群体变异数V与标准差.PPT

中央極限定理 不論每次抽取多少個樣本 (一般大於3)，其樣本平均數 ( )，或其標準差的平均數 ( ) 之分布將趨近常態分配，且樣本平均數 ( ) 的平均數 ( ) 將趨近於群體平均數 (μ) ； 樣本平均數 ( ) 的標準差 ( ) (亦稱為標準誤) 與群體標準差 (σ) 之間差倍，即： * 例題 2.25 * 例題 2.25 * 解 例題 2.25 * 例題 2.26 * 例題 2.26 * 解 例題 2.27 * 解 2.9柴比雪夫定理 柴比雪夫 (Chebyshev) 定理為：一群體量測值 X1, X2, … , XN，其平均數及標準差為μ及σ，則其量測值落在 (μ－kσ, μ＋kσ) 之間的比例至少有1－(1/k2)，k ≥ 1。 * 例題 2.28 * 解 例題 2.28 * 例題 2.29 * 解 例題 2.14 * 例題 2.15 * 解 例題 2.15 * 例題 2.16(分組數據) * 例題 2.16(分組數據) * 解 2.6.2 全距 全距 (Range, R) 係量測數據之最大值與最小值之差異，亦可指定某量測範圍之間的最大值與最小值之間的差異。 1.未分組數據之計算方式 依量測數據大小排列，X1 ≤ X2 ≤ … ≤ Xn，R＝Xn-X1 2.分組數據之計算方式 R＝Uk - L1，其中Uk為最後一組的上限，L1為最初一組的下限。 * 例題 2.17 * 解 2.6.3 四分位差 四分位差係將量測數據依大小排列，分為四等份。由最小值算起第一個四分之一的區分點即為第一四分位，以Q1表之；類推至第二個四分位，即中位數，以Q2表之； 類推至第三個四分位，以Q3表之。Q3－Q1為四分位距 (quartile range)，四分位差Q = (Q3－Q1) /2，其表示方式以盒 (箱) 形圖表之，如圖2.8所示。 * 四分位差 * 四分位 一、未分組數據之計算方式 其中 X = 量測值，j = 四分位的位置，n = 樣本數。 * 四分位 二、分組數據之計算方式 其中Lk在第k組的下組界，fk＝Qj在第k組的發生次數，h＝Qj在第k組的組距，Fk-1＝Qj在第k-1組以前的累積次數，n = 樣本數。 * 例題 4.18 * 解 例題 4.18 (2.3) * 例題 4.19(分組數據) * 解 例題 4.19 * 例題 2.20 * 例題 2.20 * 解 2.7 聚中與離散趨勢之探討 * 平均數 = 中位數 = 眾數 平均數 中位數 眾數 平均數 中位數 眾數 聚中與離散趨勢 對稱分布：平均數 = 中位數 = 眾數。 右偏分布 (正偏) ：平均數 中位數 眾數。 左偏分布 (負偏) ：平均數 中位數 眾數。 * 2.7.1 偏度 偏度 (skewness) 係指一個分配以其平均數為中心的不對稱程度，亦即量測次數分布之偏移方向與偏斜程度之值。 * 偏度 偏度對量測數據之影響，如圖2.10所示： SK = 0，表示數據分布為對稱性之常態分布； SK 0，表示數據分布為右偏； SK 0，表示數據分布為左偏； SK絕對值愈大表示不對稱程度愈大。 * 例題 2.21 * 解 例題 2.22 * 解 例題 2.22 * 2.7.2 峰度 峰度 (kurtosis) 係指一個分布與常態分布相比較時，其資料相對尖峰集中或平坦分布的程度。正峰度值表示分布較為集中，而負峰度值則表示分布較為平坦。 * 峰度 常態分布之KU = 3。若該量測數據 KU 3，則該量測數據分布屬低潤 (platy) 的峰態。若該量測數據 KU 3，則該量測數據分布屬高狹 (lepto) 的峰態，如圖2.11所示。 * 峰度 * 例題 2.23 * 解 例題 2.23 * 2.7.3 　相對離散趨勢 當衡量數據之離散程度時必須在相同衡量單位，且平均數相近情況下，其比較才具有意義。 常用的相對離散量為變異係數 (Coefficient of Variation, CV) 係同時考量標準差與平均數之比，以評估品質差異。 變異係數愈大表示資料愈分散，其平均數代表性愈低；反之，表示資料愈集中，其平均數代表性愈高。 * 例題 2.24 * 解 群體為常態分配，不論n取多少，其樣本平均數 ( ) 的分布一定為常態分配。 群體近似常態分配，不論n取多少，其樣本平均數 ( ) 的分布將近似常態分配。 群體非常態分配，當n ≥ 30，其樣本平均數 ( ) 的分布將近似常態分配。 2.8 中央極限定理 * 分組數據之計算方式 二、分組數據之計算方式 其中 = 樣本平均數， (樣本數)，fj =