块图简介

块图类似于箱线图，显示数据中特定因素的重要性。 [如图1所示]就像ANOVA一样，用于表示统计显着性。

图 1：块图

块图的结构：

块状图的结构包括：

• X 轴 -从 m 到 r 的次要变量/特征的所有组合。
• Y 轴 -响应变量 y。 （显着性度量）
  

我们可以在以下情况下使用它：数据呈极非正态分布。 （与方差分析不同，其中数据必须服从正态分布）

解释块图

图 2：解释块图的结果

在块图中，我们处理级别。 （数字 1 和 2 是如图 2 所示的级别）我们可以注意到以下观察结果：

观察 1：

• 如果块图的水平是统一的（即都从 1->2 或 2->1），则该因子对数据很重要。 [因子 1 的方块图]
• 如果块图的水平不均匀。 （即一些从 1->2 而一些从 2->1），被观察的因素不是那么重要。 [因子 2 的方块图]

观察 2：

条形的高度决定了该因素对响应变量的影响。

• FACTOR 1 的块图始终较高，因此具有更高的重要性。 （即因素 1 很重要）
• FACTOR 2 的方块图相对较低，因此不那么重要。 （即因素 2 不是那么重要）

块图的优点：

1. 第一个优点是我们可以用块图代替 ANOVA（方差分析），这是一种定量程序。 （一个图形程序）
2. 第二个优点是，与其他统计检验不同，块图需要满足很多次要的假设。 （例如，即使对于数据的非正态分布，它也能很好地工作）

块状图是一种强大的图形技术，重点关注因素是否显着，并回答各种重要问题，例如过程改进了多少，并显示了对各种因素对该过程的影响的比较分析。如有任何疑问/疑问，请在下方评论。