Final step of Certification

回顧一下也提醒自己，

1. t-test 在 alternative hypothesis 改變的之後 (如 equal test => larger than test)，各種統計量基本上是不變的，p-value 改變是因為考慮的範圍改變，同時也比較容易 reject Ho。
2. Under Ho: u=5 vs. H1: u>5, if the estimator of mean was 5.2, we could reject Ho without test.
   
3. In 2 sample t test, 如果 F-test 和 Levene's test 得到相同的結論表示分佈為 normal。
4. In 2 sample t test, 當 sample size 一樣時，不管是 equal or not equal variance 做出來的 test statistic 是一樣的，但是檢定結果可能會不同....p-value 不同...why? 因為自由度不同。
   
5. In regression analysis, confidence interval of fitted values 為何是喇叭狀？可以用離中心點-平均值越遠越不確定來描述。
6. 因果關係 & 預測範圍要注意。
7. 考慮一條二次項不顯著的直線，其model 為 y=bo+b1*X+b2*X^2, 為何圖形看起來仍是一條直線？ 因為這仍是 b 的線性模型。
   
8. 注意沒有 individual value 的圖形是不能加上 spec limit。
9. MSA 裡面的 F-test 公式需要注意一下。
10. Xbar and R chart 的解釋
11. 不管使用 %contribution 或是 %StudyVar，其結論都會是一致的。
    
12. Capability analysis 裡面用 normal 和 non-normal 之間的差異優缺點為何？
13. Boundry 的用法，當我的測量值不可能出現低於或高於某一特定值時，應該設定Boundry，如時間不會小於零，所以計算 DPMO 等數據時不會考慮。或是比例不會大於1，也是一樣的道理。
14. Z-bentch 的看法解釋一下。
15. DOE 裡面，考慮 16 run，3 factors, 2 block design, 比較
    model1: y=bo+b1*A+b2*B+b3*AB+b4*C+b5*AC+b6*BC+b7*ABC 和
    model2: y=bo+b1*A+b2*B
    除了每個係數的 T 值會不同 (標準差不同)，還有檢定的 T 邊界值也會不同 (自由度改變)
    
16. DOE 裡面，考慮 16 run，3 factors, 2 block design, 比較
    model1: y=bo+b1*A+b2*B+b3*AB+b4*C+b5*AC+b6*BC+b7*ABC 和
    model2: y=bo+b1*A+b2*B+b3*AB+b4*C+b5*AC+b6*BC
    的 ANOVA table 中會差一個 Lack of fit 是因為把 ABC 拿掉！
    考慮：
    model3: y=bo+b1*A+b2*B 其ANOVA table 中一樣有 lack of fit
    有人會問：為何者兩個會不一樣，第一個是考慮error turn 不同，第二個是這兩個是不一樣的東西，因為 model 考慮的只有 A 和 B。
17. 何時使用 genernal factorial design
18. center point 的好處
19. fraction factorial design 的優缺點

以上這些要切記在心阿，都是些小小觀念但是卻容易讓很多人搞混。