资源描述
基础统计,方法论,Measure概要ProjectY基础统计测定System分析SixSigma测度工程能力分析,ProcessMap&特性要因图FDM,基础统计,学习目标为了确认DATA的特性，理解测定的基本概念和利用Minitab的基础统计量计算的方法。理解导入概率分布确认概率概念，利用Minitab从概率分布求概率值的方法。,基础统计的必要性,在测定阶段中收集材料以分析的方法使用。把工程的Xs与Ys特性化资料用数值显示。用以前的工程和执行DATA推定未来时使用。高级统计性问题解决方法的基础而使用。基本统计概念不是根据直观而是创出根据事实的语言。,资料的测度,标本(Sample):为了统计性处理，从母集团中实际抽出的观测值或测定值的集合。,母集团(Population):对关心的所有集团的所有个体的观测值或测定值的集合。（对有权者的投票结果，一日生产量，特定制品的不良率。),今年参加数能考试的全部学生数是约80万名。为了调查与去年对比考试问题的难度，在各地区任意抽出2,000名调查了成绩。这时的母集团和标本是什么?母集团:是参加考试的全体学生数约80万名标本:各地区任意抽出的2,000名,例,母集团和标本,资料的测度,对资料中心的测度，包括平均，中央值，最频值等。.,例）制品完成所需AF的7个工程。下面测定了每工程所需要的时间。求每工程所需要的平均时间。,极端值30分对平均的影响大!,平均(Mean)n个观测值的平均是，观测值的总合除于观测值个数对于极端值很敏感(outlier)。,平均:,22132930,ABCDEFG,(单位:分),观测值总合,观测值数,=,计算）,中心位置,资料的测度,中央值(Median)DATA按从小到大顺序(n)排列时，中间位置的值少受极端值(Outlier)的影响。,最频值(Mode)DATA频度数(Frequency)大的少受极端值(Outlier)的影响。,例)前面问题中最频值是多少?,在2,2,1,3,2,9,30中频度数2值为3，拥有最多的频度，因此最频值是2。,中央值，最频值少受检端值的影响。,n为单数时:,n为双数时:,12223930,1222391030,2和3的平均,2.5,资料的测度,显示资料离中心位置分散多少的测度，代表性的有分散、标准偏差、4分位数等。,B汽车每L平均行驶距离比A汽车高，但分布的散布图大，所以不能说一定是B汽车好!,A汽车,B汽车,下面是测定A,B汽车每L行驶距离的DATA分析。各位喜欢什么样的汽车?,A,B,例),统计分析中只考虑平均判断会得到错误的结果，应考虑资料分散程度的散布图。,散布图,资料的测度,分散和标准偏差是资料离平均值的距离，表示资料分散的程度。可以使用各资料值和平均的差异，即把偏差都合起来的方法，但如下例经常成为0，所以使用距离的乘方，即，偏差的乘方。,30,40,50,60,70,假如，从点到的乘方距离是,分散被定义为平均乘方距离(按统计理由分母不是n，而是使用n-1),标准偏差取乘方根分散的形态。,分散(Variance)与标准偏差(Standarddeviation),例)资料:4875263平均5偏差的合:(-1)+3+2+0+(-3)+1+(-2)=0,标本分散:,标准偏差:,资料的测度,4分位数(Quartile):资料按顺序排列时，被4等分的数。,4分位范围(IQR:InterquartileRange):Q3-Q1,Q1:第1/4分位数(Firstquartile)=相当于25%的值,Q2:第2/4分位数(SecondQuartile:中央值)=相当于50%的值,Q3:第3/4分位数(ThirdQuartile)=相当于75%的值,例)有如下DATA时，求4分位数和IQR.,2,8,20,4,9,5,4,3,计算)按顺序排列:,Q1=3.25,Q2(中央值)=4.5,Q3=8.75,234458920,范围(Range):在一组DATA中，把最大值和最小值的间隔用数值表示。=最大值最小值,资料的测度,BasicStatistics,A事业部905148927998676168704449509871B事业部832632996392926945678060734038,例题1,以下是A,B事业部对各15名进行大约4周的GB教育后，Test的结果。,1)利用DisplayDescriptiveStatistics求全部DATA的基础统计量。2)利用StoreDescriptiveStatistics求各事业部DATA的基础统计量。,对目前为至观察的基础统计量用Minitab实习。,资料的测度,1)DisplayDescriptiveStatistics:显示统计量和Graph.,Worksheet里DATA输入,Step1,(score.mtw),资料的测度,StatBasicStatisticsDisplayDescriptiveStatistics,Step2,选择变量列,使用Group变量列时Check,选择Graph,资料的测度,Session结果确认,Step3,平均，标准偏差，4分位数,Q1:数据按从小到大顺序排列时,25%位置的数(第1/4分位数)48.75,Q3:数据按从小到大顺序排列时，75%位置的数(第3/4分位数)84.75,Mean:对观测值的平均66.50,资料的测度,Median:对观测值的中央值67.50,StDev:对观测值的标准偏差21.01,Graph结果确认,Step4,Histogram,BoxPlot,信赖区间Graph(平均),正态性检定,基础统计量,4分位数,平均，标准偏差，中央值的信赖区间,信赖区间Graph(中央值),资料的测度,Mean:平均SEofMean:平均的标准误差Standarddeviation:标准偏差Variance:分散,FirstQuartile:分位数(Q1)Median:中央值ThirdQuartile:分位数(Q3)Interquartilerange:4分位间范围(Q3-Q1),Sum:合Minimum:最小值Maximum:最大值Range:范围,Statistics(统计量),资料的测度,StatBasicStatisticsStoreDescriptiveStatistics,Step1,选择变量列,选择Group变量列,选择希望的统计量,2)StoreDescriptiveStatistics:计算的统计量保存在Worksheet里,资料的测度,Worksheet结果确认,Step2,基础统计量按Group别也能求!,资料的测度,计量型DATA:能测定的品质特性的值。例)强度(kg/cm2),重量(kg),长度(cm),温度(C)等计量型DATA。,DATA的形态,计数型DATA:按个数能数的品质特性的值例)缺点数，不良品数等计数型DATA。,1,2,3,4,一，二，三能数啊!,有测定单位吧,概率分布,对有发生可能的所有情况特定事件A发生的可能性，即，无数次反复进行同样的实验时,发生某事情的比率。,标本空间(Samplespace):在实验或观察中所有可能发生的实验结果的集合。,思想或事件(Event):标本空间的部分集合，有某特定观心的实验结果的集合。,例)想一想掷两个骰子。,标本空间S=(1,1),(1,2),(6,6):36种所有实验结果的集合。事件(Event):标本空间的部分集合。E1=第一个骰子出现1时=(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)掷两个骰子时第一个骰子出现1情况的概率P(E1)P(E1)=P(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)=6/36=1/6,概率(Probability),概率分布,概率变量(RandomVariable),硬币出现的情况，即，可以认为标本空间是(前面,前面),(前面,后面),(后面,前面),(后面,后面).这时，假如把概率变量X为硬币前面出现的个数，(前面,前面)情况时，概率变量X是2.因此概率变量X可以如下表示。X(前面,前面)=2,X(前面,后面)=1,X(后面,前面)=1,X(后面,后面)=0,概率变量对应标本空间的数。,概率分布,例)想一想掷两个硬币的情况。,对标本空间的各个值赋予实数的函数。,X=x,0,1,2,个,事件,(后,后),(前,后),(后,前),(前,前),P(X=x),1/4,2/4,1/4,1,1/2,1/4,0,1,2,在这里X叫概率变量，给概率变量值对应概率的关系叫概率分布。,概率分布,前例的概率分布用表和Graph表示如下。,P(X=0)=1/4,P(X=2)=1/4,P(X=1)=1/2,下面求概率变量X为1的概率。X=1的情况意味着硬币前面出现的个数为一个，因此出现(前面,后面),(后面,前面)的两种情况，概率是全部4种情况中的两种即可知1/2，所以给各个的概率变量值对应概率如下。,概率分布(ProbabilityDistribution)给概率变量的数值对应概率的关系，有计量型概率分布和计数型概率分布。,缺点数DATA:泊松分布,注意现场的连续性DATA一般随正态分布。但信赖性DATA是随指数分布或Weibull分布的情况多，在只规定单侧规格或工程有异常情况时，DATA一般也不按正态分布。,概率分布的种类,计数型概率分布:概率变量X是计数型概率变量时,不良品DATA:二项分布,计量型概率分布:概率变量X是计量型概率变量时,正态分布,概率分布,连续概率分布,正态分布(Normaldistribution),正态分布是最自然的分布，某一定范围内的所有实数值都可以取的概率分布，是计量型概率分布中最有代表性的分布。,概率密度函数是平均为中心对称的钟模样。-分布的模样和位置用分布的平均和分散决定。-从社会性，自然性现象出来的分布大部分与正态分布类似。-拥有平均,分散2的正态分布如下表示,正态分布的概率密度函数,1,2,1=1,1,2,1,2,1,2,2,1,随与的正态分布模样,12,1=2,1=2,12,12,12,计量型概率分布,Z,X,=,-,m,s,标准正态分布(StandardNormalDistribution),为了使概率计算容易，把正态分布标准化为平均=0,标准偏差=1,Z变换:正态分布的标准化,用标准化的概率变量Z表示,XN(100,102)的正态分布,-,-2,-3,+3,+2,+,100,90,80,70,120,110,130,标准化,Z,X,=,-,100,10,ZN(0,12)的标准正态分布,0,-1,-2,-3,3,2,1,Z,计量型概率分布,平均是20，标准偏差是5的正态分布中，使用Minitab求下面各概率。.(a)P(X15),即X15的概率?(b)P(X30),即X30的概率?(c)P(Xx)=0.90的x值?,通过下例看一下利用Minitab的正态分布的概率计算。,例题2,计量型概率分布,Probabilitydensity(概率密度函数)输入x概率密度函数f(x)值计算,Cumulativeprobability,Inversecumulativeprobability,Minitab的概率分布中求概率值的方法,输入x累积概率F(x)值计算,输入累积概率F(x)值计算相关x值,f(x),计量型概率分布,(a)P(XNormal,Step1,选择累积概率,输入平均和标准偏差,输入系数,常数输入在特定列时,Minitab实习,计量型概率分布,Session结果解释,Step2,x=15,PX15=PNormal,Step1,(b)P(X30),即X30的概率是?,选择累积概率,输入平均和标准偏差,输入常数,系数输入在特定列时,计量型概率分布,Session结果确认,Step2,x=30,PX30=P,X-20,5,30-20,5,=PZ2,=1-PZ2,=1-0.9772,=0.0228,PZ2是从全体宽度1减掉PZ2部分的宽度就行!,0.0228,1-PX30=1-0.9772=0.0228,计量型概率分布,(c)P(XProbabilityDistributionNormal,Step1,选择逆累积概率,输入平均和标准偏差,输入常数,常数输入在特定列时,计量型概率分布,Session结果确认,Step2,0.90,x=26.4078,PX26.4078=0.90,计量型概率分布,离散概率分布,两项分布(BinomialDistribution),与良/不良或成功/失败一样的两个要素中，显示其中一个的施行中利用。,结果只分为良品/不良品或成功/失败两种的实验进行了n次反复施行时，成功次数X随二项分布。,例)n=15的二项分布中，显示随p值概率值的图表。,计数型概率分布,现场的两项分布n个的制品中纳期内给消费者送到的制品数。在平均不良率为p的工程中取出的n个制品包含的不良品数。,p:发生特定现象的概率,(1-p):不发生的概率,两项分布的平均，分散，标准偏差:平均:np,分散:np(1-p),标准偏差:,计数型概率分布,A公司生产的制品不良概率是0.01.把这制品各10个一捆销售，不良品一个以上时可以换。这时一捆被换的概率是多少?,计算)P(X2)=1-P(X1)=1-P(X=0)-P(X=1)=1-0.0100.9910-0.0110.999=1-0.90438-0.09135=0.00427,100,101,例题3,二项分布是现场的不良品DATA时多使用吧!,计数型概率分布,P(X2)=1-P(X1),选择累积概率,输入施行次数,输入欲求概率的值,输入原有的概率,CalcProbabilityDistributionBinomialDistribution,Step1,Minitab实习,计数型概率分布,关于P(X1的概率,因此，知道P(X2)=1-P(X1)=1-0.9957=0.0043,Session结果确认,Step2,计数型概率分布,泊松分布(PoissonDistribution),适用于按时间或空间发生频率低的稀奇事件的每单位发生数等适用的分布。,例)机器一天的故障次数，每单位时间打来的电话次数，制品的每单位面积缺点数，交叉路上一天发生的交通事故数，大量生产制品的不良数。,一般在n大，p小时适用,例)显示随每单位缺点数(dpu)值的概率值的图表。,计数型概率分布,概率质量函数,平均发生次数:m,平均和分散,平均:E(X)=m(=dpu),分散:V(X)=m(=dpu),在半导体工程生产的wafer每单位面积平均缺点数是每2.5cm21个。在这工程中生产10cm2的wafer时，wafer有两个缺点数的概率是?计算)10cm2wafer平均缺点数:wafer有两个缺点数的概率因此，能知道概率是0.1465.,例题4,计数型概率分布,CalcProbabilityDistributionPoissonDistribution,Step1,选择出现缺点的概率,输入平均缺点数,输入欲求概率的值,Session结果确认,Step2,Minitab实习,计数型概率分布,概率分布的种类及活用,概率分布,计量型,计数型,正态分布,t分布,ChiSquare检定,F分布,泊松分布,二项分布,对母平均/母比率的推定与检定-知道母分散时-不知道母分散，但标本的数大时,对母平均的推定与检定-不知道母分散时-知道母分散，但标本的数小时,对母分散的推定与检定根据分割表的独立性检定,对两个母分散差的推定与检定分散分析中与要因相关的留意性检定,对母比率的推定与检定例)不良率,对单位时间或单位面积别发生事件概率的推定与检定例)每单位缺点数,活用,练习问题,预示各位的作业现场或生活周边可以得到的DATA，分类它们的类型。2.某工程的不良率是5%，从这工程中生产的制品中取大小15的样品时，求不良品包含3个以下的概率。(使用Minitab)3.信用卡公司的请求书作成部门要管理请求书中出现的失误。一个请求书发生的失误随0.05的泊松分布时，任意选择的请求书中失误为3个以下的概率是多少?(使用Minitab),4.在充电工程中生产的制品重量是平均5kg，标准偏差0.5kg.求在其中抽出一个制品时，重量在5kg以上5.5kg以下的概率。5.进口检查中被检查的部品中不合格部品的比率是10%。调查100个部品时，(a)不合格制品数为15个以下的概率?(b)不合格制品数为25个以上的概率?,练习问题,
展开阅读全文