统计学基础知识点总结.doc

PAGE 1 . 一、数据的特征值 （一）数据的位置特征值 1）平均值 如果从总体中抽取一个样本，得到一批数据x1，x2，x3….xn，则样本的平均值x为： n-数据个数； xi-第i个数据数； ∑-求和。 2）中位数 有时，为减少计算，将数据x1，x2，x3….xn按大小次序排列，用位居于正中的那个数或中间两个数的平均值（当数据为偶数时）表示数据的总体平均水平。 3）中值M 测定值中的最大值xmax与最小值xmin的平均值，用M表示。 4）众数 在用频数分布表示测定值时，频数最多的值即为众数。若测定值按区间做频数分布时，频数最多的区间代表值（一般取区间中值）也称众数。 （二）数据的离散特征值 1）极差R 测定值中的最大值xmax与最小值xmin之差称为极差。通常R用于个数n小于10的情况下，n大于10时，一般采用标准偏差s表示。 2）偏差平方和S S = =各测定值xi S = = 无偏方差 各个测定值的偏差平方和除以（n-1）后所得的值称为无偏方差（简称方差），用s2表示： 标准偏差s 方差s2的平方根为标准偏差（简称标准差），用s表示： （三）变异系数 以上反映数据离散程度的特征值，只反映产品质量的绝对波动大小。在工程实践中，测量较大的产品，绝对误差一般较大，反之亦然。因此要考虑相对波动的大小，在统计技术上用变异系数CV来表达： 上式中σ和μ为总体均值和总体标准差，当过程在受控状态下，且样本容差较大时，可用样本标准差s和样本均值 估计。 Ca、Cp、Cpk的计算 过程准确度指数（Ca值）： 表示过程特性中心位置的偏移程度，越小越好 Ca=（样本平均值-规格中心值）/（规格公差/2） 等级A：|Ca|≦12.5% 表示作业员遵守作业规范,并达规格要求 等级B ： 12.5%< |Ca|≦25% 表示必要时尽可能提升至A级 等级C： 25%< |Ca|≦50% 表示作业员可能看错或未按标准作业，或须修改规格及作业标准。 等级D： 50%< |Ca| 表示应采取紧急措施，全面整改可能影响之因素，必要时应停止生产。 过程精密度能力系数（Cp值）： 表示过程特性分散的程度，值越大越集中。 Cp=(规格上限-规格下限)/（6×标准差） 合格：1.33≦Cp表示能力足够 警告：1.00 ≦ Cp< 1.33表示能力无足够宽度,平均值稍有偏差时,不良率既会增加。 不合格： Cp< 1.00表示能力不足，有不合格品，须全数筛选，并设法缩小变异或整改规格公差。 过程综合能力系数(Cpk值)： 同时考虑“偏移”程度及“分散程度 Cpk=(1-Ca) ×Cp 此系数为过程评价用系数，用于过程改善 客户指定Cpk值时，欲达到此Cpk值，可先探讨Ca及Cp值：“准确度”“精密度”是否有适当能力 一般客户是指定值多数为≧1.33；Cpk值≧3.00时，表示过程能力已经足够了，继续维持即可；若想进一步改善，应考虑成本效益。 Cp=(Ucl-Lsl)/6δ Cpku=(Ucl-Xbar)/3δ Cpkl=(Xbar-Lsl)/3δ Cpk=min(Cpku : Cpkl) 二、 回归分析 (一)什么是回归分析 回归分析是用来研究一个指标与几个变量间的相关关系的方法。 设有两个变量x和y，前者为自变量,后者为因变量,并均为随机变量。当自变量X变化时，Y会产生相应的变化，如果具有大量或较多的统计数据（xi,yi），则可以用数学方法找出两者之间的统计关系y＝f(x)，这种数学方法称为回归分析。 当y＝a＋bx时，称之为一元线性回归； 当y＝f(x)为非线性函数关系时，称之为非线性回归； 当x变量不止1个，有几个时，即有（x1，x2···，xn），则y＝f（x1，x2···，xn）称之为多元回归。 当有y＝a＋b1 x1＋b2 x2＋···＋bn xn时，称之为多元线性回归，否则为多元非线性回归。 回归分析可用于预测、质量控制等方面。 (二) 一元线性回归方程的计算方法 设一元线性回归方程的表达式为: y=a+bx 现在给出了n对数据(xi, yi ),要求根据这些数据去估计a与b的值。则： 其中 Lxx:x的离差平方和 Lyyy的离差平方和 Lxyx，y的离差成积之和 三、 统计过程控制基本概念 Statistical Process Control（SPC统计过程控制）的概念是：应用统计技术对过程中的各个阶段进行评估和检察，保持过程处于可接受的和稳定的水平，以保证产品与服务满足要求的均匀性。 这里的统计技术涉及到数理统计内容，但所应用的主要工具是控制图。 SPC可以判断过程的异常，及时告警。但是不能告知此异常是什么因素引起的，发生于何处。20世纪80年代起，我国的张公绪先生提出Statistica