质量数据的统计处理.ppt

质量数据的统计处理 置信区间的解释 频率解释 概率解释 区间估计总是与一定的概率保证相对应。估计的区间越大，参数θ包含在该区间那的概率就越大，估计的可靠性就越大；统计量的方差越小，抽样误差越小，相同的概率下，估计的可靠性就越大，估计的精度就越高。 单侧置信区间 对于给定的显著性水平α，若由样本观测值 确定的统计量（ ）满足 P（θ≥ ）＝1-α 则称置信区间[ ,‐∞）为θ的置信度为1-α的单侧置信区间，为单侧置信下限。 第五章 质量数据的统计处理 一、质量数据的搜集 控制现场 分析数据 调节数据 检查数据 搜集数据的目的 数据的分类: 计量数据 计数数据 统计数据的取样 统计推断：从整批产品中随机抽取一定数量的样品进行测试，将样品测试的结果组成样本数据，通过对样本数据的分析来推断整批产品的质量。 总体：研究对象的全体。 组成总体的每一个单位称为个体。 总体中包含个体数量称为总体容量，常用N表示。 总体可以是有限的，也可以是无限的。 样本：由总体抽取的部分个体组成。 样本包含的个体数量称为样本容量。常用n表示。 一般我们用X1，X2，…，Xn表示总体的一个样本，样本数值的取值记为x1,x2,…,xn，称为样本的观测值。 随机抽样：从总体中随机抽取一定数目的个体单位作为样本进行观察，使每个个体单位都有一定的概率被选入样本，从而使根据样本所作出的结论，对总体具有充分的代表性。 随机抽样能有效的避免主观性导致的倾向性误差（系统误差） 。 常用的抽样方法 即指总体中的每个个体被抽入的机会是相同的。在简单随机样本中，X1,X2,…,Xn是相互独立的随机变量并与总体具有相同的分布概率。 简单直观但抽样程序复杂。 简单随机抽样 系统随机抽样 将总体单位按某一标志（如时间）排序，然后按一定间隔来随机抽取样本单位。 实施方便，同时能够保证样本对总体的代表性，适合大批量生产的流水线上产品的抽查。 若总体单位排序后呈现一定的规律性甚至周期性，而抽样间隔的周期正好于之吻合，依赖于这样排列的系统抽样就会产生系统性的偏差。 分层随机抽样 分层随机抽样也称为类型随机抽样，即先将总体按某些重要的标志分成互不交叉重叠的若干层，然后在各层中间采用随机抽样或其他抽样方式抽取若干样本单位，由各层的样本单位组成一个样本。 样本代表性好，抽样误差小；缺点是抽样手续较繁琐。 这种方法通常用于产品质量验收。 整群随机抽样 整群随机抽样也称为集团随机抽样，即在总体中，不是抽取个别样品，而是随机抽取整群的产品。这种方法是将总体按某个标志分成若干群，然后随机的的抽取若干群，并由抽中的群中所有个体组成样本。 抽样实施比较方便；缺点是：由于样本只是来自个别几个群，而不能均匀的分布在总体中，因而代表性差，抽样误差大。 这种抽样方法通常用于工序控制中。 二、质量数据的整理与显示 直方图，是用一系列宽度相等，高度不等的矩形来表示数据分布的图。矩形的宽度表示数据范围的间隔，矩形的高度表示在定间隔内数据出现的次数。 条形图，条形图与直方图不同，互不相邻的矩形组成，矩形的宽度没有意义。 三、质量变异及统计特征量描述 产品质量的4M1E：操作人员（Man），一定的环境（Environment），运用机器设备（Machine），按照规定的操作方法（Method），对原材料（Material）加工制造的。 质量的波动性 质量的统计观点 产品质量的变异的统计规律 产品质量的变异规律：产品质量变异的幅度、不同大小的变异幅度出现的可能性。 产品质量的统计观点：把产品的质量看成是受一系列因素影响，并遵循一定的统计规律不停变化的。 质量因素 偶然因素：偶然因素又称为随机因素。 影响微小；始终存在；逐件不同；难以除去。 异常因素：异常因素又称为系统因素。 影响较大；有时存在；一系列产品受到同一方向的影响；不难除去。 质量数据统计特征描述 样本均值 样本中位数：当样本容量n为奇数时，它恰为中间一个数，当n为偶数时，它是中间两个数据的平均值。 集中程度特征量 离散程度特征量 样本极差： 样本方差 样本标准差： 质量统计中常见的概率分布 概率分布是指将随机变量在总体中的取值与其发生的概率二者相联系的数学模型。 超几何分布 二项分布 泊松分布 泊松分布的典型用途是用于单位产品上发生的缺陷数的数学模型。 正态分布 u为总体均值，б为总体标准差，正态分布常记为x~N(u, б2)任一正态分布仅由u和б完全决定。μ称为分布位置参数，б称为分布形状参数，б越小曲线越抖，б越大，曲线越扁平。 μ+3δ 99.73％ 95.46％ 68.26％ μ-3δ μ-2δ μ+2δ μ-δ μ+δ z＝（x-μ）/б,则： 例题：