（六西格玛管理）了解六西格玛中的统计分布.pdfVIP

（六西格玛管理）了解六西 格玛中的统计分布 了解六西格玛中的统计分布 摘要 :许多顾问会做假设的测试模板来决定进行何种类型的测试。无论如何要考 虑所取得的数据的类型。如果仅有总结性的数据，如何应用它来得到结论？原始 数据最能反映事情的情况，可是它可能不直观，那就仍然需要进行测试... 为演绎数据，顾问需要了解分布。本文讨论了如何了解统计分布的不同类型、不 同分布的应用以及给出壹个已知分布的假设。 -许多顾问会做假设的测试模板来决定进行何种类型的测试。无论如何要考虑所 取得的数据的类型。如果仅有总结性的数据，如何应用它来得到结论？原始数据 最能反映事情的情况，可是它可能不直观，那就仍然需要进行测试。 为了不仅是见到数据，仍要演绎它，顾问需要了解分布。本文讨论了以下几点: l 了解统计分布的不同类型。 l 了解不同分布的应用。 l 给出壹个已知分布的假设。 l 六西格玛绿带的培训集中于图形、中心和宽度。图形的概念受限于连续数据的正 态分布。本文会通过分布所表现出来的（包括总体和样本）而于图形概念上进行 延展。 回到基本原理 建立于壹个假设模型基础上，用概率,陈述估计必然事件发生的机会。对于数据统计学说,观 察数据习惯上确定壹个描述这个数据的模型。该模型和数据的分布有关。统计是从样本推断 到总体，而概率是从总体到样本。 推断性统计是基于样本数据描述总体参数的壹门科学。推断性统计能够应用于： l 确定过程能力（确定百万分缺陷数）。 l 利用分布来估计给出已知参数的变量事件的发生概率。 推断性统计基于正态分布。 Figure1:NormalCurveandProbabilityAreas 图 1 ：正态曲线和概率面积 正态曲线分布能够扩展获得其它分布。结合收集到的数据类型于对过程策划和分 布离差或图形理解的基础上指定恰当的分布。它能够帮助我们得到最好的分析结 果。 分布的类型 分布的分类和数据分类相同-连续和离散： l 连续概率分布是随机变量关联的概率，于壹个区间内能够取无限多个数值即为 随机变量。 l 离散概率分布列出壹个实验所有可能的结果和它们各自发生的概率。 分布描述 概率质量函数（pmf）-对于离散变量来说，pmf 是随机变量取值 x 的概率。 概率密度函数（pdf）-对连续变量来说，pdf 是取值为 x 的随机变量于俩点之间 总体分布概率。 于通常意义上来说，人们于壹个连续整体中无法给出壹个特定 x 的概率，而是壹 些特定（很小）的范围。补充壹下，能够想象成x+Dx,Dx 很小。 Pdf 的符号是f(x) 。对于离散分布： f(x)=P(X=x) 自从用于评估离散质量的概率开始，有些人把离散分布归类到概率质量函数。对 于连续分布来说，无法建立壹个点的概率质量函数。 累积密度函数（cdf)-变量取值小于等于x 的概率。 Figure2:NormalDistributionCdf 图2 ：正态分布Cdf 总平均 Cdf 最大值是 1 ，因为没有大于1 的概率。再次，cdf 是 F(x)=P(Xx) 。适应于连 续和离散分布。 参数 参数是总体分布。顾问依靠参数来描述分布的特征。下面有三个参数： l 位置参数-变量范围（考虑到平均）的下限或中心（分布规定的） l 比例参数-决定x(x 轴比例的大小)的测量比例尺（考虑到标准偏差） l 图形参数-画出壹组图形中的pdf 的图形。 不是所有的分布均有所有的参数。例如，正态分布参数只有平均值和标准偏差。 描述壹个正态总体仅需要这俩个参数。 分布概述 本文剩下的部分将会主要概述各种图形，基本假设和分布的应用。记住每个分布 均有不同的 pdf 和不同的分布参数。 正态分布（高斯分布） Figure3:NormalDistributionShape 基本假设 l 关于平均值的对称分布（钟形曲线）。 l 通常用于推断性统计。 l 用m 和 s 来表征的壹组分布。 用途包括： l 独立事件随时间变化以壹个固定比率发生的概率评估分布。 l 平均值和泊松分布相反。 l 图形能够表征不合格率（于函数习惯用法上是常数）。 l 指数分布 Figure4:ExponentialDistributionShape