多变量六西格玛

多变量六西格玛是传统六西格玛方法的扩展，用来处理需要测量多个响应变量的和产品的质量依靠这些变量或属性的联合值的过程。相对单变量方法专注于单独的每个响应变量，多变量统计方法是用来从整体的角度解释多个响应值。在复杂的过程中变量表现出很强的相关，如果多个响应变量没有被一起考虑就可能获得令人误解的结果。

多变量图形显示-包含比如雷达图，glyphs，矩阵图，draftsman和casement图。

多变量能力分析-基于多变量正态分布来估计在确定规格内的多个变量的联合概率。

多变量控制图-画出T平方图，控制椭圆，或多变量EWMA控制图来发现可归于特殊原因的变异。

神经网络分类-基于多响应变量的值来分类观测值到组。

多变量校正-使用偏最小平方来分析当变量数多于观测值时的数据。

首要成分分析-起源于多响应值的线性组合，用来描述多个响应变量中的首要变异。

多响应值优化-提供一个过程，在执行过有计划的试验后，用来最大化多响应值的期望。

CALL or EMAIL
021 50391085
021 50391085
或 sales#cabit.com.cn(请将#替换为@)