数理统计和六西格玛绩效指标.pptVIP

adc 概率 概率 概率 概率举例 概率 分布举例 常用的几种分布 二项分布在质量管理中的运用 二项分布 应用举例 例 实验数据与理论数据对比 泊松分布在质量管理中的运用 应用举例 例: 数学期望 方差 连续性分布 中心极限定理 随着n的增加而减少 t分布—方差 未知时，正态均值 的分布 分布—正态样本方差 的分布 F分布—两个独立的正态样本方差之比 的分布 说明：一般当n30，取 t(n) ? N(0，1)，当自由度大于30，二者差别已不大 说明：方差已知时 说明：方差未知时 即服从自由度n-1的t分布 卡方分布作为分析方差使用 厦门TTE内部培训教材 数理统计与六西格玛绩效指标 厦门TTE总经理室：赖炳和 目录 一.六西格玛绩效指标 二.数理统计与概率论 六西格玛管理中常用的过程绩效指标: 经营结果分析 单位缺陷数(defects per unit DPU) DPU=缺陷数/单位产品数 机会缺陷率（defects per opportunity DPO） DPO=缺陷数/(产品数×机会数) 百万机会缺陷数（ defects per million opportunity DPMO） DPMO=DPO×10 6 六西格玛管理中常用的过程绩效指标: 经营结果分析 最终合格率（process final yield PFY） 首次合格率(first time yield FTY) 流通合格率（rolled throughput yield RTY） RTY=FTY1×FTY2×FTY3×…×FTYn 隐蔽工厂 经营结果分析 缺陷率与西格玛水平 Zu:(规格上限SIGMA水平) Zl :(规格下限SIGMA水平) Z=MIN(ZU,ZL) 在一组条件S之下,若事件A可能发生也可能不发生,则称A为随机事件. 随机事件: 例:投掷一枚硬币(条件S),国徽(A事件)可能发生也可能不发生. 随机实验: 在随机事件定义中,“一组条件S之下,若事件A可能发生也可能不发生”的实验,称为随机实验. 概率的统计定义: 设S是一个可重复的随机实验,事件A在每次实验中可能出现也可能不出现,假定在Ｎ次互不影响的重复实验中，Ａ出现了μ(n)次，而且当Ｎ充分大时， μ(n)／Ｎ愈来愈接近一个常数Ｐ，则称Ｐ为随机事件Ａ出现的概率，记为Ｐ｛Ａ｝＝Ｐ. 在一组条件S之下, 每次试验事件A一定会发生 必然事件： 例:人要睡觉，或产品有缺陷，客户抱怨一定会发生。 不可能事件： 在一组条件S之下, 每次试验事件A一定不会发生 例:掷骰子试验中，跳出“7点”，则为不可能事件 0.5005 12012 24000 D 0.5016 6019 12000 C 0.5096 2048 4040 B 0.5186 1061 2046 A 频率(m/n) 出现国徽次数(m) 投掷次数(n) 试验者 例1.掷硬币实验: 结论:在掷硬币的随机实验中,当实验重复次数充分大时， 出现国徽的概率接近一个常数0.5，则称国徽出现的概率为0.5，记为Ｐ｛出现国徽｝＝0.5 例： 1.只有两种结果出现的概率分布: A:掷钱币: B:产品加工: 可能的取值： 0 (正面) 1（反面） 1(合格) 0(不合格) 概率： 0.5 0.5 良品率0.95 不良率0.05 2.有多种结果出现，但只能取其中一个值概率分布 A.掷骰子: 可能的取值：1 2 3 4 5 6 概率：1/6 1/6 1/6 1/6 1/6 1/6 B.生产过程中出现不良率的概率分布 产品不良率可能为: 0.1% 0.2% 0.3% …1.0% 产品不良率出现的概率为:27% 27% 18% 0.0029% 几种常见的离散型随机变量及其分布 1、0-1分布★ 若随机变量 只取0，1两个值，其概率分布为 P( =1)=p，P( =0)=1-p，(0p1)， 则称 服从参数为p的0-1分布，又称贝努利分布或两点分布。 0-1分布的分布规律可用统一表达式表述为 D(?)=p(1-p) E(?)=p 2.二项分布★ 定理:设有一个基本的随机实验,它只出现两种结果1和0,出现0的概率为p,0p1.如今独立地进行n次重复实验,则其中0出现k次的概率为: 解题思路: 1.实验结果的所有组合中出现K 次0的组合数为: 2.出现K 次0的每一种组合的概率为 99.6% 二项分布_概率分布曲线 统计前3个月产品不良品率