6σ普及培训基本统计概念.pptVIP

基本统计概念 31 正态分布举例 规范是 1.030 ” + .030 = ( 1.000, 1.060 ) 假设我们测量了 30 个部件， X = 1.050, s = .015 计算一下不符合规范的部件的 比例 1.020 1.035 1.050 1.065 1.080 LSL USL 目标值 从正态表可以看出， .2514 或者 ( 25% ) 不符合规范。 USL Z. USL = USL - X S = 1.060 - 1.050 .015 Z. USL = + .67 X LSL Z .LSL = X - LSL S =1.050 - 1.000 .015 Z. LSL = 3.33 从正态表可以看出， .0004 或者 (.04%) 不符合规范 数据的实际分布 基本统计概念 32 现状分析报告中的 Z 值就是 Z Bench 。 Z Bench 的定义 ? P USL 是相对 USL 而出现缺陷的概率。 ? P LSL 是相对 LSL 而出现缺陷的概率。 ? P TOT 是出现缺陷的总概率 P TOT = P USL + P LSL ? Z Bench 是与出现缺陷的总概率相对应的 Z 值，可从正态表中查到。 25.14% .04% Z LSL = 3.33 Z USL = 0.67 25.18% Z BENCH = .67 基本统计概念 33 从正态表获得面积 ( 合格品和不合格品的百分比 ) 例 1 : Z = 2.00 右边的面积 = _________ 左边的面积 = _________ 例 2 : Z = 1.57 右边的面积 = _________ 左边的面积 = _________ 例 3 : ?? = 6.34 ?? = .03 x = 6.41 计算 Z = x - ????? 右边的面积 = _______ 左边的面积 = _______ ? 基本统计概念 34 中心极限定理 - 为什么我们得到的通常是正态分布 平均值分布 – n 个测量结果的平均值 单个变量的分布图 X X ( 总平均数 ) 中心极限定理表明，如果 n 足够大，样本平均值 ( x ) 或其总和的分布，都近似于正态 分布，无论单个变量是否服从正态分布。 每个子群中有 “ n” 个样本。 － 基本统计概念 35 中心极限定理（例） 基本统计概念 36 中心极限定理 - 为什么我们通常得到正态分布 中心极限定理表明，如果 n 足够大，样本平均值 ( x ) 或其总和的分布，都近 似于正态分布，无论单个变量是否服从正态分布。 例 1 “总销量”是许多经销商的销售量的总和。一个经销商的销售量可能不是 正态分布，但总销量很可能近似于正态分布。 例 2 一堆部件的高度可能近似服从于正态分布，尽管个别部件的高度不是正态 分布。 注意： 不是所有数据都符合正态分布。 后面我们将讨论如何检验正态性，以及如何处理非正态分布数据。 基本统计概念 1 6 σ普及培训 第二部分 基本统计概念 (ZTE-WB102-V1.0) 2002 年三月 基本统计概念 2 统计概念 解释以下基本统计概念。 1. 波动 ( 偏差 ) 2. 连续数据和离散数据 3. 平均值、方差、标准差 4. 正态曲线 5. 用 Z 值将数据标准化 6. 中心极限定理 7. 过程能力 - 使用 Z 值作为衡量工序能力的指标 - 通过改进关键值 Xs 来改进 Y 8. 稳定性因子 基本统计概念 3 波动 所有的人不会都是同样的高度； 所有的葡萄不可能同一天采摘 问题 : 你期望存在波动吗 ? 什么类型的波动 ? 基本统计概念 4 观测值变化 当重复进行测量的时候，通常会得到不同的答案， 这就是波动！ 系统波动 预期的和可预测的测量结果之间的差异。 举例： 夏季和冬季的空调的销售量不同 。 随机波动 不可预测的测量结果之间的差异。 举例：具有同一种设计的两台冰箱，由同一个技术人员、在同样的 气温条件下、使用同样的测量仪器，在两个不同的日子对其能量消 耗进行测试 …... 可能得到两个不同的结果。 1. 2. 基本统计概念 5 观测值变化（ 续 ） 我们预期观测值会有差异。如果没有差异，我们就会产生怀疑。 如果所有地区的手机销售量是一样的，那么我们就会怀疑是数据库出了 问题。 . 如果我们测量 10 台电冰箱，得到同样的能耗测量结果，我们就会怀疑测 量是否正确。 这种变化使我们的工作更具挑战性！ 一般来说，我们不能相信来自一个数据点的结果。通常我们收集 多个 数据点，而 且非常注意如何选取这些样本，以减少偏差。 波动的产生是很自然的，意料之中的，是统计学的基础 基本统计概念 6 统计学的作用 统计学用以下