五组全体成员.pptVIP

五组全体成员 论点 在实际生产过程中，当我们考虑要对质量改进采取相关措施时，要尤其关注对于样本数据、样本容量大小、样本数据采取方法的选择，并要对显著性水平进行一个合理的评估，这些对我们有效提高生产质量和管理效率有着显著的帮助。 背景简介 ●Quality Associates 是一家为客户提供抽样和统计程序建议的咨询公司，这些建议可以用来监控客户的制造工艺流程。 ●在一个应用项目中，一名委托人向Quality Associates提供了其程序正常运行时的800个观察值，组成一个样本。 ● Quality Associates 建议该委托人连续地定期选取样本容量为30的随机样本一该程序进行检测。通过对这些样本的分析，委托人可以迅速知道该程序运行状况是否令人满意。当该程序的运行令人不满意时，应采取纠正措施以避免出现问题。 案例分析 对样本标差进行检验 ◆ 由于0.21是由程序正常运行时800个观察值所组成大容量样本的标准差得到的对总体标准差的点估计，因此有必要考虑该估计值是否合理。 （1） 样本1的方差： 样本1的标准差S＝0.2205 （2）样本2的方差 样本2的标准差S＝0.2205 （3）样本3的方差 样本3的标准差S＝0.2071 （4）样本4的方差 样本4的标准差S＝0.2062 考虑在初始设计抽样方案时假设总体标准差为0.21，对于抽取的4个样本数据是否合理适用，进行如下假设检验: 原假设H0：σ2=0.0441, 备择假设：Ha: σ2≠0.0441 样本数据的统计量计算结果，如表: 在显著性水平为α=0.01的情况下，经查χ2分布表，自由度=29时，χ20.995=13.121，χ20.005=52.335。如表3所示，样本1-4的χ2∈（13.121, 52.335），故不应拒绝原假设H0：σ2=0.0441，因此，我们认为在99%置信系数下, 对于样本1-4的数据假设总体标准差为σ=0.21是合理的。 对样本均值进行假设检验 对于样本二: 由案例和数据可知： 原假设与备择假设： ，检验统计量为： 其对应的p-value=0.4541，大于0.01，所以不能拒绝原假设。即可以认定程序运行令人满意，不需要采取措施。 对于样本三： 由案例和数据可知： 原假设与备择假设： 检验统计量为： 其对应的p-value=0.0038，小于0.01，所以拒绝原假设，即需要采取措施提高程序输出值。在这种情况下，我们需要对样本3采取如下措施： （1）如有可能，可以考虑扩大采集样本3数据制造过程时段的样本容量，再次进行假设检验，以减少我们所设计的统计程序在采集的样本数据得出的拒绝μ=12时，发生第一类错误的可能性； （2）在扩大采集样本3容量，再次进行假设检验后，仍然得出拒绝零假设μ=12的结论时，则认定样本3时段，制造程序运行异常，应隔离处理该批次产品，并针对该时间段制造程序不稳定原因进行进一步分析改进；如果扩大样本容量后，再次进行检验，发现应接受零假设μ=12，则认为措施有效； （3）针对具体的制造生产工艺流程的关键控制量，通过分析样本数据均值的变动情况，以此推断总体的运行满意程度，当无法取得满意的运行结果时，应当及时采取相关措施来纠正生产工艺与设备。 显著性水平的影响 显著性水平：通常以α表示，是一个临界概率值。它表示在“统计假设检验”中，用样本资料推断总体时，犯拒绝“假设”错误的可能性大小。α越小，犯拒绝“假设”的错误可能性越小。1-α 为置信度或置信水平，其表明了区间估计的可靠性 假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。显著性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假设为真而被否定的风险也愈大，即犯下第一类错误的概率将增加。 所以显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定。 案例启示： 通过对本案例的分析，我们认识到实际生产过程中，当我们考虑要对质量改进采取相关措施时，要尤其关注对于样本数据、样本容量大小、样本数据采取方法的选择，并要对显著性水平进行一个合理的评估，这些对我们有效提高生产质量和管理效率有着显著的帮助。 谢谢大家 * *