品质统计基础理论-统计学概念.pptVIP

第3部分 统计学概念 连续数据(也称为可变数据) 离散数据(也称为属性或类别数据) 离散数据 应用你所学到的东西 统计学术语 总体 － 全组数据，全部对象。 - 一个总体中的元素数量用N来表示 样本 －总体的一个子集 - 样本的元素数量用n 来表示 平均值 － 总体或样本的平均值 - 总体的平均值用?来表示 - 样本的平均值用X 或?来表示 方差 － 数据与其平均值之间差值的平方的平均值 。(它代表该组数据的分散程度) - 总体的方差用?? 表示 - 样本的方差用s2或??表示 均方差是方差的 (正) 平方根。 (它也代表该组数据的分散程度)。 -总体的标准差用? 来表示 -样本的标准差用s或?来表示 统计学术语和定义 统计学术语和定义 举例 课堂练习 绘制直方图 用直方图形成一个连续分布 正态分布的标准差(?) 面积和概率 使用正态表 中心极限定理 - 为什么我们得到的通常是正态分布 中心极限定理 - 为什么我们通常得到正态分布 提高工序能力 改进的焦点 稳定的运行 将坏日子变为好日子 稳定的运行会降低偏差 “稳定性因子”：Q1 / Q3 稳定操作降低偏差 关键概念： 第3部分 统计学概念 误差存在于所有过程。 连续(可变) 数据可以有意义地进一步分割，例如，长度，重量。 离散 数据是以类别形式存在的，不能进行分割。 总体就是全部对象。 样本 就是总体的一个子集。 平均值 – 分布的平均数。 标准差 – 分布的分散程度。 方差 – 标准差的平方。 正态分布 – 对称分布于平均值两边的数据，钟形曲线。 标准正态分布 – 具有平均值(m) = 0 和标准差(s) = 1 的正态分布。 关键概念： 第3部分 统计学概念 中心极限定理表明，无论单个变量是不是服从正态分布，多个变量的平均值或总和通常近似于正态分布。 Z 值是平均值与规范的上下限之间所包含的标准差个数 Y (‘响应变量’) - 因变量 X (‘因素’) - 独立变量 Y = f(X): Y 取决于X。通过确定和改进关键的X变量来改进Y。 工序能力 – 过程的偏差与其要求(规范)之间的比较。 稳定运行 - 集中于降低偏差，使坏日子变成好日子。 稳定性因子 - Q1/Q3. 第一个四等分/ 第三个四等分。 Y = f(X) Y 是因变量。 X 是独立变量。 ? Y 取决于X。 改进X才能改进Y。 不太重要的 多数变量 30% + 70% = 100% 至关重要的 少数变量 独立变量 (Xs) 有时被称为“根本原因系统”。 因变量 (Y) 有时被称为响应变量。Y取决于独立变量，或“X”变量。 至关重要的少数变量也被称为“杠杆”变量，因为它们对因变量具有重大影响。 统计学问题: 是均值偏离、偏差过大，还是两者兼而有之 W6.9 Copyright 1995 Six Sigma Academy, Inc. 控制平均 值的杠杆 变量 控制标准 差的杠杆 变量 ? ? 变量Y Y = f ( X1, ... , XN) 较差的工序能力 LSL USL LSL USL 出色的 工序能力 均值偏移 过度分散 能力 这适用于所有过程 — 制造业和商业。 稳定运行可以从过程中消除偏差，使结果更加稳定、提高可预测度。 偏差是恶魔，发现它并且清除它！ 低劣表现 出色表现 客户： “我希望每天都 这样” “坏日子” “一般的日子” “好日子” Q1 平均值 Q3 产品产量的直方图 根除坏日子，提高一致性，提高平均值。 原来的行为 增加平均值。偏差保持不变。依然存在着坏日子！ 稳定运行 根除过程的“不稳定“部分(坏日子)。平均值也增加了！ 初始表现 根除坏日子，改进一致性，提高平均值。 平均值 平均值 平均值 Raw Data Sorted Q3 Q31 Q3= 23646 Q1= 12215 原始数据 分类后 顶部25% 底部25% 1) 测量您的工序每天的产量。 2) 将数据按从最好到最坏顺序排列。 3) 将数据四等分。 Q1 = 1/4 的日子较差。 3/4 的日子较好。 Q3 = 3/4 的日子较差。 1/4 的日子较好。 4) 计算稳定性因子 (SF): SF = Q1 / Q3 = 12215 / 23646 = .52 随着偏差的降低，稳定性因子越来越接近1.0。 根除坏日子，提高一致性，提高平均值 平均值 初始表现 Q1 Q3 稳定操作 1. 根除过程的“不稳定“部分 (坏日子)。 2. 增加Q1. 3. 降低偏差。 4. 平均值也增加了！ Q1 偏