第二章质量数据的统计处理.pptVIP

第二章 质量数据的统计处理 本章提要 质量数据的取得与整理 质量管理现场的常用图表 数理统计的基础知识 质量数据的搜集 搜集数据的目的 质量数据的分类 统计数据的取样 搜集数据的目的 用于控制现场 用于分析 用于调节 用于检查 质量数据的分类 对于现场数据 计量数据 计数数据 对于一些特殊场合 顺序数据 点数数据 优劣数据 统计数据的取样 样本必须对总体具有代表性 随机抽样方法 简单随机抽样 系统随机抽样（机械随机抽样、等距随机抽样） 分层随机抽样（类型随机抽样） 整群随机抽样（集团随机抽样） 一个例子 甲乙丙三个车间都生产同一种产品，共生产了100件，其中甲车间生产的产量占全部的30％，乙车间占50％，丙车间占30％，需要抽取10件作为样本。 请问：分别用简单随机抽样、系统随机抽样、分层随机抽样、整群随机抽样的方法抽样，应该怎样抽取？ 质量数据的整理与图示 计量数据的整理与直方图 计数数据的整理与条形图 计量数据的整理与直方图 直方图是用一系列宽度相等、高度不等的矩形来表示数据分布的图。矩形的宽度表示数据范围的间隔，矩形的高度表示在给定间隔内数据出现的次数（频数）。 汽车活塞环直径的125个原始数据 步骤1 从样本数据中找到xmax与xmin 并计算R R＝ xmax－ xmin 本例： xmax＝74.030； xmin＝73.967 R= 74.030－ 73.967＝0.063 步骤2 根据样本个数n决定分组数k和每一组的组距h 分组数k的经验公式： K＝1＋3.322lg(n) 或者分组数选用表（右图） 数据个数n 推荐组数k 50-100 7－8 101-200 8－9 201-500 9－10 501-1000 10－11 分组数选用表 组距h可相等，也可不相等。若相等，则h＝R/k 本例：n=125，取k＝9，组距h＝0.063/9＝0.007 步骤3 决定各组组限和组中值 [a0,a1),(a1,a2),…(ak-1, ak] 组中值yi yi ＝（ ak-1＋ ak）/ 2 步骤4 采用计数的方法统计数据落在各个组限区间的个数（称为频数），记为ni，并计算每个区间对应的频率fi＝ni/n，列出频数（频率）分布表和累计频数（频率）分布表。 根据频数分布表作出直方图 从直方图中可以很直观地看出数据分布的三种特征： 形状 位置或中心倾向 分散或变异程度 计数数据的整理与条形图 例：某企业生产某种型号的三极管，以100个为一批进行质量检查，记录每批产品中的不合格品数，共检查了500批。 不合格数 频数（批数） 频率 0 71 14.2％ 1 139 27.8％ 2 130 26.0％ 3 90 18.0％ 4 45 9.0％ 5 18 3.6％ 6 6 1.2％ 7 0 0.0％ 8 1 0.2％ 合计 500 100％ 不合格品数条形图 质量变异及其统计特征量描述 质量的统计观点 质量因素的分类 质量数据统计特征的描述 质量管理中常见的概率分布 产品质量的统计观点 产品质量的变异性 产品质量在生产过程中不断变化着 产品质量变异具有统计规律性 可以找出产品质量的分布 不再把产品质量看成仅仅是产品与规格的对比。 不良 ? 传统观点 Spec LSL USL 我们合格 Spec-in就合格 I am Data (我活着) Spec-out 不合格 检出不良 以后 ,,, Spec LSL USL 集中在中心 才合格 散就死 Spec-in 但没有达到水准 就不合格 潜在的不良 事前预测 不良 ? 呀 ! 有吃的 (不良) 质量因素的分类 按不同的来源分类 操作人员（Man） 设备（machinery） 原材料（Material） 操作方法（Method） 环境（Environment） 测量（Measurement） 按影响大小和作用性质分类 偶然因素 影响微小 始终存在 逐件不同 难以除去 异常因素 影响较大 有时存在 方向一致 不难除去 质量数据统计特征的描述 反映样本数据集中程度的特征量 样本均值 样本中位数 反映样本数据离散程度的特征量 样本极差 样本方差 样本标准差 质量管理中常见的概率分布 离散概率分布 超几何分布 二项分布 泊松分布 连续概率分布 正态分布 超几何分布 设有一批产品，批量大小N为有限数，假定其中含有D个不合格品，则该批产品不合格率P为 P=D/N×100％ 从该批产品中随机抽取容量为n的样本，则样本中含有x个不合格品的概率服从超几何分布。 二项分布 一批产品，批量为无限大，假定产品总体的不合格率为P。从总体中随机抽取容量为n的样本，则样本中恰含有x个不合格品的概率服从二项分布。 泊松分布 在质量管理中，泊松分布的典型用途是用作单位产品上所发生的不合格数的数学模型。 用x表