六西格玛数据分析技术wqyyxy.pptxVIP

中国人民大学出版社 中国人民大学音像出版社;中国人民大学六西格玛质量管理研究中心;六西格玛管理培训丛书（5）;目 录;课程概要;课程要点;培养对象;欲达目的;课时安排（36课时）;第1章 基本统计概念;本 章 目 标;1.1 常用数据分析技术概述;数据分析的意义;可靠的数据及分析是解决问题的根本;1.2 总体与样本;总体、个体与样本、样品;1.3 数据的收集;关于抽样方法;1.4 数据的类型;定量数据;计量数据——连续型数据;计数数据——离散型数据;变量、参数和统计量;1.5 数据集中趋势的测度;加权算术平均数;几何平均数;几何平均数（续）;1.6 数据离散程度的测度;极差（range）;方差与标准差;均值与标准差概念的直观理解;均值与标准差概念的直观理解（续）;变异系数;1.7 数据基本分析的软件实现;基本输出结果1;基本输出结果2;小组讨论与练习;第2章 概率及其应用;本 章 目 标;2.1 掷骰子的游戏;一个顾客的期望;骰子2;骰子2;2.2 概率及概率的计算;计算组合点数出现的概率;能使那位顾客满意的程度有多大？;2.3 概率的性质与运算法则;概率的性质与计算;2.4 条 件 概 率 ;乘 法 公 式;一 个 例 子;2.5 独 立 性;产出合格率的计算;优质产品的生产靠检验吗？;每道工序都应严格检验吗？;提高流程能力才是根本！;2.6 全 概 率 公 式 ;例2－6 的求解 ;例2－6 的求解（续）;一般情形，设n个事件A1，A2，A3，…，An互不相容， P(Ai)0， i=1，2，…，n，事件B满足，B A1+A2+ …+An ，则 我们就称这个公式为全概率公式。 ;设n个事件A1，A2，A3，…，An互不相容， P(Ai)0， i=1，2，…，n，事件B满足，B A1+A2+ …+An ，则 ;贝叶斯公式计算举例;2.8 概 率 树 ;掷硬币的概率树 ;一个例子 ;例2－9的概率树 ;例2－10：开发新产品的决策例子;开发新产品的决策概率树 ;小组讨论与练习; 3.1 随机变量 3.2 随机变量的分布 3.3 随机变量的均值与方差 3.4 二项分布及其应用 3.5 泊松分布及其应用 3.6 正态分布及其应用 3.7 中心极限定理 3.8 各种概率分布计算的Minitab实现 小组讨论与练习;本 章 目 标;3.1 随机变量;离散型随机变量;连续型随机变量;3.2 随机??量的分布;离散型随机变量的分布;连续型随机变量的分布;质量特性与概率密度函数;概率密度曲线的几种不同情形;概率密度函数的性质;3.3 随机变量的均值与方差;随机变量均值与方差的理解;如何理解直方图;直方图的解释;实际与理想的差距;6σ管理的目标是缩小实际与理想的差距;均值的计算公式;均值计算举例;方差的计算公式;方差计算举例;3.4 二项分布及其应用;一个产品检验的例子;二项分布的均值与标准差;3.5 泊松分布及其应用;某一产品无缺陷的最大可能性是多大？;零件数和单位产品缺陷数（DPU）;;泊松分布的更一般情形;一个实际例子;用泊松分布近似二项分布;用泊松分布近似二项分布（续）;3.6 正态分布及其应用;不同的μ、σ对应的正态曲线;当σ不变时，不同的μ对应的曲线形状不变，仅仅是位置不同。而当μ不变时，不同的σ对应的曲线形状不同，σ大的曲线较矮胖，σ小的曲线较瘦高。因此μ反映了曲线的位置，是位置参数，它是正态随机变量的平均值，也称μ为正态变量的均值(或数学期望)。σ反映了曲线的形状，即随机变量取值的离散程度，是形状参数(也称尺度参数)，称σ为正态变量的标准差，σ2为其方差。常记为 ;标准正态分布;当μ=0，σ=1时 ，称随机变量X遵从标准正态分布，记为 。如果一个随机变量X遵从标准正态分布，则其取值落在横轴上任意区间的概率可通过标准正态分布表查出。 标准正态分布的分布函数用 表示，即 例： 当 时， 即 ;把一般正态分布转换为标准正态分布;把一般正态分布转换为标准正态分布;例3－7：某批零件的长度遵从正态分布， 平均长度为10mm，标准差为0.2mm. 试问： （1）从该批零件中随机抽取一件，其长度不到9.4mm的概率是多少？ （2）为了保证产品质量，要求以95%的概率保证该零件的长度在 9.5mm~10.5mm之间，这一要求能否得到保证？ 解