统计过程控制spc统计分布.docxVIP

统计分布 1 我们为什么需要统计？ 统计方法让我们可以利用一小组数据就可以作出相当精确的预测。用统计方法虽 无法预测单个事件，但有助你得出整体的结果。 比如，没有人能预测一个人的寿命，因为一次事故或疾病可能明天就会发生，或许此 人能活到100岁，甚至更长。然而，人寿保险公司可以精确预测多少比例的人口可以活到50 岁、60岁或者70岁甚至更长。这种精确的预测信息的方式，正是我们生产过程中需要获取信 息的方式。 统计方法让我们在不需要知道所有可能结果的情况下也能作出判断。比如，从来 没有人测量过所有美国人的身高，但我们却知道美国人的平均身高是多少。那是因为， 我们从总人口中抽取一个小样本，得到平均身高，并由它推知全体。 统计学处理两块东西：过去和将来。我们用统计方法来概括历史事件，这样有助于我 们对其理解，然后根据这个概括来对未来做出预测。SPC把它应用到过程控制中，使我们能 预测这些过程将来的趋势，和受历史事件影响的产出情况。 如果想要理解SPC的原理，那就需要更全面的了解一些基本的统计概念。本章将概括介 绍这些基本概念。 2 总体 在统计学中，总体指某组研究对象的全体。总体可以是任何东西——人类、螺钉或者一台机器的所有部件等。要研究总体的性质，我们必须考虑总体的某些特征量的分布情况。 分布的形状可以告诉我们研究的对象有没有某种趋势：如是否平稳。我们利用这种趋势就可 以预测将来的事件。 3 概率 统计学研究概率，而概率是指某件事发生的可能性，帮助我们了解某事件将来发生的 机会或者频率。 例如，一枚硬币有两面，当我们扔硬币时会出现两种可能的结果：正面或背面。当你 扔硬币时，有50%的机会出现正面。 这些几率表明我们预测的可能性会发生的是多少，SPC 就是利用概率来预测某个结果再次发生的可能性。 4 统计符号 我们用统计符号很容易记录统计结果。例如，用 x 来记某个样本的读数或观测值。如果读数不止一个，我们借助下标来识别。比如，用 x1 记第一个读数， x2 记第二个读数。如 果要指代某个读数，但并不想给出精确值，就用记号 xi ， 称之为第 i 个读数。 我们用“n”表示样本容量（有时也称子群），“N”表示研究对象的总量，“k”表示 样本子群数目。 假如有25个子群样本，每个子群样本有5个观测值，观测值总数就是125个。我们有这 样的等式： n=5，k=25 N = n × k = 5 × 25 = 125 在总体抽样时，我们利用收集的数据来计算。这种计算使我们把众多的观测值简化为 一个值，这种从样本数据得到的单个值称为统计值。每个计算出来的值都是统计值，每个统 计值都是对总体的真实值的预测。 比如一副纸牌，假如把Jacks作为11， Queens作为12，Ki ngs 作为13，纸牌的号码就是 1～13。那么，所有号码的平均数或期望值（平均值）是7： ( 1+2+3+4+5+6+7+8+9+10+11+12+13) / 13 = 7 假如我们随机抽3张纸牌：3，7和Queen，样本的均值就是7. 333。如果我们抽的是4，6 和Ace，均值就是3. 667 。我们不能指望每个样本的均值都相等或者等于7。样本统计值最多只是总体真实值的一个预测而已。 只要借助样本数据，就可以使用任何方法构造统计值。每个统计值在重复抽样中都有 其可变性，因而根据统计值不同的变化有特定的分布。只要知道分布情况，就能预测每个统 计值的表现会是什么样的。从分布中看出的统计值的变化，反映了原始的观测值的变化。监 控统计值，就能监控过程。 5 中心趋势的衡量 对一个分布而言，我们可以计算出几种统计值；因此可把统计值与其他分布的统计值相比较，或者利用它来描述其他统计值。描述分布的中值或者中心趋势的统计值就是如此， 我们有4种方法来度量中心趋势。 找出整个取值范围的极差中值是计算分布中心的一种方法。 我们找出最大值和最小值，分布的中心就是两者的平均。计算方法是把最大值和最小值相加的和除以二就得到极差中值。极端值影响着这种统计值，它不能反映中间的那些数值 的情况。比如你从一副纸牌里抽了15张：3， 4， 5， 6， 7， 8， 5， 4， 9， 9， 4， 10， 7， Queen（12）和4。这些纸牌最大的号码是12，最小值是3。 如图2. 1A所示，这15张纸牌的极差中值是7. 5 。 图2. 1A 极差中值 第二种描述分布中心的统计值是众数。众数是该样本中出现次数最多的那个值。尽管 众数也可应用于原始数据，但它经常用于分组后的数据，如用来作直方图的数据。众数告诉 我们哪个值出现最频繁，但并没有显示与其他数据的关系。比如，看上面的15张纸牌的例子， 可以看到众数是4，如图2. 1B 所示。 图2. 1B 众 数 找出中位数是第三种描述中心