NJU-全面质量管理.ppt

. 2）散布图的观察分析 通过观察散布图上点的分布状况，可以看出两种数据之间是否有相关关系，以及关系的密切程度。在散布图中，当x值增大时，y值有相应增大或减小趋势，则认为两个变量之间存在相关关系。否则不相关。 散布图的几种类型: 强正相关，图5-32（a）所示。x增加，y也随之明显增加，说明x与y关系密切。在此情况下，只要控制x，y也就能随之得到控制。 弱正相关，图5-32（b）所示。x增加，y也随之大体上增加。但是，点的排列方式不如强正相关直现，这时因为y值可能受到x以外因素的影响。在此情况下，需要寻找x以外的因素。 弱负相关，图5-32（c）所示。x增加，y值随之大致减少，说明除x外，还有其他因素影响着y。 强负相关，图5-32（d）所示。x增加，y随之明显减少，x与y关系密切，只要控制x，y也就得到了控制。 不相关，图5-32（e）所示。x的变化，对y值无任何影响。 非线性相关，图5-32（f）所示。x与y之间有一定关系，但不是线性关系，而是曲线关系。非线性相关也有强弱之分。 3）散布图应用要点 作散布图时，首先要注意对数据进行合理分层，否则可能得出错误的判断。 对明显偏离群体的点，应查明原因。对被确定为异常的点应剔除。 在使用和判定散布图时，只能在图中试验的数据范围之内，不得任意外延。 通过观察散布图，若存在强相关性（线性或非线性），则应作进一步的定量相关分析和回归分析，确定相关程度及回归方程式；若为弱相关性，则应考虑是否受到其他因素的影响，并将数据分层或合并进一步观察其相关关系的变化；若不相关，则可作出两变量无任何关系的判断。 应确定在什么条件下相关。 散布图不能反映相关的原因，所以，应对两类数据间的关系进行技术性研究，以确定是否可以认为它们有相关关系。 对散布图的观察，虽然可以对变量间的相关趋势作出大致的估计，但是由于缺乏客观的统一标准，因此可靠性较低，且由于判断者的主观经验不同，可能会得出不同的结论，所以通过作散布图来直观地判定两个因素或两个指标之间的相关性，只能说是一种定性判断的方法。在实际工作中，为提高判断精度，还必须采用定量分析法。 (2)定量分析法 变量间是否相关，相关的程度如何，可以根据数理统计原理作出统计性的判断。这种统计判断方法称之为相关检验，这是一种定量分析方法。 常用的相关检验方法有相关系数检定法和中位数检定法。 1）相关系数检定法。相关系数是判断变量间相关关系密切程度的一个定量指标。 根据数理统计原理所得出的相关系数的表达式为： 相关系数r描述了变量x与y的线性相关程度。r的取值在－1~＋1之间。r=－1表示完全负相关；r=1表示完全正相关；r=0表示不相关。r值越接近于±1，表示相关程度越高；越接近于0，表示相关程度越低。在探讨一个系统内变量的相关关系时，上述三种情况（r=1，－1，0）几乎是不可能出现的，绝大多数情况是0r1，两个变量呈现正相关；－1r0，两个变量呈负相关。变量间相关的密切程度，应利用相关系数检验表（表5-17）来进行检验。 具体检验方法是：将计算所得到的相关系数r的绝对值与表5-20中相应的临界值 （亦称为判定数）比较。若 ,表明x与y间存在线性相关关系；若 ，表明x与y间没有相关关系。 2）中位数检定法。中位数检定法又称符号检定法，这是一种简易方法。其检定步骤如下： 制作散布图。 在散布图上画出垂直中位线和水平中位线，使得图上在垂直（水平）中位线左右（上下）的点数相等。点的总个数若为奇数，则通过当中的点引垂直线（水平线）；若为偶数，则在当中两个点的中间引垂直线（水平线）。 区域编号并记点数。对于中位线划分的四个区域，从右上方起按逆时针方向分别编为（Ⅰ）、（Ⅱ）、（Ⅲ）、（Ⅳ）。 并计数各区域内的点数，记作n（Ⅰ）、n（Ⅱ）、n（Ⅲ）、n（Ⅳ）。中位线上的点不记入。 求对角区域的点数之和与总点数。总点数是由数据组数扣除中位线上的点而得。 与中位数检定表（表5-19）比较并加以判断。 从表5-19中相应的总点数一列里，找出显著性水平为0.01或0.05栏的判定数。如果： 判定数＞n（Ⅱ）+ n（Ⅳ），则呈正相关； 判定数＞n（Ⅰ）+ n（Ⅲ），则呈负相关。 (3) 回归分析法 若两个变量之间存在较强的相互关系，常表明它们之间存在某种函数关系，这种关系就称之为回归关系，相关函数称之为回归函数，简称为回归。 回归分析:对两个或两个以上的变量之间的相互关系作出估计，并能较为精确地找出它们之间的关系式，这一过程称之为回归分析。 若一项质量问题只涉及一对自变量x与因变量y之间的函数关系问题，则称之为单回归或一元回归. 若分析三个以上的变量间的回归关系，称之为重回归分析。 若变量间呈线性关系，则回归方程式为线性（直线）方程式.