品质管理工具简介下).docx

散点图：用来分析一个变量同另一个变量之间的相关性。 散点图(Scatter Diagram) 散点图用来研究两个变量之间可能的因果关系。散点图并不能证明一个变 量是另一个变量产生的原因，但它可以证明两个变量是否相关联以及相关的强 弱。 散点图的横坐标代表第一个变量，纵坐标代表第二个变量。一个典型的散 点图如下： * ￥ * I- ■ T54 3 210997654777 7776 66666 * ￥ * I- ■ T 54 3 210997654 777 7776 66666 —75 5261 100 1 I50 1 O —25 Weight (lbs) 散点图中的点形成一个集群的形式，集群点的方向和密度表明变量 1和变量2的相关性强弱。这个集群越是像一条直线，这两个变量的相关性就越强。女口果它是一条直线的话，每一次一个变量变化，另一个变量也会发生同样的变化。 选择50到100对你认为相关的数据样本，并做成一个表格，如下： 人员 体重 身高 1 160 lbs 70 in ches 2 180 61 3 220 75 . . . 50 105 61 画出图形的横轴和纵轴，从左到右从下到上数值逐渐增大。 通常表示 变化原因的变量用横轴表示，表示结果的变量用纵轴表示； 在图上标点，如果有重复的点，在第一点上画圈表示第二点，在第一 个圈上再画圈表示第三点，以此类推，最终的散点图如下： Weight (lbs) F面是常见的散点图的类型及其意义： ?? 】，Positive correlation? ?y2. Possible positive correlation5” Negative conehtion ?? 】，Positive correlation ? ? y 2. Possible positive correlation 5” Negative conehtion 2010- doles」?dc空 paJBU- a*13v 6UJ ? se 5 2 o 2 5 1 o 1 5 An increase in y may depend on an increase in x. If x is controlled, we might have a good chance of controlling y. Example: ? training vs. performance If x is increased, y may increase $omewhatr but y seems to have causes other than x. 3* There may be no correlation. Y may be dependent on another variable. An increase in x may cause a tendency for a decrease in y. Examples： quality vs. customer complaints training vs. rejects An increase in x may cause a decrease in y. Therefore, as with Stem 1 above, x may be controlled instead of y Scatter Diagram — Mfg. Example Active Ingredient Stability Shelf Life (months} Scatter Diagram — Admin ./Service Example Overtime/# Of Billing Errors 盏山 一t:① 盏山 一t:① AQ s」nQH a6Ee 110 Average # Of Bilhng Errors/Week 散点图理解/绘制要点： ? 一个负相关(当x减小时y增大)同正相关(当x增大时，y增大) 同样重要； ?只能说x和y相关，但不能说一个变量产生了另一个； ?这部分的例子都是基于线性相关的：y = a + bx。然而，日常遇到的 并不仅仅这一种相关性，还有其他的例如 y = ex , y = x2等相关类型。 ?另外还有精确的测试相关性的统计方法，但不在本书的范围之内。 控制图：用来识别一个流程的可变性有多大程度是决定于一些随机的变 化，有多大程度是决定于某一独立的事件， 以了解一个流程是否在控制之 内。 丄 控制图(Control Chart) 当我们在趋势图上加多一条在均值线上边的由统计数值决定的上限线 (Upper Control Limit)和一条下限线(Lower Control Limit )时，这个趋势图就