現了一個問題 那麼他和我們的這個降雨量有因果性 那麼雨傘銷量和我們的這個降雨量有因果性 所以呢 出現左邊這種圖啊 你如果只是收集數據 如果只是收集數據 他就會體現出左邊這樣的一個情況 爲什麼 因爲有一個共同的變量啊 共同的變量 在影響着他們啊 在影響着他們 他舉個最簡單的例子 比如說 我跟無竟然對吧 我跟無竟然是朋友 那無竟然呢 和悠悠是朋友 那那你不能說我 我那你不能說我也認識悠悠嗎 對吧 這個不合理 所以有一個共同的中間變量 再分別和他們產生因果性 就會導致左邊這個圖啊 就會導致導致左邊這個圖 所以我們說這句話對不對呢 我們只能通過圖形來確定有沒有相關性啊 我們不能通過圖形來下結論說有因果性啊 你動x y就會跟着變 這個不一定的啊 這個不一定啊 這個是大家要注意的 這個是我們三點圖要注意的一個地方 那麼怎麼記住這個問題呢 大家可以記住一句話叫什麼 叫有因果性的一定有相關性 有相關性的呢 不一定有因果性 這個有點繞哈 有相關性的啊 不一定有因果性 但是有因果性的一定有相關性啊 所以大家看到我們的這種三點圖正相關 不要說我們從數據上判斷有相關性 我們就要去動了 對吧 我希望y小一點 我就讓x小一點 不一定哦 這個需要你從機理上要判斷一下啊 要從判斷一下 這個是三點圖的一個容易產生誤區的地方 這個要和大家說一下 那麼我們再來討論一些問題啊 和陷阱 好多時候我們的這個使用工具啊 它是有目的和前提的 我們首先對吧 先有了一個目的 什麼目的呢 比如說我想了解x和y他們倆之間有沒有相關性 然後這是我們的目的啊 解決任何問題 使用任何工具 不要忘了自己的這個目的啊 第二怎麼樣 開始針對x和y去收集我們的數據 第三步我們去做什麼 三點圖啊 我們去做三點圖 然後用三點圖去幫助我們判斷x和y到底有沒有相關性 這是我們的一個解決問題的邏輯嘛 目的先行啊 方法工具隨後啊 不要倒個 你不要說我就必須要用一個工具啊 我也不知道我的目的是什麼 那這個就本末倒置了 所以我們來看一下這個問題啊 比如說我們收集啊 身高和體重的數據啊 身高呢 我們說是x體重是y 我們想來驗證一下兩者的相關性 大家感覺我們這樣做 可不可以啊 可不可以這樣做 大家感覺可以我們就扣1啊 大家感覺不可以 我們就扣2 好我們來討論一下啊 我們前面已經說了 我們前面已經和他說了 我們爲什麼要討論這個問題啊 大家可以想一下 我們去思考一下啊 其實真正理論上的東西啊 就擺在明面上啊 很簡單 沒有多複雜 但是爲什麼好多時候我們學了某一個新的工具之後 我們很難把它用出來 那這是一個問題 這是一個問題 mya說1啊 我們其他同學呢 我們其他同學感覺怎麼樣 可不可以這樣去做啊 啊 那去收集數據吧 然後畫三點圖來驗證吧 這樣可不可以啊 大家都感覺可以吧 感謝猜畫的點贊啊 大家可以對半我們直播間點點贊 我們想看一下能不能我們先到5000 有不同意見了 我們自己說啊 不可以啊 不可以大家可以想一下啊 我們說一般對於我們的這個這個我們說正常人啊 你說身高和體重 大家可以想一下 我們就基本的一個常識吧 一米八的一個男男男男同事啊 和我們一個一米六的女同事 那他倆誰的體重更重一些啊 啊 對 你看我們C說的一個對啊 不是不可以啊 是沒必要啊 沒必要 那麼這個是什麼 我們已經知道什麼呀 這個就叫因果性啊 這個叫因果性什麼意思 我們已經知道了 你身高越高肯定怎麼樣 體重會越重吧 這是一個基本的規律 所以對於這些 我們已經知道有因果性的 我們就沒有必要再去收集數據畫散點圖 然後我們去判斷啊 他一定有相關性啊 他一定有相關性 只有那些我們無法確定的啊 我們確定我們不知道啊 我們之前沒有過這樣相關的經驗或者理解 你可以去做啊 對於已知的啊 大家可以不用去做這些工具 這個是使用工具上的一些個注意事項啊 對啊 我們在C說的是正確的啊 沒有必要啊 沒有必要 所以什麼時候用這個工具啊 這個我們要好好想一下 那麼我們的這些個分析呢 基本上是有兩大類的 第一大類叫定性分析 另外一大類呢 叫定量分析 什麼叫定性分析啊 簡單來說 大家看到的這些個圖表 大家看到了 我們回到這一頁來看這些圖表啊 這個叫什麼 三點圖叫什麼 叫定性分析啊 這個叫定性分析 優點是什麼 定性分析的優點是什麼 第一直觀 對吧 我們用眼那麼一看啊 這種可視化的這種工具圖形 我們一看就基本能判定出來怎麼樣 到底是啊 相關還是不相關 但是缺點是什麼缺點 就是他容易擡槓啊 容易擡槓啊 比如說你看像B或者是C這樣的一個圖形 可能有的人他就會認爲怎麼樣 有相關性 有的人呢 就會認爲怎麼樣 沒相關性啊 這個就是定性分析的缺點啊 容易這個產生不同的意見 他沒有一個結論出來吧 而且我們的這種現實的這種工作當中啊 我不知道大家有沒有做過類似這種圖啊 其實像我們的這個A很相關了 對吧 我們的這個E也很相關了 相關性很強 其實這兩種A和E相關性比較強的 在我們的實際工作當中很少能遇到或者是看見到啊 很少 大部分是什麼樣的 大部分是B這樣的 就是你說的有相關性嗎 好像也有 但是看起來吧 好像又不太好判斷啊 大部分是這種的 那麼 所以我們就不能再侷限於用散點圖這種定性的工具啊 圖形去分析了 我們怎麼樣 我們去考慮定性加定量去分析 那麼定性和定量之間有沒有關係呢 有什麼關係啊 先做定性分析 比如說散點圖 如果定性分析 我們可以很直接很明顯的判斷出有相關性啊 比如說我們剛纔A和E那樣的啊 雖然很少見 如果真的看到了這樣很明顯的相關性 還需不需要做定量分析啊 不需要了啊 不需要了 那麼什麼時候做定量分析 圖形出來之後啊 是這個樣貌的啊 像B這樣的 我們不太好判斷 對吧 A好不好判斷好判斷對吧 C好不好判斷也好判斷 這個是也很好判斷的 完全的不相關 遇到這種末龍兩可的時候 我們纔會從定性分析轉到定量分析啊 那麼什麼叫定量分析啊 就是我們要引入另外一個東西叫相關係數 相關係數 它的這個縮寫叫什麼 叫r 大家可能有人學過我們六Sigma當中的一元線性迴歸 一元線性迴歸裏面 我們有一個東西叫R² 對吧 那麼R² 這個R是什麼呀 這個R其實就是相關係數 那麼SQ是什麼呀 Square就是平方的英文 所以對於一元線性迴歸來說啊 R²就是我們相關係數R的一個平方 R的一個平方 EF說三點圖有啥作用呢 定性的去幫助我們看一下啊 我們兩組數據之間有沒有相關性啊 他就是做這個用的 那麼如果我們剛纔說了 如果三點圖很明顯的能看出來 有這種相關性就不需要做定量分析了啊 大家千萬不要 因爲很多人他學的比較多 圖形也學了 然後這個定量分析也學了 然後最後就好像我們必須要把這一套流程圈做起來 不是這樣的啊 不是這樣圖形能看出來的很明顯的啊 像這種就不需要做定量分析了啊 那麼看不出來比較模糊的 模棱兩可的 我們再去做定量分析啊 什麼叫定量分析 就是我們的相關係數R 那麼我們的相關係數R是幹什麼的 它是衡量我們兩組數據 這種相關性的一個 就是相關關係的一個密切程度的一個指標 它也叫相關係數 但是這裏面大家注意啊 它衡量的是什麼呀 它衡量的是線性相關啊 它衡量的是線性相關 也就是線性相關越強 R的絕對值就會越大 那麼我們的這個相關係數 它的取值範圍是什麼呢 -1到-1 最小是-1 最大是-1 我們來看一下 那麼我們說三個比較極端的情況 第一個R等於1 頂到最大了R等於1 它是什麼意思啊 完全正相關 什麼叫完全正相關啊 哎 怎麼相關還有一個完全正相關 就是我們的這個所有的數據點怎麼樣 都在一根直線上 所有的數據點都在一根直線上 也就是說我們用這根直線 就可以怎麼樣 很好地代表所有的點 這個就叫完全正相關 那麼對應的R等於-1是什麼意思啊 叫完全負相關 什麼意思啊 就是我們所有的數據點 如果用一根線來表示的話 就跟穿湯葫蘆一樣 能把它們都穿起來 所有的點都在這線上 這個就叫完全負相關 那麼當R值大於0的時候呢 它就是一個正相關 R小於0的時候呢 它就是一個負相關 就是一個負相關 那麼R等於0是什麼意思啊 這個就是不相關 就是不相關 那麼有的時候呢 我們其實只是想關注它的這個相關性 所以我們說 我們希望R值怎麼樣 R值的絕對值 因爲你有正有負嘛 正相關就是正的 負相關就是負的 R值的絕對值越大 我們就說怎麼樣 相關性越強 R的絕對值越大 相關性就越強 追日落說啊 根本學不完呀 這質量學不完學不完 水土狂歡說 這個相關是線性相關嗎 是的 這個大家千萬不要混了啊 我們的這個R值怎麼樣 它是一個衡量線性相關的一個指標 我們來回到這個圖 那大家可以看到啊 我們的這個圖 我們的F這個圖裏邊 它有沒有相關性啊 嚴謹的來說 它有相關性 但是我們再進一步細緻的問 它有沒有線性相關啊 它沒有線性相關啊 明白吧 所以對於這種圖來說 你看沒有線性相關 我們的R值會是多少呢 0 所以R值不是評判相關性的一個指標 而是評判線性相關相關性的一個指標 明白了吧 水土狂歡 然後呢 這個就是我們相關係數的一個計算公式 這個大家要不要背下來呢 完全不用啊 完全不用背下來 沒有用的啊 我們只要會用工具就可以了 工具只是幫助輔助我們解決問題的啊 我們沒有必要學裏面這麼深的這些公式啊 去背啊 去記啊 沒有必要啊 沒有必要 大家把時間精力不要放在這上面啊 那我們來看一下啊 我們的這個鏈圖怎麼做啊 我們轉到meet 那麼我們的案例啊 可以看到嗎 呃 我們有兩列數據 EF老商舉一個例子 來了 例子來了 路徑是什麼呀 我們用的這個軟件還是meet吧 然後我們說你的這個excel能不能做啊 excel也可以做啊 但是呢 meet更專業一些啊 對於我們的質量工作人員來說呢 我們一般都是用meet啊 我們先看定性分析怎麼做啊 這個是兩列數據 C1啊 也就是我們的X座標啊 我們的一個變量叫加熱溫度 另外一個變量呢 叫反應時間 我們來看一下它的相關性怎麼做啊 做散點圖吧 對吧 在哪裏啊 在圖形裏啊 在上方的這個圖形裏啊 點擊上方的這個菜單來的圖形 大家看到了吧 然後點進去之後啊 現在可以看到了啊 然後大家看到了第一個 你看圖形下拉的第一個三點圖啊 這個就是就是它了啊 點擊進來之後呢 我們選擇什麼呀 選擇這個簡單就可以了啊 簡單就第一個簡單 然後點擊確定 那麼它讓我們輸外變量和X變量 X變量呢 我們輸加熱溫度 先輸外變量反應時間 X變量呢 我們輸加熱溫度 其實真的判定相關性的話 它顛倒也不會有對我們的判斷有影響 然後就可以了 剩下的我們什麼都不需要再操作了啊 這個比較簡單 點擊確定 哎呀 不對不對 有個數好像出問題了 我們來看一下 這個應該是原始數據出錯了 這個好像有一個小數點輸錯了 出現這種問題 比如說我們簡單來說 這樣拓展的去說一下 你看這個明顯是一個異常點了 那怎麼找到它呀 呃 我們現在的原始數據呢 比較少30個數據 那如果是上百個呢 怎麼快速的找到這個異常點 把我們的鼠標放到這個點上 然後它會出啊 它寫什麼符號啊 然後行時也就是我們第十行的數據 這是我們第十行的數據 我們來看一下 大家找到第十行的數據 大家看到了啊 這個是記錄錯誤啊 記錄錯誤 少出了一個數 應該是什麼呀 258 然後我們再重新再做一次 大家可以看到了 啊 我們來討論一下 大家感覺從這個散點圖上來說 我們兩組數據有沒有相關性啊 如果有相關性的話 是正相關還是負相關啊 我們來討論一下 大家感覺這個圖啊 有沒有相關性啊 是正相關呢 還是負相關的啊 我們來討論一下啊 水主黃昏說負相關啊 負相關對不對啊 對隨着S往上漲Y怎麼樣往下降啊 往下降 那麼定量的分析 我們怎麼去做呀 那麼這個相關係數 對EF說老師怎麼沒看見R值 因爲我們散點圖 它是定性分析啊 它只會給我們做出來一個圖 它不會給我們輸出一個定量的結果 那麼EF問的這個R值相關係數在哪裏看 我們再來找一下路徑啊 在統計啊 這個又看不到了 我把它下拉一下 統計基本統計 然後下方有一個相關 那麼如果大家剛開始使用metab的話呢 有很多東西啊 這裏面有很多的這個數據啊 有很多的這個工具的窗口 我們不知道怎麼選沒關係 我教大家一個簡單的方法 第一可以先不要着急 先看一下啊 它每一個工具的前邊的都有一個圖形符號 大致的我們能有一個概念啊 這個是幹什麼用的 那麼你看這個相關前面的符號是什麼呀 -1比1 這個就是我們相關係數怎麼樣 從-1到1的一個取值 然後把它 鼠標放到這呢 它下面會說這相關幹什麼用的 測量兩個變量之間的線性關係強度 這個大家可以剛開始學的時候 如果很多可以去找一下 試着去找一下啊 然後點進去之後 那麼這個時候呢 它是不再需要我們輸什麼呀 你到底哪個是X哪個是Y啊 不需要再去區分了啊 只要把它全部點進來就可以了 所以也沒有一個前後順序 也沒有一個前後順序 然後點進來之後 其他的都不用動 我們點擊確定就可以了 可以看到吧 然後我們的這個相關係數就出來了啊 我們的這個R值全面叫什麼呀 叫皮爾遜相關係數 可愛的你也說了啊 這個叫皮爾遜係數啊 皮爾遜相關係數 大家就可以看到呢 我們的這個皮爾遜相關係數是多少啊 負的0.844啊 這個就比較大了 它比較怎麼樣 接近於很強的一個負相關 那麼下方還有一個P值是幹什麼用的 就是它也在做一個假設檢驗 那麼大家可以記住啊 P值小於0.05 我們就說有相關性 那麼P值越小越接近於0 它的相關性就怎麼樣 越強啊 這個P值也是一個看的方法 P值小於0.05有相關性 P值越小越接近於0 它的相關性就越強啊 這倆一般都是對應的 大家可以看一下 大家有問題也可以打到公屏上啊 我們可以去討論啊 近似線性負相關對 然後第二呢 我們給大家準備了另外一個圖 大家可以看到啊 C5 C6 C7 這是三組變量啊 三組變量 我們如果想去看啊 三組變量之間的這個關係 怎麼去看呢 我們還走剛纔這個路徑 圖形 散點圖 我們會發現一個什麼問題 你要點很多 比如說什麼呀 溫度和時間的關係 溫度和強度的關係 時間和強度的關係 也就是說兩兩比較啊 三點圖嘛 它是兩兩比較 兩兩成對 對吧 所以我們至少要畫幾個三點圖啊 要畫三個三點圖 這個呢 能不能做呢 能做對吧 一二三 你就順着往下輸唄 但是如果是四組變量呢 五組變量呢 第一麻煩 對吧 你要輸這麼多 第二是什麼呀 第二就是我們有時候可能會落下 對吧 你說一會五組變量 一和二 一和三 一和四 二和三 二和四 三和四 太多了 麻煩是一個 還有一個就是我們容易漏 有缺失 所以有沒有其他簡單的工具啊 有啊 有在哪裏啊 給大家看啊 在圖形 然後呢 往下拉 三點圖的下邊這個叫什麼 叫矩陣圖 你把光標放上去啊 它會告訴你 它幹什麼用呢 比較多對Y和X變量之間的關係 我們點進去看一下啊 真簡單 它就是給了一個窗口叫圖形變量 我們只要把我們想要研究的這些個變量 不管是一個兩個啊 三個四個五個 哪怕是十個 把它一起拉進去啊 一起拉進去 全選進去 然後點擊確定 大家可以看到了 我們就可以在一張圖裏面去看多組變量之間的一個 相關性 但是啊 還要和大家說什麼呀 大家你看啊 我們來說一下 那麼 對於這個圖來說 這可能不太清晰 我把它粘到PPT裏面 我們把它粘到PPT裏 來 我們用光標來和大家說一下這個圖怎麼看啊 首先啊 這是一個對角線 對吧 那麼對於這個圖來說 它的橫座標X是什麼 往下找 哦 它的X座標是時間 它的縱座標是什麼 往左找 它的縱座標是溫度 對吧 這個大家會看吧 那麼我們再來看這個圖 我們再來看這個圖 它的X座標是什麼呀 往上找 找到我們的這個組塊是溫度 它的縱座標是什麼呀 往右找時間 所以這兩個圖怎麼樣 有沒有關係 有關係啊 這兩個圖有沒有關係 有關係 什麼關係 這個是XY 這邊呢 就把XY顛倒了 所以我們一共這個圖裏邊啊 矩陣圖裏邊出來幾個 123456 但是我們說什麼呀 這個圖和這個圖是一回事啊 這個圖呢 和這個圖又是一回事 只不過怎麼樣 鏡像啊 鏡像了 這個圖呢 又和這個圖一回事 那三組變量分別是什麼呀 溫度和時間 然後呢 溫度和強度 然後呢 時間和強度 我們只需要看三組圖怎麼做啊 把這個圖啊 其實它有一半是沒用的啊 畫一個對角線 我們看對角線的一半就可以了啊 另外一半呢 就不需要去看了 就不需要看了啊 對 可愛的你說的對啊 鏡像是吧 這個大家都明白吧 你看一半的圖就可以了啊 其實呢 這種圖呢 在工程裏面還是比較常見的啊 比散點圖呢 更常用一些 因爲一般我們在研究問題的時候都比較複雜 一般我們都會成對的去比較啊 不會一對一的去比 這個太麻煩了啊 太麻煩了 這樣的一目瞭然比較清晰 把一張圖裏面把所有變量之間的關係都呈現出來了啊 你的這個變量越多 在這個圖形裏邊 你越能一眼去找到哪個相關 哪個不相關啊 這個叫矩陣圖啊 矩陣圖 本質呢 就是散點圖啊 本質就是散點圖 閹影 杜若問和多元迴歸什麼關係啊 首先多元迴歸和一元迴歸什麼關係啊 一元迴歸就是我們的方程裏面怎麼樣 只有一個x 一個字變量 多元迴歸呢 多元迴歸就是我們的這個方程裏面怎麼樣 有多個字變量 多個x啊 這個是多元迴歸和一元迴歸的關係 那麼一元迴歸和散點圖有什麼關係啊 一元迴歸裏面的這個R2 就是什麼呀 就是我們把這個y和x拿出來去看相關係數的一個平方 比如說這個相關係數是0.8 那麼R2 你做這種迴歸分析啊 R2是多少 R2就是0.8的平方 多少 0.64 有這樣的一個關係 只限於一元迴歸