初级质量工程师概率统计.pptVIP

相关系数的检验 用样本的相关系数检验总体是否相关 二、一元线性回归方程 一元线性回归方程 两个变量间的关系表达式 线性方程的假定 X自变量 因变量Y是随机变量 n组数据是独立的 Y的方差对所有x相等 Y的均值对x是线性的 （一）一元线性回归方程的求法 （二）利用回归方程预测 样本均值 计算p132 广泛使用 反映集中位置的指标 样本中位数 有序样本 中间位置上的数值 描述分散程度的样本统计量 反映数据的差异 样本极差 样本方差和标准差 样本极差 由两个端点值计算 信息利用不充分 样本方差 由离差计算得到 应用更广泛 （五）样本数据的整理 频数分布表 直方图 频数分布表的步骤 极差（数据范围）R 最大值-最小值 根据样本量确定组数K（经验值） 确定组距h=R/K 确定组限和组中值 计算频数和频率 作图 直方图类型 频数直方图 频率直方图 直方图图示 横坐标为测量值，标出组限 纵坐标为频数或频率（等距分组时） 纵坐标为频数（频率）/组距的值（不等距分组） 直方图的作用 分析数据的分布情况 直方图形状 对称形（很多测量型数据服从） 偏态（单侧公差、操作习惯、挑选后） 孤岛（生产条件发生变化） 平顶形（生产条件缓慢变化、多种生产条件混合） 双峰形(两种生产条件) 二、参数估计 点估计 无偏性概念 正态总体的无偏性 （一）点估计 用样本统计量估计总体参数 （二）无偏性概念 每次估计会有偏差 但平均偏差为0 任何总体的无偏估计 样本均值是总体均值的无偏估计 样本方差是总体方差的无偏估计 样本标准差不是总体标准差的无偏估计 （三）正态总体的无偏估计 总体均值的无偏估计 样本均值和样本中位数 样本方差是总体方差的无偏估计 样本标准差不是总体标准差的无偏估计 总体标准差的无偏估计有两个 用样本标准差估计s/c4 用样本极差估计R/d2 正态总体总体均值的无偏估计 均值使用了全部信息，更有效 中位数计算简单 n=1，2时，两者相同 正态总体方差的估计 是所有无偏估计中最有效的 正态总体标准差的估计 n=2时两个估计相同 用标准差估计利用了全部信息更有效 用极差估计简单 样本量大于10用标准差估计 三、正态概率纸 特殊的坐标纸 横坐标等间隔 纵坐标按标准正态分布计算 正态概率纸的作用 检验数据是否是正态分布 求出正态分布的均值和标准差 对非正态分布作正态转换 检验数据是否服从正态分布步骤 形成有序样本 计算累计概率的估计值 描点 判断是否在一条直线上——正态分布 估计正态总体的均值和标准差 画出一条直线l 纵轴0.5处画一条水平线与直线l相交，从交点下垂与横轴的交点处为均值估计值 从纵轴0.84处画一水平线与直线相交，从交点下垂与横轴的交点是?+? 横坐标两点之间是? 对非正态总体的转换 常用的两个 对原始数据作对数变换y=lnx 对原始数据作倒数变换y=1/x 第三节 回归分析 散布图与相关系数 一元线形回归 一、散布图与相关系数 相关关系 现象之间存在一定依存关系，但不是确定的一一对应关系 分析目的： 现象之间相关方向和相关密切程度 （一）散布图 描述两变量间的关系 （二）相关系数 用来说明在线性相关的条件下，两个变量间关系的密切程度和方向的统计指标 计算 含义 （x- )(y- )0 （x- )(y- )0 ? ? ? ? ? ? ? （x- )(y- )0 ? ? ? （x- )(y- )0 ? ? 相关系数的意义 p145 随机变量 表示随机现象结果的变量 X