分析百分比数据的统计意义寻找有关如何对本文所附数据集进行属性分析的一些见解。该公司一直在跟踪每周的废品数量和生产的总件数，以获得每周废品的百分比。前 26 周是采取任何改进措施之前的基线数据。第 27 周到第 31 周是采取一些改进措施后的几周。
使用“之前”组和“之后”组中的废品百分比值的总体平均值是错误的，因为计算的百分比的每行中的分母不同，因此我使用“摘要”来计算“之前”组的总体废品百分比，并且After 组如下所示：
两组的废品百分比值很接近，因此我们看起来不太希望检测到两组之间的显着差异。我的具体问题是计算（缺乏）重要性的最佳方法是什么？
我还想知道是否应该将生产数量视为频率列，因为每周生产数百个零件应该比仅生产 2 个零件的几周对数据集贡献更多。如果不合并频率，当我们运行 2 个零件且废品数为 0 时，与每周运行 142 个零件且废品数为 0 时的处理方式相同。如果我使用 Fit Y by X 平台并将生产数量放入 Freq 中，我会得到显着的结果，之前组平均比之后组显示更多的废品实例。
基础数据分析和建模回复：分析百分比数据的统计意义您看到的是此类数据的众多问题之一。废品是许多潜在失效机制的集合。 它通常对于评估所做的改进没有用（不是很有效），因为它缺乏区分。 您可以完全解决一个减少废品的问题和另一个增加废品的问题（净零或更糟）。我的建议是：
1. 找到更好、更连续的测量方法。答：报废的目的是什么？也许是尺寸、重量或其他一些可以测量的物理属性。
2. 做必要的工作来理解因果结构。提出假设并使用定向抽样或设计实验来更好地了解该过程。
回复：分析百分比数据的统计意义如果您可以访问每周数据，我建议使用 au 图表控制图方法，因为您知道流程发生变化的时间点。 绝对清楚……如果“统计显着性”对您来说至关重要……控制图不是统计推断方法。 但如果你有每周数据……那就是我开始的地方。 盯着图表的时间不要超过 3 秒。 如果你没有看到队伍有变化……它就不在那里。 否则，你会开始说服自己支持你占主导地位/希望的观点。
回复：分析百分比数据的统计意义感谢您的回复。 缺陷原因是玻璃碎裂。
回复：分析百分比数据的统计意义信息确实不够，无法继续。不幸的是，这是开放论坛的一个问题。值得深思的：
产品是什么？您正在制造玻璃吗？玻璃是产品的组成部分之一吗？故障模式有哪些（例如疲劳、过载、冲击……）？玻璃碎裂是由于搬运造成的吗？破损量是否有“等级”？跟踪破损位置会有帮助吗？ 你能测量打破玻璃所需的力吗？ 您可能对导致玻璃破碎的原因有一些假设。您是否通过实验检验了这些假设？
回复：分析百分比数据的统计意义我们采取的改进措施是基于与您提出的问题类似的问题。我们有流程图、鱼骨图、SIPOC 等。由于响应没有梯度（玻璃要么破碎，要么没有），我认为没有办法将其作为连续值进行跟踪。我们可以测量玻璃碎裂之间的时间间隔，但这在这一点上会很麻烦。
正如我在上面分享的那样，分析废品数量并将生产数量视为频率列可能是可接受的路线，但我不确定。如果一个行的频率为 f = 100 单位生产运行，则计算结果与包含该行的 f 个副本（每个副本的频率为 1）的数据表的计算结果相同。因此，如果第 1 行显示生产了 100 件，报废了 1 件，则将生产的件数视为频率，与记录 1 件报废 100 次相同。如果生产数量为 10 件，报废 1 件，则按 1 件报废 10 次计算结果。这似乎是在考虑每次生产运行规模的同时分析废品率的合理方法。
回复：分析百分比数据的统计意义我仍然不知道你在做什么，但回应是一个挑战。响应是有缺陷的（不是缺陷）。 将数据标准化为百分比（#defective/#productd x 100）是必要的，但您将始终处于反应模式。P/NP 图可能有用，但您仍在做出反应。您必须发挥创意才能理解为什么会破裂以及哪些因素会影响破裂。我认为答案不存在于任何特定的统计技术或分析中。顺便说一句，我没有看到您的第一篇文章附加任何数据集？
回复：分析百分比数据的统计意义我们制造窗户。我们相信我们已经通过预防这个问题来改进流程。 我的问题具体是关于如何用数据证明这种改进。我已在此处附上数据集。
回复：分析百分比数据的统计意义你好@乔希1 ,
作为@P_巴特尔如上所述，最好从 U 形图开始，以了解废品百分比随时间的变化。 在控制图生成器中，WK 为 X，% 报废为 Y，前后为阶段。 如果您认为之后收集了足够周的数据并且看到了向下的转变，那么该过程可能会发生积极的变化。
您可以使用的一个简单的统计测试是应急分析，以查看更改之前和之后之间是否存在关联，就像您已经开始尝试的那样。 警告：这不是对您的数据的最佳测试，因为更改（适应新流程）的前几周存在时间依赖性，因此我会小心解释结果。 可能存在静态差异，但前几周可能会出现这种情况。 在收集了更多几周的数据后，您可能会返回此测试，但需要注意的是删除前两到三周的数据。
您走在使用 Y by X 拟合进行应急分析的正确道路上。 输入的数据不太正确。 你需要一张堆叠的桌子。 X 将是之前/之后，Y 将是报废/非报废，并且频率将被计数。
为此，您首先需要从生产数量中减去报废数量以获得非报废数量。 这可以通过右键单击选择两列并选择“新列公式”>“合并”>“差异”（相反顺序）来完成
我将这些列重命名为之前/之后、报废和非报废。
接下来是使用表下摘要中的 Sum 并使用 Before/After 作为 Group 来总结 Scrap 和 Not Scarp（这与您之前所做的类似）。 然后堆叠 Sum(Scrap) 和 Sum(Not Scrap)，这样你现在就有了 3 列（使用 Tables 菜单下的 Stack）
现在，您可以像以前一样使用新表格通过 X 拟合 Y。
如果您随后使用比例的两个样本检验并查看比例均值分析，看起来似乎没有差异，但由于样本量和前两周高于未来三周（数据趋势）。
我不相信这个结果，因为数据的趋势如上面的 U 形图所示（如@P_巴特尔提到的是第一步）。 但我认为 U 形图表明，随着流程的变化，某些事情正在开始发生，如果需要一些证据来初步验证流程变化正在产生影响，那么值得展示。
希望这至少对人们如何在 JMP 中进行操作有所帮助。 我认为需要更多周的数据，或者使用另一种可以适应数据趋势的统计测试。 我无法建议哪些测试，但我相信这里的其他人可以。
最好的，
回复：分析百分比数据的统计意义只是澄清一下，您应该使用的图表是 P 图表和 NP 图表。这些是缺陷品图表（每个单位只能有一个）。C 和 U 图表用于缺陷（每个单元可以有多个缺陷）。
在计算统计数据之前，请务必以图形方式查看数据。
我已经用 2 个简单的脚本平台重新附加了您的数据集（只需单击绿色箭头）。
听起来你正在做正确的事情。您可能需要耐心等待才能察觉到质量的“转变”。
回复：分析百分比数据的统计意义感谢您抓住这一点@statman
回复：分析百分比数据的统计意义我已经编辑了最初的回复以反映@statman关于 p/np 图的建议。 我误读了原帖。 谢谢指正@statman 。
