1.基本统计学 离散数据和连续数据.ppt

散布的测量（变异） 极差 方差 标准差 四分值极差 极差 样本极差为样本中最大值和最小观测值之间的差别 极差是测量数据散布或变异的最简单的方法 但它忽略了最大和最小值之间的所有信息 极差 考虑以下的2个样本： {10,20,50,60,70,90} {10,40,40,40,90} 第二个样本的变异只是2个极端值的变异，而在第一个样本，中间的数值也有相当大的变异。 当样本量较小（n≤10）时，极差丢失信息的问题不是很严重。 方差与标准差 若X，X，…，X是一个具有n个观察值得样本，则样本方差为： 注：当样本数小于30时，采用该公式；当样本很大时（n＞30），（n-1）取n 样本标准差是样本方差的算术平方根，即： 方差与标准差 总体方差：类似于样本方差s2，用总体的所有数据计算出总体变异-总体方差σ2，总体标准差是总体方差的算术平方根 方差特性 方差计算使用了所有观察值，每个观测值对方差都有影响 方差对极端值很敏感，因平方的缘故，极端大的观测值会严重地放大方差 DOE 培训 Content 基本统计学 假设检验简介 均值比较 一般线性回归分析 实验设计简介 2k因子实验设计简介 23全因子实验 部分因子设计 响应曲面法 DOE案例 课程安排 第一天 上午 ?课程介绍 数据的分类：离散数据和连续数据 ?参数和统计量：位置的测量和变异的测量 正态分布及检验方法? ?假设检验：零假设和备选假设?（Ⅰ类和Ⅱ类错误） 下午 课程回顾 检验单个总体均值是否等于目标值 检验两个总体均值是否等于目标值 检验两个以上总体均值是否等于目标值 ?一般线性回归方法 ?具有影响的数据点：界外点和杠杆点 第二天 上午 ?课程回顾 ?实验设计步骤和实验设计类型 ?2k全因子设计：交互作用和因子主效果 ?部分因子设计：筛选设计 部分因子设计： 别名关系和分辨率 部分因子设计：折叠设计和饱和设计 下午 课程回顾 RSM法简介 DOE案例分析 课程总结 考试 例 1 这里有27个球， 其中有且只有一个球质量为9克, 其它26个都为10克。给你一架天平，请找出重为9克的那个球。 请问，你至少要称几次？ 例 2 这里有9框球(每框100个)， 其中有且只有一框里的球质量全为9克, 其它8框里的球都为10克。给你一架天平，请找出里面的球重为9克的那个框。 请问，你至少要称几次？ 实验设计 Design of Experiment 为什么要进行试验设计？ ==>我们要进行试验设计！ 实验设计的意义: 应用数理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在工程学领域是改进制造过程性能的非常重要的手段。在开发新工序中亦有着广泛的应用。 在工序开发的早期应用实验设计方法能得出以下成果： 1. 提高产量； 2. 减少变异性，与额定值或目标值更为一致； 3. 减少开发时间； 4. 减少总成本； 实验设计的意义及其优点 试验设计在生产/制造过程中的位置 生产/ 制造过程 可控制因素 不可控制因素 資 產 Process X Y Y=f(x) 建模过程 DOE被看作一个以总成本最低，获得卓越品质的方法。 分析方法 DOE有两大技术支柱 试验规划 均分设计等 因子设计 响应面设计 极差分析等 方差分析 多元回归分析 1. 基本统计学 目 录 数据分类 计量型数据 位置的测量/中心趋势 变异（散布）的测量 Minitab中描述 正态分布及检验 数据的分类 数据是来自观察的，由一个过程搜集得来的数据可让我们描绘过程、了解过程、改善过程甚至控制过程。 数据在过程改善中的重要性。 数据分为计数型和计量型两类。 类型数据 测量数据 名目型 连续型 顺序型 计数型 离散型数据 变量数据 计量型数据“连续数据” （又称计量数据）：用连续坐标进行测量并得出的数据，或者说，用测量仪器或量具测量出的可以连续取值的数据类型，可以无限细分。 离散数据：1）计数：只能统计出现，没有出现的统计不出 2）离散的属性（均可统计出）：（出现，未出现）；（正面，反面），百分比 计量型数据和计数型数据都有什么优缺点？ 数据分类定义 小组讨论 计量型和计数型数据的优缺点? 数据类型 计量型数据 计数型数据 优点 1）能够为使用相对小范围抽样的过程提供详细的信息 2）适用于低缺陷率 3）能够预估计发展趋势和情况 1）容易得到数据，并且计算方法简单 2）数据容易理解 3）数据随时可得 缺点 1）不易得到，依测量工具获得 2）分析更为复杂 1）无法显示缺陷怎样发生及过程如何变化（如身高直方图） 2）不适合低缺陷（需大量抽样） 3）不能预测发展趋势和情况 属性 1）连续数据 2）通常为正