正态分布的种类.ppt

关于正态分布的种类1.正态分布的(NormalDistribution)的理解“标准的”“自然的”“正常的”表示Normal的含义,正态分布是最正常的数据分布形态.数据脱离正态分布时,可以判断为这种工程是改善的对象.正态分布以平均为轴相对称,具有钟形的图表.又称高斯分布.正态分布是平均为μ,标准偏差为σ的概率密度函数.度数在中心附近最多,离中心越远越少.是通常出现的形态,是自然的变动第2页,共14页，星期六，2024年，5月正态性(适合度)验证大家为了判断得到的数据是否为正态分布,可以在MINITAB使用如下分析方法打开A05_非正态分布.mtwStatBasicStatisticsNormalityTestP-Value0.824进行正态性验证后P-Value大于0.05时此分布可以假定为正态的.即母集团是正态分布时上述Sample是正态分布的概率是82.4%.第3页,共14页，星期六，2024年，5月右边斜型平均在中心分布左边称为,右边斜型平均在中心分布右边称为,左边斜型2.非正态分布的种类但在现场我们经常遇到非正态分布的情况.因此要正确理解非正态分布的形态及形状,这样才有助于问题的解决.斜型时,为更加准确地计算SIGMA水平,使用Box-Cox后,求SIGMA水平左边斜型斜型(Skewness)第4页,共14页，星期六，2024年，5月分布的形态比正态分布尖,两侧尾部较长.分布的形态比较平,两侧尾部较短测定设备的精度低时可能得到这种数据一般的双重峰用2台机器生产时,机器的性能不同时发生的分布极端的双重峰用几台机器生产时,因特定机器的故障等发生的分布急尖平尖尖度(Kurtosis)立状离散型(Granularity)多重Mode(MultipleModes)第5页,共14页，星期六，2024年，5月斜型(Skewness)的解释如柱型图,斜型分布是平均的分布从分布的中心偏向左或右,是左右非对称的Skewness表示数据偏移的程度正态分布时Skewness为0,右边斜型分布是(+),左边斜型分布是(-)值.在左边图中Skewness值为2.186,是(+)值,因此是右边斜型分布第6页,共14页，星期六，2024年，5月尖度(Skewness)的解释急尖或平尖分布的平均的分布在中心,但左,右两边的尾巴比正态分布短或长.Kurtosis称为尖度,表示分布形态的平或尖的程度正态分布时Kurtosis为0,急尖分布时(+),平尖分布时(-)值.在左图中Kurtosis值为3.082,是(+)值,可以看出是平尖分布第7页,共14页，星期六，2024年，5月3.非正态分布的原因非对称或非正态分布的问题是在现场经常出现的问题,其潜在的原因如下1)具有自然界限的数据2)筛选检查时不良品的选别3)分布的混合4)输入变量与输出变量间的非线性关系5)输入变量间的交互作用按照时间的工程变化缺乏独立性或周期的变化测定器精密度问题具有异常点(Outliers)的数据第8页,共14页，星期六，2024年，5月1)具有自然界限的情况在物理上或不可避地存在无法测定数据的最小值或最大值时,例如时间,不纯度,平坦度.主要形成左边或右边斜型的分布.1210864201009080706050403020100???121086420150100500频率数工程与自然界限有一定距离时??工程与自然界限相近时121086420150100500频率数第9页,共14页，星期六，2024年，5月2)因筛选检查,选别时测定值的最初分布超过规格上,下限的数据选别后删除或通过再作业调查(斜型,平尖)有意地选别良品后剩下的数据(多重峰)时发生非正态分布规格外的制品废弃时左,右边斜型分布规格外的制品再作业,调整时左,右边斜型分布两侧规格外的制品选别时平尖分布规格内的制品有意选别时剩下多重分布规格下限规格上限第10页,共14页，星期六，2024年，5月3)分布混合时实际的工程并不只受同一条件的约束,因多样作业条件或多数原因输入的提供,有可能存在分布的混合.这种相异的根源是输出非对称的原因,因此我们应该集中找出潜在原因例如因不同的机器因不同时间因使用不同原资材因不同作业者分布混合时,发生这种非正态分布左,右边斜型急尖平尖????第11页,共14页，星期六，2024