6σ统计学基本概念.ppt

（σ导论） ; ;波动的型式与原因 ; 普遍原因: 过程波动随时间推移是稳定的,可预测的。 处于控制状态。 原因: 固有的或是自然的。; 特殊原因: 过程波动无法预测。 处于失控状态。 原因: 机器调整不当,原材料不合格,操作者本身。 目标: 检测和消除特殊原因。;数据的两种类型;统计领域用下列方法处理波动(偏差)：;总体和样本;连续数据的测量;描述数据的居中程度;均 值 (中心值);中 位 数; 众数在一个数据集中最频繁出现的值。;极差 方差 标准偏差 内四分位极差;离散程度的测量;Units of Measure; 在许多实际问题中, 我们遇到的随机变量都受到为数众多的相互独立的随机因素的影响, 而每一个因素的影响都是微小的, 且这些影响是可以叠加的。 例如, 电灯在指定条件下的耐用时间受到原料,工艺,保管等条件的影响,而且每一种因素在正常情形下都是可以叠加的。具有上述特点的随机变量一般都可以认为是具有正态分布的随机变量。 在现实生产生活中, 我们所遇到实际问题大多数都属于具有正态分布的随机变量, 因此在此我们重点讨论研究此类分布。;正态分布的特点： . 形态如钟； . 左右对称； . 于平均值处分布的频数最多。此外，越远离平均值，分布的频 数也越少。;正态检验为什么有用？ 许多统计检验（均值和方差的检验）都假定数据是正态分布的，正态检验用来判定该假定是否有效。 何时用正态检验？ 当你分析数据并要计算基本统计值如值或假定正态性的统计检验如检验或方差分析()时。;如何做正态性检验？;如何做正态性检验？;如何做正态性检验？;变量：选择一列数据用于轴。 正态检验: 有种类型，通常用 . 标题: 用你自拟的题目取代默认的。 单击 . 图形输出如下图。 ;如何做正态性检验？;如何做正态性检验？;如何做正态性检验？;如何做正态性检验？;概率论基本概念： .随机变量－－根据试验结果对随机试验取什么值的变量。 . 随机事件的频率 －设随机事件在次试验中出现了次， 则称比值为这次试验中事件出现的频率，记作() 即： () . 概率的统计定义－随着试验次数的增大，事件出现的频 率在区间[]上的某个数字附近摆动，那么定义事件的 概率为： () 根据贝努里大数定理，在实际应用中，当试验次数很大时，便可以用事 件出现的频率来代替事件发生的概率。;中心极限定理;例 “总销售量”是许多许多经销商销售的总和，一个销售商可能不是正态分布，但总的销售量大致是正态分布的。; . : 散点图 盒子图 直方图;散点图 ( );案例：某器件特性参数－电流增量( )： 批次：，，，，，，，，， 批次：，，，，，，，，，;结论：散点图 结果显示：批次的电流增量比较集中，均值小，因此批次的 质量比较稳定；而批次的电流增量比较分散，均值较大，性能较差。;盒子图 ( );*;: : ;图形结果显示 －单个样本数 据分析：;盒子图 ( );盒子图 ( );直方图 ( );: ;图形结果显示：;参 数 估 计： . 点 估 计－对参数作定值估计，如用样本均值和样本方差作为总体的均值和方差的估计值。 . 区间估计－点估计只是一种近似值, 既没有反应这种近似值的精确度,又不知道它的误差范围。此时就引入了置信区间这个概念，它不仅能够反应点估计的误差范围,还能反应???计值落在该区间的概率即置信度。;置 信 度;注意：真实的总体均值和标准偏差或者不合格品率是确定的, 只不过它们的数值是未知的。;;THE END