数理统计基础研究报告.ppt

『品质部管理人员培训教程』 目 录 1. 统计数据类型 2. 基本统计量 3. 数据分析 统计数据类型 统计学 统计学是一门讲述通过对数据的收集,陈述,分析,诠释进行一系列处理以用于决策及解决问题的分支科学. 统计学作为品质改善上一项重要的技术,可用于描述和理解可变性. 统计数据类型 定性数据 定类数据 表示个体在属性上的特征或类别上的不同变量，仅仅是一种标志，没有序次关系 主要数学特征是“＝”或 “≠” 例如：性别“男”编码为1，“女”编码为2。 定序数据 以用数表示量的不同类（组）别，而且也反映量的大小顺序关系，以列出各单位、各类（组）的次序 主要数学特征是“”或“” 例如：对合格产品按其性能和好坏，分成优等品、一等品、二等品… 定量数据 定距数据 对事物类别或次序之间间距的计量，有单位，没有绝对零点 可以做加减运算，不能做乘除运算 学生某门课程的考分，可以从高到低分类排序，形成90分、80分、70分，直到零分的序列。 定比数据 在定距尺度的基础上，确定可以作为比较的基数，将两种相关的数加以对比，而形成新的相对数 可进行加、减、乘、除运算 例如：全场男员工的身高 各种数据的关系 数据的等级越高，应用范围越广泛，等级越低，应用范围越受限。 一般要求测量的层次越高越好，因为高层次的计量尺度包含更多的数学特性，所运用的统计分析方法越多，分析时也就越方便，因此应尽可能使用高层次的计量尺度。 定量数据的类别 连续型(计量型) 能够将刻度尺寸划分地更精确 数据通过测量获得 数据可在趋势图中展示出来 例如：温度，时间和内径直径 离散型(计数型) 在某一指定区域内不能再分，数据通过计算获得 数据可以通过直方图来表示 例如：将缺陷的数目或零件故障的数目细分为1.5便没有任何意义 实例1 以下为某人的考勤记录 分别用定性数据和定量数据进行记录： 基本统计量 总体和样本 总体 预测量的整体对象范围 样本 总体中抽取部分个体所组成的集合 参数 代表总体的测量数值 统计量 代表样本的测量数值 基本统计量 均值 (Mean) 均值是指所观察一组样品的平均值：x 例子:某工序10个员工的平均高度计算如下: Mean, x = 1.65+1.68+1.71+1.65+1.67+ 1.65+1.68+1.62+1.60+1.65 = 16.56/10 = 1.656 中位数 (Median) 将一组数据由上升或下降趋势排列后： 如果是一个奇数数组,取中间数值 如果是一个偶数数组,中值则是中间两个数据的平均值 1.60 1.62 1.65 1.65 1.65 1.66 1.67 1.68 1.68 1.71 Median = (1.65+1.66)/2 = 1.655 优点：不被数组里的最大值或最小值而影响 实例2 如有观察数组是: 1 3 4 2 7 8 6 那么此数组的均值中值是4.4和4. 两个数据都表示出这组数据中心趋势的合理量度 如果最后一个数据的值改变为: 1 3 4 2 7 8 2450 这组数据的均值是353.6，而中值没有改变，仍为4 众值 (Mode) 在一组观察数据中出现频率最多的数值 1.60 1.62 1.65 1.65 1.65 1.66 1.67 1.68 1.68 1.71 Mode = 1.65 优点：不会因为出现一个较大或较小的值而受影响 缺点：受数据的随机性影响比较大，有时候没有，有时也不惟一 极差（Range） 一组观察数组中最大值和最小值的差距 例如: 某工序10位员工的身高如下： 方差和标准差 实例3 有两组样本，计算相关统计量： Sample A : 1, 3, 5, 8, 9 Sample B : 1, 5, 5, 5, 9 数据分析 正态分布 正态曲线偏移 正态曲线形状 6sigma原理 6sigma水平 6个西格玛＝3.4失误/百万机会 意味着卓越的管理，强大的竞争力和忠诚的客户 5个西格玛＝230失误/百万机会 优秀的管理、很强的竞争力和比较忠诚的客户 4个西格玛＝6,210失误/百万机会 意味着较好的管理和运营能力，满意的客户 3个西格玛＝66,800失误/百万机会 意味着平平常常的管理，缺乏竞争力 2个西格玛＝308,000失误/百万机会 意味着企业资源每天都有三分之一的浪费 1个西格玛＝690,000失误/百万机会 每天有三分之二的事情做错的企业无法生存 σ对品质的影响 偏移对品质的影响 以下为3名射击选手的成绩： 制程精确度—Ca 制程精确度（Ca） 衡量