从数据中寻找规律直方图.pptVIP

从数据中寻找规律 直方图 一个实例： 某工厂接收了一批外协厂制造的青铜轴承用于生产一种重要的仪器。但该厂不能信任生产这些轴承厂家的工作，决定对供应商提供的轴承进行分析。 这些轴承的关键特性是它们的内径，其规格为1.376±0.010英寸。 现抽取了100个青铜轴承，对它们的内径进行仔细的测量，并记录了测量结果。 100个青铜轴承内径的测量值如下表： 回答 数据列表不能表达出任何有实际意义的东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。 能否接受这批产品？ 与目标值相比较： 平均值：1.3773 与规格界限相比较： 极差（最大值-最小值） =1.383-1.370=0.013 数据分布的更进一步的信息： 数据分成10组后，落在每个区间 内的数据个数： 制作频数分布表 绘制直方图 分析直方图 与规格限1.366~1.386进行比较，所有的测量值都在其范围内（而且在+/-3S的范围内）。 分布基本上是对称的，有一点点向右偏斜，但不严重。 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移； 建立一个直方图 收集整理数据 定组数 N 算极差 R 定组距 I 确定组的中心点和各组界限 制作频数分布表 绘制直方图 分析 直方图告诉我们 数据分布的中心位置(Average)在哪里？ 数据分散程度(Spread)如何？ 数据分布的形状(Shape)怎样？ 理想情况：正态曲线 μ不同(均值) σ不同(标准差 ) 正态曲线的特征 曲线关于μ对称； 当x=μ时取到最大值； X离μ越远，f（x）的值越小； 正态曲线 分析直方图举例： 直方图的峰度和对称度 对称度（Skewness）:直方图数据分布的对称性； 峰度（Kurtosis）:直方图数据分布的陡峭度； 直方图为对称分布的，则s=0; 直方图为正态分布的，则s=0,k=0。 直方图的作用 显示数据的分布特征 指出采取措施的必要 观察采取措施后的效果 比较和评估设备、供应商、物料等 评估过程的能力 课程内容回顾 * (海量营销管理培训资料下载) * 数据会告诉您什么呢？ 数据 列表 10-25 250个以上 7-12 100-250 6-10 50-100 分组数 数据量 1.376 ±0.010 LSL USL 10-25 250个以上 7-12 100-250 6-10 50-100 分组数 数据量 经验之谈： 对大多数工业用的分析来说，50个数值具备足够的可靠性。 但单个测量值的费用比较低时，或是当需要准确分析时，可以采用100个或更多的数据。 N ( μ, σ2)- μ: 总体平均值，描述数据的集中位置。 σ :总体标准差，描述数据的分散程度。 x μ N（μ，σ2） μ 68% 95% 99.7% 现实状况：一些异常 双峰 峭壁 USL LSL AA图 LSL USL LSL USL LSL USL