统计基础与假设检验.ppt

organ. Einheit / Ersteller 统计基础与假设检验  目录 一、统计技术基本知识 二、假设检验 三、方差分析 统计技术基础知识 1、统计技术概念 2、统计技术在质量管理中的作用 3、统计技术的应用特点及领域 数据类型 计数型 计量型 计量型数据的优点 计量数据的基本统计—数据分布 对一个相同的输出变量Y期多个数据点绘图它们形成了一个分布。 这些数据点的堆积可以不同的图形来代表： 散点图/概率图 直方图 连续性数据─中心趋势的测量 平均值 一组数据的算术平均值数法 均等反映了所有数据的影响 会受极端值强烈影响 中位数 反映50%的那个位置 对一组排序数据点的中心数 对极端值较”坚耐” 连续型数据─变异的测量 极差: 一组数据中最大值与最小值之间的差 标准偏差(s ; s) : 等于方差的平方根，在量化变异时常用会到 连续型数据─了解极差 以下数据的极差是多少？ 1, 2, 3, 4, 5, 6, 7, 8, 9 以下数据的极差是多少 1, 2, 3, 4, 5, 6, 7, 8, 200 标准偏差可以用计算机来计算（EXCEL里的STDEV公式） 计算标准差 连续性数据─平滑(正态)分布 假定数据符合正态分布 假设收集到无限多的数据，这些数据可能看起来像下图 我们可将这些数据看成平滑的分布 红线 正态曲线和概率 了解了正态曲线的平均值和标准偏差有助于估计风险 正态分布的应用 正态分布的应用2 常用统计量 定义 1、表示总体特性的统计量，称为总体统计量，如： 总体平均数、总体方差、总体标准差 2、表示样本特性的统计量，称为样本统计量，如： 样本平均数、样本方差、样本标准差、样本极差、移动极差 二项分布 例：从一批产品中随机抽取进行检测，根据历史数据而知，产品的不合格率为10%。假设要求产品检测人员每抽取一件产品，检测完毕后，要放回这批产品中（又称为有放回抽样），检验人员共检测了6件产品，问检测到的不合格品数分别为0，1，2，3，4，5，6的概率？ 二项分布的均值、方差与标准差 泊松分布 质量控制中常遇到这样的情况： 不仅要关注不合格品，而且要关注每件不合格品所包含的不合格项的情况。 泊松分布 总结 连续型数据能有很多可能的数值，计数型数据是不连续的 连续型数据的信息比较丰富，计数型的就要少得多 对位置的测量是平均值和中位数 对离散的测量：标准偏差和极差 图表出来的信息会多于数据 正态曲线可用来估计缺陷的风险 假设检验 提出假设 在决策分析过程中，人们常常需要证实自己通过样本数据对总体分布形式做出的某种推断的正确性（比如，总体的参数θ大于某个值θ0），这时就需要提出假设，假设包括零假设H0与备择假设H1。 零假设的选取 假设检验所使用的逻辑上的间接证明法 决定了我们选取的零假设应当是与我们希望证实的推断相对立的一种逻辑判断，也就是我们希望否定的那种推断。 零假设的选取(续一) 同时，作为零假设的这个推断是不会轻易被推翻的，只有当样本数据提供的不利于零假设的证据足够充分，使得我们做出拒绝零假设的决策时错误的可能性非常小的时候，才能推翻零假设。 零假设的选取(续二) 所以，一旦零假设被拒绝，它的对立面——我们希望证实的推断就应被视为是可以接受的。 构造检验统计量 收集样本信息 利用样本信息构造检验统计量 计算检验统计量值 把样本信息代入到检验统计量中，得到检验统计量的值。 做出决策 显著性水平 显著性水平α是当原假设正确却被拒绝的概率 通常人们取0.05或0.01 这表明，当做出接受原假设的决定时，其正确的可能性(概率)为95%或99% 判定法则 零假设和备择假设 练习1 抽查精细面粉的包装重量，其每包重量在正常生产下均值20，标准差0.1（单位：kg）。某日在生产的产品中抽查16包，其观测数据见BS－面粉重量。 单样本 Z: 面粉重量 mu = 20 与 ≠ 20 的检验 假定标准差 = 0.1 平均值 变量 N 平均值 标准差 标准误 95% 置信区间 Z P 面粉重量 16 20.0669 0.1026 0.0250 (20.0179, 20.1159) 2.68 0.007 方差分析 方差分析的引入 怎样得到F统计量 单因素方差分析的例子 检验方差假设 多因素方差分析 本 章 目 标 1.理解方差分析的概念 2.知道方差分析解决什么样的问题 3.掌握单因素和多因素方差分析的原理 4.会利用Minitab对实际问题进行方差分析 5.能够对方差分析的