常用质量统计技术概要1.pptVIP

方差分析： 鉴于学习程度和实际操作经验有限，在此只能简单给出理论分析过程，无法给出方差分析的举例。 End 统计推断！ 统计推断： 指利用有限的样本数据对总体未知的重要信息（如：均值、方差和标准差等）进行合理判断和估计。 常用的统计推断方法有参数估计和假设检验： 1、参数估计： 指应用有限的样本数据对总体未知的重要信息（如：均值、方差和标准差等）进行合理估计，包括：点估计和区间估计。 在一定的置信度下，估计参数的范围叫置信区间。 2、假设检验： 指应用有限的样本数据对总体未知的重要信息（如：均值、方差和标准差等）进行合理判断。 参数估计 正态总体参数的点估计： 例、点估计： 在我们生产衬底过程中，需要对SiO2掩膜的直径进行监控，某一次加工了500片衬底半成品，随机抽取20片进行SiO2直径的测量，我们将用抽测的这20片的直径计算出样本的均值和标准差，并以此来代表这500片的均值和标准差。这就是统计学上常说的点估计，即利用样本数据的结果，给出总体均值、总体方差、总体标准差等的估计数值。 区间估计： 区间估计： 既然是借助有限的样本数据估计总体，就不可避免地会有估计的风险，所以，不可能得到100%把握下的结论。 实际工作中，往往是在95%把握下，对总体参数所在的区间的估计，已经足以满足管理和控制的需求。这样估计得到的区间，称为置信区间，这种估计方法在统计上成为区间估计。 区间估计： 正态总体参数的1-α置信区间： 例、区间估计： 在我们生产衬底过程中，需要对SiO2掩膜的直径进行监控，某一次加工了500片衬底半成品，随机抽取20片进行SiO2直径的测量，分别为：1.711、1.672、1.686、1.671、1.704、1.7、1.674、1.696、1.761、1.732、1.729、1.678、1.72、1.742、1.695、1.678、1.69、1.676、1.663、1.732，计算得直径均值x和标准差s，其中x=1.701um，s=0.0276um。那么，如何来估计这500片衬底的SiO2直径均值？ 解： 根据上页中的表，总体均值的置信区间为： 在95%把握下（α=5%），总体均值的置信区间为： 于是，将x和s带入上式得： [1.701-1.96*0.0276/ ，1.701+1.96*0.0276/ ]=[1.689,1.713]，即： 有95%的把握认为，该500片衬底的SiO2直径均值范围落在[1.689，1.713]之间。 假设检验 从样本区推断假设是否成立： 假设检验是针对总体的假设进行检验，进而做出接受或者拒绝总体假设的结论。因此，我们需要对总体假设进行设计。 根据实际问题，提出原假设和原假设的对立面（称为备择假设）。通常，原假设用H0标示。备择假设用H1标示。 原假设：正常的、默认的、不证自明的、普遍意义的、公平的 假设检验的基本步骤： 正态总体的常见假设检验模型： 例、假设检验： 仍然以500片PSS衬底半成品为例，借助随机抽取的20个样品来推断该批衬底的SiO2直径均值。我们的生产目标是SiO2直径为1.7um。根据我们抽测的情况，可否认为该批衬底的SiO2直径就是1.7um？运用假设检验，做出我们的判断。假设检验的步骤如下： 步骤1：设计零假设和备择假设，即H0：μ=1.7，H1：μ≠1.7。 步骤2：我们抽测的这20片制品的样本均值x=1.701，标准差s=0.0276，样本量n=20. 步骤3：确定假设检验的显著性水平为α=5%，基于抽测的样本均值、标准差有： =（1.701-1.7）/(0.0276/ )=0.162 步骤4：根据预先确定的接受准则，做出接受或者拒绝零假设的结论。可以容易地找到零假设的拒绝准则和接受准则。设定了显著性水平为5%，于是，可以通过查表找到接受零假设与拒绝零假设的临界值为1.96. 结论：由于0.162远小于1.96，故接受零假设，换言之，我们有95%的把握认为：该批衬底的SiO2直径均值是1.7um。 例、假设检验： 假设检验的用途： 方差分析： 假定： 在同一水平下，产品特性值有一个理论上的均值，实际观测数据对理论均值的偏离是随机误差，这个误差一般服从正态分布。 不同水平下，这些均值上的差异是由不同水平造成的，是系统误差。 除了已知因素以外的其他因素尽可能保持一致，因此可以认为不同水平下对应的总体方差相同。 这