常用统计技术在质量管理中的应用.pptVIP

在终极的分析中，一切知识都是历史 在抽象的意义下，一切科学都是数学 在理性的基础上，所有的判断都是 统计学 质量管理三阶段 检验质量管理 统计质量管理 全面质量管理 2．相关系数的检验 若记两个变量x和y理论的相关系数为 ，其中x为一般变量，y服从等方差的正态分布，则 对给定的显著性水平 ，当 可以认为两者间存在一定的线性相关关系， 可以查表得出。（其中n为样本量）。 3．具体计算 求上例的相关系数： 步骤如下： （1）计算变量x与y的数据和： Tx= =1.90, Ty= =590.5 （2）计算各变量的平方和与乘积和： （3）计算Lxx,Lyy,Lxy： Lxy =95.9250-1.90×590.5/12=2.4292 Lxx =0.3194-1.902/12=0.0186 Lyy =29392.75-590.52/12=335.2292 （4）计算r： 在 =0.05时， ，由于r0.576，说明两个变量间有（正）线性相关关系。 三、一元线性回归方程 1. 一元线性回归方程的求法： 一元线性回归方程的表达式为 其中a与b使下列离差平方和达到最小： 通过微分学原理，可知 ， 称这种估计为最小二乘估计。 b 称为回归系数；a一般称为常数项。 ? 求一元线性回归方程的步骤如下： （1）计算变量x与y的数据和Tx，Ty； （2）计算各变量的平方和与乘积和； （3）计算Lxx,Lxy； （4）求出b与a； 利用前面的数据，可得： b=2.4392/0.0186=130.6022 a=590.5/12-130.6022 ×1.90/12=28.5297 （5）写出回归方程： 画出的回归直线一定通过（0，a）与 两点 上例： 或 2. 回归方程的显著性检验 有两种方法： 一是用上述的相关系数； 二是用方差分析方法（为便于推广到多元线性回归的场合），将总的离差平方和分解成两个部分：回归平方和与离差平方和。 总的离差平方和： 回归平方和： 离差平方和： 且有ST=SR+SE，其中 它们的自由度分别为： fT=n-1，fR=1，fE=n-2=fT-fR 计算F比， 对给定的显著性水平 ，当 时认为回归方程是显著的，即回归方程是有意义的。一般也列成方差分析表。 对上面的例子，作方差分析的步骤如下： 根据前面的计算 （1）计算各类平方和： ST=Lyy=335.2292， fT=12-1=11 SR=bLxy=130.6022×2.4292=317.2589，fR=1 SE=335.2292-317.2589=17.9703， fE=11-1=10 （2）列方差分析表： [例2-2]的方差分析表 对给定的显著性水平 =0.05，有 F0.95(1,10)=4.96 由于F4.96，所以在0.05水平上认为回归方程是显著的（有意义的）。 3．利用回归方程进行预测 对给定的 ，y的预测值为 概率为 的y的预测区间是 其中 当n较大， 与 相差不大，那么可给出近似的预测区间，此时 进行预测的步骤如下： （1）对给出的x0求预测值 上例，设x0 =0.16，则 （2）求 的估计 上例有 （3）求 上例n=12，如果求概率为95%的预测区间，那么t0.975(10)=2.228，所以 （4）写出预测区间 上例为(49.43-3.11,49.43+3.11)=(46.32,52.54) 由于u0.975=1.96，故概率为0.95的近似的预测区间为： ∵ ∴ 所求区间： （49.43-2.63，49.43+2.63）=（46.80，52.06） 相差较大的原因总n较小。 四、可化为一元线性回归的曲线回归（略） 在两个重复的散点图上，n个点的散布不一定都在一条直线附近波动，有时可能在某条曲线附近波动，这时以建立曲线回方程为好。 1. 确定曲线回归方程形式 2. 曲线回归方程中参数