1.基本统计学.pptVIP

DOE 培训 Content 基本统计学 假设检验简介 均值比较 一般线性回归分析 实验设计简介 2k因子实验设计简介 23全因子实验 部分因子设计 响应曲面法 DOE案例 课程安排 第一天 上午 ?课程介绍 数据的分类：离散数据和连续数据 ?参数和统计量：位置的测量和变异的测量 正态分布及检验方法? ?假设检验：零假设和备选假设?（Ⅰ类和Ⅱ类错误） 下午 课程回顾 检验单个总体均值是否等于目标值 检验两个总体均值是否等于目标值 检验两个以上总体均值是否等于目标值 ?一般线性回归方法 ?具有影响的数据点：界外点和杠杆点 第二天 上午 ?课程回顾 ?实验设计步骤和实验设计类型 ?2k全因子设计：交互作用和因子主效果 ?部分因子设计：筛选设计 部分因子设计： 别名关系和分辨率 部分因子设计：折叠设计和饱和设计 下午 课程回顾 RSM法简介 DOE案例分析 课程总结 考试 例 1 这里有27个球， 其中有且只有一个球质量为9克, 其它26个都为10克。给你一架天平，请找出重为9克的那个球。 请问，你至少要称几次？ 例 2 这里有9框球(每框100个)， 其中有且只有一框里的球质量全为9克, 其它8框里的球都为10克。给你一架天平，请找出里面的球重为9克的那个框。 请问，你至少要称几次？ 实验设计 Design of Experiment 为什么要进行试验设计？ 实验设计的意义及其优点 实验设计的意义: 应用数理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在工程学领域是改进制造过程性能的非常重要的手段。在开发新工序中亦有着广泛的应用。 在工序开发的早期应用实验设计方法能得出以下成果： 1. 提高产量； 2. 减少变异性，与额定值或目标值更为一致； 3. 减少开发时间； 4. 减少总成本； 试验设计在生产/制造过程中的位置 1. 基本统计学 目 录 数据分类 计量型数据 位置的测量/中心趋势 变异（散布）的测量 Minitab中描述 正态分布及检验 数据的分类 数据是来自观察的，由一个过程搜集得来的数据可让我们描绘过程、了解过程、改善过程甚至控制过程。 数据在过程改善中的重要性。 数据分为计数型和计量型两类。 数据分类定义 计量型数据“连续数据” （又称计量数据）：用连续坐标进行测量并得出的数据，或者说，用测量仪器或量具测量出的可以连续取值的数据类型，可以无限细分。 离散数据：1）计数：只能统计出现，没有出现的统计不出 2）离散的属性（均可统计出）：（出现，未出现）；（正面，反面），百分比 计量型数据和计数型数据都有什么优缺点？ 小组讨论 计量型和计数型数据的优缺点? 计数型数据的转化 计数型数据可以转化成计量型数据 数据分类例题 对数据的认识水平 计量型数据 学习目的 1）利用数据的分布形状，中央趋势和变异大小进行特性化 2）如果数据是正态分布的，计算Z值，利用Z值确定超出某一数值的比例 统计学基本术语 总体：想要测量对象的全体 参数：用总体的数据计算出的数值（如均值，标准差），称为总体的参数 样本：从总体中抽出的部分数据 统计量：用样本的所有数据计算的数值（如均值，标准差），称为样本的统计量 整体： 1）以制造或将要制造对象的全体集合，用所关注的特性描述 2）我们究竟能否知道真正的整体参数 样本： 1）统计研究中实际测量的目标组 2）样本通常是整体的子集 描述计量型数据集 一组计量型数据能显示以下三个特性： 1）中央趋势（均值，中值，众数，四分值） 2）变异（全距（range），标准差，方差，四分值极差） 3）形状 位置测量-中心趋势 均值 中值 众数 四分值 均值 样本均值 总体均值 均值的特性 1）均值的计算使用了每个观测值；每个观测值对均值都有影响 2）所有观测值对均值的偏差的总和为零 3）均值对极端值很敏感，极端值会导致均值向他偏移 中值 将一组观测值按大小顺序排列，位于中心点数值即为中值 注：1）若观测值的个数为偶数，则中值为中间两个数值的平均值； 2）若观测值的个数为基数，则位于中心点数值即为中值。 优点：不受极端大或极端小的观测值的影响 众数 定义：样本中出现次数最多的观测值 众数可以是唯一的，也可以是不止一个，有时并不存在众数。 当观测值为分类式（如名义数据，序列数据）时，众数是描述数据位置的最好指标（例如一个公司员工收入的众数） 众数的重要信息：当众数不止1个时，从中抽取样本通常来自于多个总体的混合。 四分值 定义：将一组按大小顺序排列的数据平分为四部分，分界点 即四分值 第一四分值，约25%的观测值小于它，用Q1表示 第二四分值，约50%