我们经常看到平均（A.K.A.的平均值）用于总结人口或过程。例如，披萨餐厅可能说明他们的平均交货时间为20分钟。偷偷摸摸地，这似乎是一个非常直观的措施。

虽然平均值是重要的，但人们常常对变异性做出反应。可变性是一种衡量数据如何从平均值传播。您有多少次观看过天气预报，预测器在一个地区显示出极端的热量和火灾，并在另一个地区洪水？平均水平不会好吗？人们对极端的痛苦超过平均水平。

这也是如此。产品或服务的购买者预计基于以前的购物的某种经验。客户重视一致性和可预测性，以确信他们的金钱。简而言之，客户希望降低变化，他们会注意到他们的期望偏差。

如何测量可变性并查看其效果

标准偏差是最常见的可变性衡量标准。这是每个数据点与平均值的平均绝对距离。如果测量披萨交付时间的样本，它们都非常相似，您有一个较小的标准差。如果值更加不同，则您具有更大的标准偏差。

让我们比较2个披萨送餐餐厅，这两种披萨送货上有20分钟的平均交货时间。你怎么能决定订购哪一个？看他们的变化。

让我们假设这两个地方都有20分钟的平均交付时间，但一个有5分钟的标准差，而另一个具有10分钟的标准差。 我们还假设交货时间通常是分布式。此外，您认为等待30分钟或更长时间是不可接受的。交易中的多大是可变性的差异？用Minitab的概率分布图找出来！

上面的图表显示了交货时间的分布。阴影区域代表超过30分钟的交货时间的比例。高变形餐厅具有更广泛的分布曲线，近16％的交货率超过30分钟。低变形餐厅具有较窄的曲线，只有约2％的交货率超过30分钟。如果我饿了，我知道我会订购哪个地方！

这个例子说明了均值如何提供不完整的信息，因为我们有两个相同的手段，但两种相同的结果。更高的可变性降低了购买者对他们将收到的产品或服务的确定性。

使用Minitab评估变异性

如您所见，评估过程分析中的可变性对于质量改进非常重要。minitab.18luck新利手机版有许多工具可以帮助您评估您拥有的可变性，并帮助您找到减少它的方法。

假设试验

假设测试使用您的样本数据来得出关于一个或多个人群的结论。

1方差
确定一个人口的方差如何比较目标值。例如，您测量样品中的钢的强度，并希望确定工厂的生产的可变性小于临界阈值。

2差异
确定2种人口差异如何相互比较。例如，您测量来自2个植物的样品中的钢的强度，并希望确定哪种植物产生具有更一致的强度的钢。

测试等同差异
确定2个或更多人群的差异是否相等。该测试将告诉您来自多种植物的钢是否同样一致。

分析实验设计的变异性（DOE）

一种设计实验是一系列的运行或测试，您可以在其中，您可以同时发生对输入变量的更改并观察响应。

分析变异性是Minitab的实验设计（DOE）工具包中的分析，它标识了因重复或复制测量的2级因子设计中产生较少变量的因子设置。例如，假设您正在研究不同的制造设置，并希望确定它们如何影响钢材质量。分析变异性将有助于您确定如何生产具有更一致的强度的钢。

在未来的博客中，我将深入研究我在研究项目中遇到可变性问题的案例。