〈精品〉Unit-2定义2.4基本统计.ppt

路径位置 确定工程是否稳定 如果工程不稳定，鉴别并祛除不稳定的要因 确定工程的平均值的位置 - 它在目标线上吗? 如果不在，确定影响平均值的变量，并决定最优的设置以达到 目标值 估计总散布的幅度 - 与顾客的要求（规格限）比起来，是可接受的吗？ 如果不是, 确定散布源，而后消除或减少他们对工程的影响。 我们现在就将回顾统计学以帮助我们的工程 Data的种类 统计的基础 流程的散布 Graphical Presentation 正态分布 统计量的陈述方法 Data Mining Data的种类 记数型数据（ Attribute Data ） (定性的) 种类 好 / 坏 机器1, 机器2, 机器3 班次 记数事件 （如文件中的错误数, 装船的部品数，等） 计量型数据（ Variable Data ） (定量的) - 连续的数据 (有意义的小数) 时间(秒) 压力 (psi) 传送带速度 (ft/min) Rate (inches) 等等. 正态 分布的 直方图 最后，我们把数据分布连成光滑的曲线。在这个例子中使用了“正态分布”的假设 (我们将稍后讨论)，如果我们收集了一组无限多的数据点，它将提供一个近似的数据分析结果 。 Graphical Presentation 图表介绍 观察油漆比率 (Rate) 打开PUMPING.MPJ 文件 RATE 作为变量. 点图 Graphical Presentation 图表介绍 Minitab 结果 设想一个泵的运转，按设计被用来以 21 加仑/分 供应 溶剂。 分150次测定了实际的泵抽速，作图如上。每一个点代表一个具有给定值输出的“事件”。随着点的积累，泵运转的实际表现的特性可被看作一个抽速数值的“分布”。 Graphical Presentation 图表介绍 箱线图 是各分布差异容易把握的数据调查方法. 让我们看一下上漆的速率 打开文件 PUMPING.MPJ 用列RATE 作为变量 Graphical Presentation 图表介绍 Minitab 结果 90% 75% 50% 25% 10% Outlier 箱线图可以体现数据扩散性及中心. 注意 ! 箱线图中的中心线不是 平均 而是 中央值. Graphical Presentation 图表介绍 正态分布 正态分布是有一贯性的数据的分布. 1700年开始统计学者研究通过平均和标准偏差两个值来把握全部母集团的概念. 收集这样的数据对理解重要的工序特性很有用. 可以假设自然的或人为的工序大多呈正态分布,但完整的正态分布是不可能的 . 分布曲线 1 分布曲线 2 分布曲线 3 这三个正态分布的差异是什么? 属性 1: 通过下面两个值可以得出正态分布: 数据平均, 标准偏差 正态分布 4 3 2 1 0 - 1 - 2 - 3 - 4 40% 30% 20% 10% 0% 95% 标准值得概率 到平均的距离内可容纳的标准偏差的个数 99.73% 68% 两个值之间可以得到的累积概率 属性2: 通过曲线下面的宽度可以推测发生某种 “事件” 的概率. 正态分布 为标准偏差的经验规则 －前面的累计概率的规则即使在数据不是完美的正态分布时也适用 　－让我们比较数值的理论正态分布（完美的）和经验正态分布（现实的） 即, 是否正态分布的 60~75%的数据在1西格玛内. +/ - 1 s 68% 65 - 70% +/ - 2 s 95% 92 - 98% +/ - 3 s 99.7% 99 - 100% 标准偏差数 理论正态分布 经验正态分布 正态分布 正态概率图 利用正态概率图的数据样式可以判定是否符合“正态分布” 分布曲线接近曲线时 正态概率图 将接近直线. Minitab 使 正态概率图 使用方便. 利用Distskew.mtw 数据做练习. 正态分布 画 Normal Probability Plots 正态分布 { 参考事项 } - 数据点如果分布在直线周围，则符合正态分布. - Goodness of Fit (AD)值越小,说明数据越符合指定的概率分布. - P值大于0.05,则可以认为是正态分布. 此为增添图线 正态分布 打开文件 DISTRIBUTIONS.MPJ 用前三列数据各作一个正态概率图 - 哪个看上去象正态的 然后各作一个直方图 - 这显示了什么？ 给你5分钟 正态概率图练习-1 正态分布 正态分布 打开