basic statistic基本统计理论.pptVIP

Basic Statistic基本統計理論 課程目標 介紹分布的曲線形狀、中心位置、及數據散佈之觀念 了解正態分布的意義 應用Minitab及其他圖形工具來進行資料分析 Data Mining預覽 基本統計方法 數據的種類 數據分布 數據中心的表達 　-平均數(Mean) 　-中位數(Median) 數據離散的表達 　-極差(Range) 　-變異/方差(Variance) 　-標准差(Standard Deviation) 數據分布圖形之表達 　-正態分布(Normal Distribution) 　-正態概率(Normal Probabilities) Data Mining 數據的種類 屬性(計數)/離散數據 　-分類(判定方法分類) 　-好/壞 　-機器1,機器2,機器3 　-工作班次 　-計數資料(文件中的錯誤次數，運送單位數，等等) 計量數據/連續數據(測量儀器來衡量) 　-連續數據(小數後的位數是有意義的) 　-時間(秒) 　-壓力(psi) 　-輸送帶速度(m/min) 　-厚度(mm) 集中分析路徑圖 統計分布 對同一變量繪制多資料點圖，借此我們可以描述任何程序或系統的運轉狀態 　-超時工作 　-跨產品 　-不同的機器...等等. 這些數據的積聚可被視為一種數值的散佈 可用以下形式表示 　-Dotplot 點狀圖 　-Histograms 直方圖 　-正態分布曲線或其他“平滑”分布曲線 制作Dotplot Dotplot分布 制作直方圖 直方圖分布 繪制帶有正態曲線的直方圖 平滑曲線(Normal)分布 分析邏輯圖 樣本中心趨勢的表達 中位數：代表50%的順序，此為一組經排序後的數值的中間數 　-並不須將所有數值導入計算式中 　-不受極端值的影響(偏斜集中分布) 資料離散度的表達 極差(Range):一組數據中，極大值與極小值的差.(數據小於10個) 方差(? ):每一資料值與群體平均數離差平方的平均值(描述變異指標) 標准差(?):方差的平方根 極差對離散點(outlier)資料的敏感比方差高 計算公式 練習 已知數據:1,2,3,4,5,6 試求： 　-和 　-極差 　-平均數 　-中位數 　-方差 　-標准差 Minitab計算Roadmap 正態分布 正態分布中的資料具有某種相同的特性 以平均值為中心，左右對稱的鐘形曲線 這些特性可協助了解工程的特征 大部分自然現象及人為程序是呈現正態分布的，或是經由轉換後可以用正態分布的形式來表現 正態分布 *特質1:正態分布只需下列數據即可完整描述： -平均數 -標准差 Minitab計算 概率計算 Minitab Sigma概率計算 正態曲線、正態概率分布及相關標准差 特質2:在曲線下的區段面積可用來估計一特定事件發生之累計概率 ?水平：流程中心點距離顧客規格的多少倍標准差? 正態概率測試圖 利用Normal Probability Plot我們可以測試一組數據是否為“正態”分布 若該分布趨近於正態，則Normal Probability Plot將會趨近於一直線 Minitab可以簡單的制作出Normal Probability Plot 利用Spraying.mpj中的數據資料制圖 正態概率圖 正態概率圖范例 練習 打開 Distskew.mtw 分別利用前三欄位的資料制作Normal Probability Plot 　-哪一組更趨近於正態？ 再分別制作直方圖(Histogram) 　-這其中透露了什麼？ 利用5分鐘的時間想想 正態概率圖 Mystery的分布形態 利用C5的未知變量制作Normal Probability Plot 有何結論？這是正態分布嗎？ 描述統計(Descriptive Statistics) 讓我們來看看使用其他技巧的資料 先來看看Descriptive Statistics 這將可以讓我們洞察到資料的中心位置、散佈、及分布形狀 描述統計(Descriptive Statistics) 讓我們來看看使用其他技巧的資料 先來看看Descriptive Statistics 這將可以讓我們洞察到資料的中心位置、散佈、及分布形狀 描述統計(Descriptive Statistics) 圖形化敘述統計 純粹看這些數據可能理不出任何頭緒 讓我們看看數據圖形化之後的結果，並增加輸出的數值 圖形化敘述統計 “Data Mining”的練習 還記得Six Sigma的基本假設嗎？變異的來源是： 　-可識別的 　-可量化的 　-由控制或預防措施而可消除的 回到我們檢視噴漆作業中影響噴漆Thinckness之潛在變異來源的例子： 　-輸出