数据的处理.docVIP

4 数据处理 2 当从频率分布表出发时，样本方差和样本标准差的定义是： 4.2.3 标准差和方差的数学意义 很明显，方差s2也是一组数的均值——它是各xi与ˉx的偏差之平方（x1－x）2，（x2－x）2，…，（xn－x）2这n个数的均值，是平均的平方偏差，因此称它为方差。标准差s是方差s2 的算术平方根，它与x1，x2，x3，…，xn。有相同的度量单位。容易看出，s2 越大，这组数据就越“分散”，或者说，这组数据的变异性（即互相不同的程度）就越大；s2 越小，这组数据的变异性就越小，也就更“集中”。当s2=2时，x1=x2＝x3＝…＝xn＝x，就没有变异。 因此，对一组数据x1，x2，x3，…，xn作分析时，x与s（或s2）是最常用的两个量：一个是代表性的值(指ˉx)；一个是描述数据的变异性的值（指s或s2）。 4.3 数据的列表整理法 4.3.1 列表整理概述 收集的数据是零乱无章的，很难直接应用，通常须经过整理才能进行分析研究。 数据整理的具体方法有多种多样，归纳起来，无外乎三种类型：一是将数据重新排列、组合，整理成某种表格形式；二是整理成某种图形的形式；三是通过不太复杂的数学运算、计算一些特征值。 整理，不仅使得零乱的数据化为醒目的形式，还常能反映出总体的某些分布特征，为分析研究提供重要的信息资料。数据的整理既重要，又繁琐。这一章里，我们介绍几种质量管理中经常用到的、也是最基本的列表整理方法。 4.3.2顺序及权数整理 顺序整理与权数整理是最简单的数据整理方法、它们往往是数据进一步整理的基础。 1）顺序整理 顺序整理指将原始数据按从小到大或从大到小的顺序重新排列。数据经顺序整理后，数据中的最大、最小值，一目了然。 例如，下面表4—1中数据，按从小到大的顺序整理为表4—2的形式，即表4—2为原始数据的顺序整理表。 2）权数整理 权数整理是将原数据依从小到大的顺序排列，相同的数据只记一次，并以“权数”来表示该数据出现的频率，整理成权数表形式（见表4—3）。 一般，权数整理后的第i个数据记为xi，xi的权数记为pi。 权数越大的数据，其出现的频率越大，这个数据对全局的影响也越大。形象地说，它的“权”也越大。权数最大的数据也被称为众数。 下面看一个权数整理的例子。 例4—1试对表4－1的数据做权数整理，并指出众数。 解：数据总个数：n=10。合并相同的数据后，共有7个不同数据，列权数整理表为： 4.3.2 数据的分层法 分层法也叫分类或分组法。分层法是一种把收集来的数据，按照一定的标志进行分类的方法。 一个数据的形成受多方面的原因所影响，把诸多性质不同的原因而影响形成的数据搅在一起，很难理出头绪米。而如果按照适当的标志将数据加以分类，如按照来源、影响因素、方法、材料等特性指标来分类，会使数据较分类前更清晰、更准确地反映数据所代表的客观事实，便于我们看出问题的主线。 分层法的基本原则是将性质相同的数据归在一起，这里所说的性质也就是分层的标志，恰当地选择标志，才可能实现分层的目标，标志选择不适当，分层后可能没有任何实际指导意义。当然，并不是所有问题的所有数据都必须经过分层整理，分层的方式也没有什么统一的格式或规定，只要能够根据以往的经验，结合本专业的技术知识，恰当地选择分层标志，达到能从分层后的数据中看出问题或找出主要原因的目的就行。比如，可以结合实际问题，选择以下的某种标志进行分类： 1）按操作人员分：如按照工龄、男工与女工、操作工等级进行分类。 2）按使用的设备分：如按不同的装置、流水线、不同的机床型号等分类。 3）按原材料分：如按不同产地的原材料、不同贮存方法或不同保存时间的原料等进行分类。 4）按工艺条件分：如按不同配料比、加剂时间、不同的温度等分类。 5）按不同的时间分：如按不同的班次、不同的日期等分类。 6）按不同的检测手段分：如按不同的检测仪器，不同的化验室，不同的检测方法等分类。 还可以按照其他的各种标志来分类、这里不再一一列举，下面我们来看两个分层的例题。 例4—2某QC小组针对本车问产品的某含量时常偏高问题，从不合格品中随机抽取了70个样品。欲通过分类找出产生不合格品的主要原因。 1）当小组成员对不合格品的样本，按照生产的4个班次分类时，得到的结果见表4—4。 从这个分类统计表中看不出什么条理、头绪来，即选择时间为分层标志，使这次分层没有明显的指导意义。故他们考虑重选分层标志。 2）按照导致含量偏高的原因进行分类，结果见表4—5。 从影响因素来分类、我们看到导致产品某含量过高的主要原因是塔顶温度偏高。这样，在解决质量问题过程中抓住了主要矛盾。 例4—3某厂将一个月的所有质量差错按工人级别与性别两个标志进行分类