SPC - 讲义 - 打印.docVIP

统计技术控制 （SPC） 培训课程材料 卓一企管 目 录 第一部分：统计技术基本知识 第Ⅰ章 统计学和概率论基本知识 1、随机现象和随机试验 2、大数定律和中心极限定理 第Ⅱ章 和统计相关的术语和定义 1、基本概念 2、和统计相关的术语和定义 第Ⅲ章 随机变量及其分布 1、常态分配 2、超几何分配 3、二项分配 4、卜氏分配 5、指数分配 第二部分：控制图和过程能力解释 第Ⅰ章 持续改进及统计过程控制概述 预防和检测 过程控制系统 变差：普通及特殊原因 局部措施和对系统采取措施 过程控制和过程能力 过程改进循环及过程控制 控制图：过程控制的工具 控制图的益处 第Ⅱ章 计量型数据控制图 均值和极差图（-R图） A.收集数据 B.计算控制限 C.过程控制解释 D.过程能力解释 均值和标准差图（-s图） 中位数图（-R图） 单值和移动极差图（X-MR图） 计量型数据的过程能力和过程性能的解释 解决问题、提高过程能力的方法 A.头脑风暴 B.因果图 C.排列图 D.相关图（散点图） E.直方图 第Ⅲ章 计数型数据控制图 第1节 不合格品率的P图 A.收集数据 B.计算控制限 C.过程控制解释用控制图 D.过程能力解释 第2节 不合格品数的np图 第3节 不合格数的C图 第4 单位产品不合格数的u图 第一部分：统计技术基本知识 第Ⅰ章 概率论及其相关知识 统计学和概率论基本知识 随机现象和随机试验 1.1 随机现象：个别试验中呈现不确定性，大量重复试验中，又具有统计规律性。 1.2 所谓随机试验是指具有下列三个特性的试验： 可以在相同条件下多次重复进行的试验； 每次试验的可能结果有多个，并且事先知道会有那些可能的结果； 在进行一次试验之前，不能事先断定那个结果会发生。 随机事件以后也简称为试验，常用E表示。 随机事件 概率 大数定律和中心极限定理 大数定律和中心极限定理是概率论中两类极限定理一系列例题的统称。 第一类极限定理是阐明大量随机现象平均值的稳定性，有关这一类极限定理的例题统称为大数定律。 另一类极限定理是研究在什么条件下n个独立随机变量之和的分布当n→∞时以正态分布为极限，这一类极限定理的命题统称为中心极限定理。它们是概率论的基本理论之一，在概率论中占有极重要的地位。下面分别对大数定律和中心极限定理作简单介绍。 大数定律 在相同的一组条件之下，进行大量重复试验时，随机现象的规律性才会呈现出来。这就是通常所说的随机事件发生的频率具有稳定性。这种稳定性是指当试验的次数无限增大时，频率稳定于某一个常数，即稳定到事件的频率。 定理一 契比雪夫弱大数定理 定理二 贝努利大数定理 大数定律： 在相同的条件下，当试验次数很大时（各随机变量）样本的均值趋向于母体的均值。（契比雪夫定理） 样本中某事件发生的频率趋向于该事件发生的概率。（见努利定律） 中心极限定理 所谓中心极限定理，是指在一定条件下断定随机变量之和的极限分布是正态分布的一系列定理。在客观世界中所遇到的许多随机变量，往往服从正态分布或近似服从正态分布。 中心极限定理： 不论各随机变量的分布如何，当试验次数很大时，其均值分布近似服从正态分布。 第Ⅱ章 和统计相关的术语和定义 一、基本概念 1、总体（或母体） 研究对象的全体叫总体（或母体）。 以后凡提到总体就是指一个随机变量，总体就是一个带有确定概率分布的随机变量。 2、样本（或子样） 从一个总体X中随机地抽取n个个体X1，X2，…，Xn，这样取得的（X１，X２，…，Xn）称为总体X的一个样本（或子样）。 样本容量 样本中个体的数目n称为样本容量。 样本观测值： 由于每个Xi（i＝１，２，…，n）是由总体X中随机取出的，它的取值就在总体可能取值范围内随机取得，因此每个Xi都是一随机变量，样本（Ｘ1，Ｘ２，…，Ｘn）则是一个n维随机向量，一次抽取的结果是n个具体的数据（x1，x2,，xn），称为样本（Ｘ1，Ｘ２，…，Ｘn）的一个观测值，简称样本观测值。一般说来，不同的抽取（每次n个）将得到不同的样本观测值。 ５、简单随机样本和简单随机抽样 必须对随机抽取样本的方法提出如下要求： （１）独立性。要求X1，X２，…，Xn　是相互独立的随机变量，即是说，每个观测结果既不影响其它观测结果，也不受其它观测结果的影响。 （２）代表性。要求样本的每一分量Xi和总体Ｘ具有相同的分布F（x）。我们把满足以上两条件的样本称为简单随机样本，今后如无特别声明，所提到的样本均指简单随机样本。获得简单随机样本的抽样方法称为简单随机抽样。 ６