6sigma第二章基礎統(tǒng)計1(參考版)
2025-03-06 11:10本頁面
【正文】 2023年 3月 22日星期三 8時 11分 5秒 08:11:0522 March 2023 ? 1一個人即使已登上頂峰，也仍要自強不息。 2023年 3月 22日星期三 上午 8時 11分 5秒 08:11: ? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。勝人者有力，自勝者強。 :11:0508:11Mar2322Mar23 ? 1越是無能的人，越喜歡挑剔別人的錯兒。 , March 22, 2023 ? 閱讀一切好書如同和過去最杰出的人談話。 2023年 3月 22日星期三 8時 11分 5秒 08:11:0522 March 2023 ? 1空山新雨后，天氣晚來秋。 。 :11:0508:11:05March 22, 2023 ? 1意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 :11:0508:11Mar2322Mar23 ? 1世間成事，不求其絕對圓滿，留一份不足，可得無限完美。 , March 22, 2023 ? 很多事情努力了未必有結果，但是不努力卻什么改變也沒有。 2023年 3月 22日星期三 8時 11分 5秒 08:11:0522 March 2023 ? 1做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 。 :11:0508:11:05March 22, 2023 ? 1他鄉(xiāng)生白發(fā)，舊國見青山。 :11:0508:11Mar2322Mar23 ? 1故人江海別，幾度隔山川。 , March 22, 2023 ? 雨中黃葉樹，燈下白頭人。 當你分析數(shù)據(jù)并要計算基本統(tǒng)計值 如 Z值 或假定正態(tài)性的統(tǒng)計檢驗如 T檢驗和 ANOVA時。 何時用正態(tài)檢驗？ 兩種情形下用正態(tài)檢驗 : 當你首分析原始數(shù)據(jù) 時用正態(tài)檢驗，如直方圖。 例 2 許多產(chǎn)品的堆積高度大致是正態(tài)分布，即使 單個產(chǎn)品高度不是正態(tài)分布。 在每個子組中有 N 個抽樣數(shù) 52 中心極限定律指出，對于大數(shù)值 n，即使單個的數(shù)據(jù)分布可能是非正態(tài)的，其樣本平均值可以估計是正態(tài)的。即，缺陷為 2個， 1個， 0個的概率相加即可。 45 二項分布的形態(tài) 0 1 2 3 4 P(X) x 1/16 2/16 3/16 4/16 5/16 6/16 0 1 2 3 4 P(X) x n=4, p=1/2時二項分布 n=9, p=1/3時 二項分布 5 6 7 8 9 二項分布的形狀 1) n即使少 p= 2) p不是 ， 但 n變大時接近對稱 二項分布的期望值，標準偏差，分散 期望值 : ? = E(X) = np 分 散 : ?2 = Var(X) = np(1p) = npq 標準偏差 : ? = √ np(1p) = √npq 46 (3) 帕松分布 (Poisson distribution) 定義單位時間或單位空間發(fā)生特定事件的發(fā)生次數(shù)時使用 鋼板，織物等連續(xù)體平均有 m個缺陷時，隨機抽取一定單位檢查缺陷時， 出現(xiàn) x個缺陷時出現(xiàn)的概率遵守帕松分布 單位時間到銀行的顧客數(shù)，某一地區(qū)一天的交通事故數(shù) 帕松分布的密度函數(shù) P(X=x) = em mx x! m : 平均發(fā)生次數(shù) x : 事件發(fā)生次數(shù) ? 帕松分布的特性 二項分布中 p , 轉換為帕松分布 帕松分布中 m5時 , 轉換為正態(tài)分布 47 帕松分布的例題 問題 半導體裝置 unit當 wirebonding 缺陷可表示為帕松分布。檢查者在每個小時隨機地抽取 50個樣品選出不良品。 什么是眾數(shù)？ 25 平均值，中位數(shù)和眾數(shù)是所有居中趨勢的測量 值 聚集在某個中心值附近 26 何時應 用 8 0 7 0 6 0 5 0 4 0 3 0 2 0 1 0 0 3 0 0 2 0 0 1 0 0 0 N e g S k e w 中位數(shù) 平均值 1 3 0 1 2 0 1 1 0 1 0 0 9 0 8 0 7 0 6 0 3 0 0 2 0 0 1 0 0 0 P o s S k e w 中位數(shù) 平均值 1 1 0 1 0 0 9 0 8 0 7 0 6 0 5 0 4 0 3 0 2 0 1 0 0 5 0 0 N o r m a l 平均值 =中位數(shù) 27 到目前為止我們知道 : ?偏差 . ?數(shù)據(jù)的類型 ?中心值 ?中位數(shù) ?眾數(shù) ?極差 ?標準偏 差 ?均方差 28 第二節(jié) 概率分布 概率分布是將分布的形狀演變成數(shù)據(jù)模型成為品質(zhì)管理及 6 Sigma 開展的基本。 均方差為什么有用？ 21 標準偏差 恒量數(shù)據(jù)的離散程度 總體的標準偏差用“ ?” 表示，樣本的標準偏差用 S表示 ? = ( X i ? ) 2 ? i = 1 N N 總體的標準偏差 方差 與中心值 間距的平均值 S = ( X i X ) 2 ? i = 1 n n 1 樣本的標準偏差 統(tǒng)計術語和定義 ^ 讓我們練習 . . . 22 例子 課堂例子 ：計算均方差和 標準偏差（ 2， 6， 4） 計算平均值，均方差和標準偏差 x = x n i i=1 n ? s 2 = n ( X i X
教學課件相關推薦
鄂ICP備17016276號-1