六西格玛教材40-7（Unit-2定义 2.4 基本统计）.pptVIP

正态概率图 利用正态概率图的数据样式可以判定是否符合“正态分布” 分布曲线接近曲线时 正态概率图 将接近直线. Minitab 使 正态概率图 使用方便. 利用Distskew.mtw 数据做练习. 正态分布 画 Normal Probability Plots 正态分布 { 参考事项 } - 数据点如果分布在直线周围，则符合正态分布. - Goodness of Fit (AD)值越小,说明数据越符合指定的概率分布. - P值大于0.05,则可以认为是正态分布. 此为增添图线 正态分布 打开文件 DISTRIBUTIONS.MPJ 用前三列数据各作一个正态概率图 - 哪个看上去象正态的 然后各作一个直方图 - 这显示了什么？ 给你5分钟 正态概率图练习-1 正态分布 正态分布 打开DISTRIBUTIONS.MPJ 文件 . 用C4中的神秘变量作正态概率图 你的结论是什么？它是正态分布吗？ 画正态概率图练习（续） 象这样有两个正态分布的例子 - 供应商提供两种品质的材料时 正态分布 正态分布 统计量的陈述方法 Descriptive statistics (陈述统计量) 打开DISTRIBUTIONS.MPJ 文件 . 描述性统计: Normal, Pos Skew, Neg Skew, Mystery 平均值 变量 N N* 平均值 标准误 标准差 最小值 下四分位数 中位数 Normal 500 0 70.000 0.447 10.000 29.824 63.412 69.977 Pos Skew 500 0 70.000 0.447 10.000 62.921 63.647 65.695 Neg Skew 500 0 70.000 0.447 10.000 1.866 67.891 73.783 Mystery 500 0 100.00 1.45 32.38 41.77 68.69 104.20 变量 上四分位数 最大值 Normal 76.653 103.301 Pos Skew 72.821 130.366 Neg Skew 76.290 77.106 Mystery 130.81 162.82 MTB 从这些数据中我们能得出什么观察结果呢？ 着眼于中心，分散，和形状的指标 描述统计量 统计量的陈述方法 Graphical Descriptive Statistics 统计量的陈述方法 光看这些数据可能有些迷茫 让我们用数据绘图，然后把数字添加到图上 图形化汇总 统计量的陈述方法 Data Mining 核心战略基本前提 - 查找散布的原因并计量化, 把这消除或管理. 通过 Data Mining 查找最大的变量. [例题] : 刷漆工程的例 - 利用 PUMPING.MPJ 文件 - Output : 涂敷比率 (Rate) 观察输入 : 日期, 班次(Shift), 形态和喷嘴等Input中哪个 变量的散布影响 Output的散布 Data set 分析 工作表上的信息 列 数量 名称 C1 150 Day C2 150 Shift C3 150 Gear Style C4 150 Nozzle C5 150 RATE Minitab 中的此项功能显示出数据集所包含的信息：日，班次，齿轮型号，喷嘴和泵抽速。 每项有150个观测数据 面临的挑战是决定哪个（些）输入导致了输出（抽速）的散布 如果你点 MTB 提示下的 INFO 命令，你将看到 Data Mining 2.Pumping Rate的总散布调查 使用 图形直方图功能我们看泵速的分布。数值范围大约为14:30。 描述性统计: Rate 平均值 变量 N N* 平均值 标准误 标准差 最小值 下四分位数 中位数 上四分位数 Rate 150 0 22.027 0.232 2.841 14.447 20.255 21.947 23.763 变量 最大值 Rate 28.763 Data Mining 3.查找有用的