1、 6普及培訓第二部分 基本統計概念(ZTE-WB102-V1.0)2002年三月 6普及培訓第二部分 基本統計概念(ZTE-WB10統計概念解釋以下基本統計概念。1.波動(偏差)2.連續數據和離散數據3.平均值、方差、標準差4.正態曲線5.用Z值將數據標準化6. 中心極限定理7.過程能力- 使用Z值作為衡量工序能力的指標- 通過改進關鍵值Xs來改進Y8.穩定性因子統計概念解釋以下基本統計概念。波動所有的人不會都是同樣的高度；所有的葡萄不可能同一天采摘問題:你期望存在波動嗎?什么類型的波動?波動所有的人不會都是同樣的高度；觀測值變化當重復進行測量的時候，通常會得到不同的答案， 這就是波動！系統波

2、動預期的和可預測的測量結果之間的差異。舉例： 夏季和冬季的空調的銷售量不同。隨機波動不可預測的測量結果之間的差異。舉例：具有同一種設計的兩臺冰箱，由同一個技術人員、在同樣的氣溫條件下、使用同樣的測量儀器，在兩個不同的日子對其能量消耗進行測試.可能得到兩個不同的結果。1.2.觀測值變化當重復進行測量的時候，通常會得到不同的答案， 這就觀測值變化（續）我們預期觀測值會有差異。如果沒有差異，我們就會產生懷疑。 如果所有地區的手機銷售量是一樣的，那么我們就會懷疑是數據庫出了問題。.如果我們測量10臺電冰箱，得到同樣的能耗測量結果，我們就會懷疑測量是否正確。這種變化使我們的工作更具挑戰性！一般來說，我們

3、不能相信來自一個數據點的結果。通常我們收集多個數據點，而且非常注意如何選取這些樣本，以減少偏差。波動的產生是很自然的，意料之中的，是統計學的基礎觀測值變化（續）我們預期觀測值會有差異。如果沒有差異，我們就統計學的作用統計學用以下方法處理誤差： (置信區間和假設檢驗)。統計描述用圖表和幾個總結性數字(均值、方差、標準差)描述一組數據。統計推理確定結果之間的差異何時可能是由于隨機誤差引起的，何時不能歸因于隨機誤差。 收集并分析數據，以估算過程變化的影響。 試驗設計統計學的作用統計學用以下方法處理誤差：統計描述用圖表和幾個總數據的兩種類型 連續 (可變) 數據 使用一種度量單位，比如英寸或小時。 離

4、散 (屬性) 數據是類別信息，比如“ 通過” 或“ 未通過”。連續數據離散數據問題解決辦法舉例: 部件號離散連續1通過2.0312通過2.0343未通過2.0764通過2.0225未通過2.001數據的兩種類型 連續 (可變) 數據 使用一種度量單位連續數據以參數的形式，比如尺寸、重量或時間，說明一個產品或過程的特性。測量標準可以有意義地不斷分割，使精確度提高。你能舉出我們用來獲得連續數據的三個器具例子嗎？相對于僅僅知道部件是否合格而言，連續數據可以提供更多的信息。連續數據(也稱為可變數據)連續數據以參數的形式，比如尺寸、重量或時間，說明一個產品或過離散數據不能更進一步精確地細分。 離散數據是

5、某件事發生或未發生的次數，以發生的頻數來表示。 離散數據也可以是分類數據。如：銷售地區、生產線、班次和工廠。離散數據(也包括屬性或類別數據)地區亮和不亮離散數據不能更進一步精確地細分。 離散數據是某件事發生離散數據一般來說，連續數據比離散數據更可取，因為你可以利用更少的數據獲得更多的信息。如果不能得到連續數據，就可以對離散數據進行分析，發現結果，作出判斷。.連續數據與離散數據進行比較的解釋：離散數據舉例：有凹痕的部件數量通過/未通過申訴決議 產出生產線不合格品數量及時交貨離散數據需要更多的數據點才能進行有效的分析離散數據連續數據與離散數據進行比較的解釋：離散數據舉例：離請在下面的例子旁，寫出它

6、是“連續”還是“離散”1 銷售訂單準確度2 數據輸入準確度3 銷售地區4 使用“合格/不合格”測量儀器得到的孔徑5 孔徑 6 應答中心對話時間7 制冷氟利昂的重量(克)8 每百萬部件中有缺陷部件的數量9 裝配線缺陷(ALD)應用你所學到的東西請在下面的例子旁，寫出它是“連續”還是“離散”1 銷售訂單準總體 全組數據，全部對象。 - 一個總體中的元素數量用N來表示樣本 總體的一個子集 - 樣本的元素數量用n 來表示平均值 總體或樣本的平均值- 總體的平均值用來表示樣本的平均值用X 或來表示方差 數據與其平均值之間差值的平方的平均值 。(它代表該組數據的分散程度) - 總體的方差用 表示 - 樣本

7、的方差用s2或表示均方差是方差的 (正) 平方根。 (它也代表該組數據的分散程度)。 -總體的標準差用 來表示 -樣本的標準差用s或來表示統計學術語總體 全組數據，全部對象。 統計學術語統計學術語和定義總體 全部對象.舉例 1998年5月在深圳生產的所有的21英寸彩電樣本 代表總體的一個子集數據。舉例 - 1998年5月在深圳生產的一百二十臺21英寸彩電舉例：這個矩陣代表25個X的總體。畫上圓圈的那些是由總體中的六個X組成的樣本。統計學術語和定義總體 全部對象.這個矩陣代表25個X的總平均值 - 總體或樣本的平均值。用x或來表示樣本，用來表示總體。舉例：給定一個樣本：1,3,5,4,7 ，平均

8、值就是：統計學術語和定義x = xn在這里X1是樣本的第一個點， Xn是樣本的最后一個點。.i1n,平均值的公式 x = (1+3+5+4+7) = 20 = 4.0 5 5樣本的平均值等于4。平均值 - 總體或樣本的平均值。統計學術語和定義x =標準差 衡量數據分散程度的一個指標。一般用表示總體，用s 或 表示樣本。=(Xi-)2i=1NN總體的公式方差 - 與平均值之差的平方的平均值。一般用s2或2來表示。 = S =(Xi-X)2i=1nn-1樣本的公式統計學術語和定義標準差 衡量數據分散程度的一個指標。一般用表示總體，用舉例課堂舉例： 計算樣本2, 6, 4 的方差和標準差首先計算均值

9、： (2 + 6 + 4) / 3 = 12 / 3 = 4計算平均值、方差和標準差x = xn ii=1ns 2 = n(Xi-X)2i=1n-1 s =(Xi-X)2i=1nn-1平均值 方差 標準差方差 (s2) = 8 / (3 - 1) = 4標準差 (s) = sqrt(4) = 2ixi(xi-4)(xi-4)21 2-242 6 243 4 00和12 08舉例課堂舉例： 計算樣本2, 6, 4 的方差和標準差課堂練習課堂舉例： 計算樣本1,3,5,4,7 的方差和標準差 (使用下面的表作為向導。) 首先計算平均值X：計算平均值、方差和標準差x = xni1ns 2 = n(X

10、i-X)2i=1n-1 s =(Xi-X)2i=1nn-1均值 方差 標準差方差 (s2) =標準差 (s 或 ) = 課堂練習課堂舉例： 計算樣本1,3,5,4,7 的方差統計學術語和定義缺陷；未滿足與預期或規定用途有關的要求。（引起顧客不滿意）單位缺陷數（DPU）：PPM（Parts per Million）不合格品PPM= 用PPM來表示缺陷率：PPM=DPU 1000000 不合格品數量檢驗的產品數量1000000 xx統計學術語和定義缺陷；未滿足與預期或規定用途有關的要求。（引統計術語和定義缺陷機會：做一項工作（或生產一件產品等）所有產生缺陷的可能性。如： 一個過程的步驟數； 一個產

11、品的零件數。 每百萬機會的缺陷數（DPMO）DPMO =單位缺陷數每單位的缺陷機會1000000統計術語和定義缺陷機會：做一項工作（或生產一件產品等）所有產我能計算缺陷率嗎？ 我的過程產生了多少缺陷? 生產40000只燈泡,其中50只有缺陷. DPMO是多少? x1,000,000=5040,0001250 DPMO我能計算缺陷率嗎？ 我的過程產生了多少缺陷? 生產40000如何計算DPMO?我的過程產生了多少缺陷?1999年A19燈泡的客戶退貨率是1.0%。DPMO是多少？x1,000,000= 如何把%轉化成 DPMO? 把%轉化成 小數DPMO小數點向前移動2位0.01x1,000,00

12、0=10,000 DPMO如何計算DPMO?我的過程產生了多少缺陷?1999年A19燈作業 - 商務一名客戶服務代表3天收到這些電話:小時:第 1 天:第 2 天:第 3 天:電話數回答數電話數回答數電話數回答數 1202025232222 2151220182524 3252315152017 4232022202424 5262426232019 6272528282424 7232324212522 8212025232116未回答電話的DPMO是多少:a) 第1天b)第2天c)第3天d) 3天作業 - 商務一名客戶服務代表3天收到這些電話:小時:第 繪制直方圖7570656015105

13、0高 度 頻 數 59 61 63 63 64 59 62 66 65 65 64 60 65 62 64 68 70 65 63 64 68 66 65 66 67 64 66 58 65 65 71 63 69 63 66 70 64 67 64 66 62 64 64 64 61 64 63 65 64 68 66 67 69 71 68 66 65 63 64 64 68 67 65 64 65 64 70 65 68 65 66 69 66 66 65 63 68 66 62 67 65 66 67 66 60 67 63 60 64 7390位女士的身高繪制直方圖757065601

14、51050高 度 頻 數 5用直方圖形成一個連續分布測定單位條形的中心點平滑的曲線連接每個條形的中心點許多(但非全部) 數據符合“正態”分布，或鐘形曲線。用直方圖形成一個連續分布測定單位條形的中心點平滑的曲線連接正態分布的標準差() 拐點1USLp(d)上限 (USL)下限 (LSL)均值 ()標準差 ()3拐點與平均值之間的距離是一個 標準差。如果三倍的標準差都落在目標值和規范的上下限內，我們就稱這個過程具有“三個西格瑪能力”平均值LSL曲線從較陡的狀態變得越來越平坦正態分布的標準差() 拐點1USLp(d)上限 (US面積和概率合格部件控制限曲線下的面積是1.0。 我們可以計算規范上下限之

15、外的面積，也就是出現缺陷的概率。一個缺陷部件的概率正態曲線與橫軸之間的面積等于1，所以曲線下面的面積與缺陷發生的概率相關。正態分布可以用來將 和 轉換為出現缺陷的百分比。面積和概率合格部件控制限曲線下的面積是1.0。 我們可以計算規范上限出現缺陷的概率= .0643假設Z = 1.52。1.52之外的正態曲線下部的面積就是出現缺陷的概率。 Z值是工序能力的一種尺度，通常稱為“工序的西格馬”，不要與過程標準差混淆。Z曲線下的整個面積是1 = 0( 在這里 = 1 ， = 0 )使用正態表Z = 1.52下頁上的表列出了Z值右邊的面積。規范上限出現缺陷的概率= .0643假設Z = 1.52。1正

16、態分布Z00.010.020.030.040.050.060.070.080.090.05.00E-014.96E-014.92E-014.88E-014.84E-014.80E-014.76E-014.72E-014.68E-014.64E-010.14.60E-014.56E-014.52E-014.48E-014.44E-014.40E-014.36E-014.33E-014.29E-014.25E-010.24.21E-014.17E-014.13E-014.09E-014.05E-014.01E-013.97E-013.94E-013.90E-013.86E-010.33.82E-0

17、13.78E-013.75E-013.71E-013.67E-013.63E-013.59E-013.56E-013.52E-013.48E-010.43.45E-013.41E-013.37E-013.34E-013.30E-013.26E-013.23E-013.19E-013.16E-013.12E-010.53.09E-013.05E-013.02E-012.98E-012.95E-012.91E-012.88E-012.84E-012.81E-012.78E-010.62.74E-012.71E-012.68E-012.64E-012.61E-012.58E-012.55E-012.

18、51E-012.48E-012.45E-010.72.42E-012.39E-012.36E-012.33E-012.30E-012.27E-012.24E-012.21E-012.18E-012.15E-010.82.12E-012.09E-012.06E-012.03E-012.01E-011.98E-011.95E-011.92E-011.89E-011.87E-010.91.84E-011.81E-011.79E-011.76E-011.74E-011.71E-011.69E-011.66E-011.64E-011.61E-011.01.59E-011.56E-011.5 39E011

19、.52E-011.49E-011.47E-011.45E-011.42E-011.40E-011.38E-011.11.36E-011.34E-011.31E-011.29E-011.27E-011.25E-011.23E-011.21E-011.19E-011.17E-011.21.15E-011.13E-011.11E-011.09E-011.08E-011.06E-011.04E-011.02E-011.00E-019.85E-021.39.68E-029.51E-029.34E-029.18E-029.01E-028.85E-028.69E-028.53E-028.38E-028.23

20、E-021.48.08E-027.93E-027.78E-027.64E-027.49E-027.35E-027.21E-027.08E-026.94E-026.81E-021.56.68E-026.55E-026.43E-026.30E-026.18E-026.06E-025.94E-025.82E-025.71E-025.59E-021.65.48E-025.37E-025.26E-025.16E-025.05E-024.95E-024.85E-024.75E-024.65E-024.55E-021.74.46E-024.36E-024.27E-024.18E-024.09E-024.01

21、E-023.92E-023.84E-023.75E-023.67E-021.83.59E-023.52E-023.44E-023.36E-023.29E-023.22E-023.14E-023.07E-023.01E-022.94E-021.92.87E-022.81E-022.74E-022.68E-022.62E-022.56E-022.50E-022.44E-022.39E-022.33E-022.02.28E-022.22E-022.17E-022.12E-022.07E-022.02E-021.97E-021.92E-021.88E-021.83E-022.11.79E-021.74

22、E-021.70E-021.66E-021.62E-021.58E-021.54E-021.50E-021.46E-021.43E-022.21.39E-021.36E-021.32E-021.29E-021.26E-021.22E-021.19E-021.16E-021.13E-021.10E-022.31.07E-021.04E-021.02E-029.90E-039.64E-039.39E-039.14E-038.89E-038.66E-038.42E-032.48.20E-037.98E-037.76E-037.55E-037.34E-037.14E-036.95E-036.76E-0

23、36.57E-036.39E-032.56.21E-036.04E-035.87E-035.70E-035.54E-035.39E-035.23E-035.09E-034.94E-034.80E-032.64.66E-034.53E-034.40E-034.27E-034.15E-034.02E-033.91E-033.79E-033.68E-033.57E-032.73.47E-033.36E-033.26E-033.17E-033.07E-032.98E-032.89E-032.80E-032.72E-032.64E-032.82.56E-032.48E-032.40E-032.33E-0

24、32.26E-032.19E-032.12E-032.05E-031.99E-031.93E-032.91.87E-031.81E-031.75E-031.70E-031.64E-031.59E-031.54E-031.49E-031.44E-031.40E-033.01.35E-031.31E-031.26E-031.22E-031.18E-031.14E-031.11E-031.07E-031.04E-031.00E-033.19.68E-049.35E-049.04E-048.74E-048.45E-048.16E-047.89E-047.62E-047.36E-047.11E-043.

25、26.87E-046.64E-046.41E-046.19E-045.98E-045.77E-045.57E-045.38E-045.19E-045.01E-043.34.84E-044.67E-044.50E-044.34E-044.19E-044.04E-043.90E-043.76E-043.63E-043.50E-043.43.37E-043.25E-043.13E-043.02E-042.91E-042.80E-042.70E-042.60E-042.51E-042.42E-043.52.33E-042.24E-042.16E-042.08E-042.00E-041.93E-041.

26、86E-041.79E-041.72E-041.66E-043.61.59E-041.53E-041.47E-041.42E-041.36E-041.31E-041.26E-041.21E-041.17E-041.12E-043.71.08E-041.04E-049.97E-059.59E-059.21E-058.86E-058.51E-058.18E-057.85E-057.55E-053.87.25E-056.96E-056.69E-056.42E-056.17E-055.92E-055.68E-055.46E-055.24E-055.03E-053.94.82E-054.63E-054.

27、44E-054.26E-054.09E-053.92E-053.76E-053.61E-053.46E-053.32E-054.03.18E-053.05E-052.92E-052.80E-052.68E-052.57E-052.47E-052.36E-052.26E-052.17E-054.12.08E-051.99E-051.91E-051.82E-051.75E-051.67E-051.60E-051.53E-051.47E-051.40E-054.21.34E-051.29E-051.23E-051.18E-051.13E-051.08E-051.03E-059.86E-069.43E

28、-069.01E-064.38.62E-068.24E-067.88E-067.53E-067.20E-066.88E-066.57E-066.28E-066.00E-065.73E-064.45.48E-065.23E-065.00E-064.77E-064.56E-064.35E-064.16E-063.97E-063.79E-063.62E-064.53.45E-063.29E-063.14E-063.00E-062.86E-062.73E-062.60E-062.48E-062.37E-062.26E-064.62.15E-062.05E-061.96E-061.87E-061.78E

29、-061.70E-061.62E-061.54E-061.47E-061.40E-064.71.33E-061.27E-061.21E-061.15E-061.10E-061.05E-069.96E-079.48E-079.03E-078.59E-074.88.18E-077.79E-077.41E-077.05E-076.71E-076.39E-076.08E-075.78E-075.50E-075.23E-074.94.98E-074.73E-074.50E-074.28E-074.07E-073.87E-073.68E-073.50E-073.32E-073.16E-07Z正態分布Z00

30、.010.020.030.040.050.06科學記數法科學記數法是將數字寫成一個數字的10次冪的一種方法。我們來看一些用科學記數法表示的數字。6.43E-02 是.0643 的科學記數法格式。6.43E-02 = 6.42 x 10-2 = .06426.43E-02實際數字科學記數法6.43 代表基數將基數乘以10的冪：10-21271.27E+02224162.24E+040.06436.43E-020.0000565.60E-052.0512.05E+00如果“E”后面的數字是負的，那么就將數字的小數點的位置挪到左邊。科學記數法科學記數法是將數字寫成一個數字的10次冪的一種方法Z值 轉

31、化為“標準正態”我們需要利用正態分布的平均值和標準差將其轉化為“標準正態”分布，以便使用標準正態分布表來獲得概率。通過轉換將變量(y) 轉換為標準正態分布。標準正態分布的平均值 ( = 0, 標準差 () = 1.規范上限 (USL)規范上限Z 值是平均值與規范的上下限之間所包含的標準差個數。出現一個缺陷部件的概率 USL - Z =對于規范的上限：Z值 轉化為“標準正態”我們需要利用正態分布的平均 正態分布舉例規范是1.030” + .030 = ( 1.000, 1.060 )假設我們測量了30個部件，X = 1.050, s = .015計算一下不符合規范的部件的比例1.020 1.03

32、5 1.050 1.065 1.080LSLUSL目標值從正態表可以看出，.2514 或者( 25% ) 不符合規范。USL Z.USL = USL - X S= 1.060 - 1.050 .015Z.USL = + .67XLSLZ.LSL = X - LSL S =1.050 - 1.000 .015 Z.LSL = 3.33從正態表可以看出， .0004 或者(.04%) 不符合規范數據的實際分布 正態分布舉例規范是1.030” + .030 現狀分析報告中的Z值就是ZBench 。ZBench 的定義 PUSL 是相對USL而出現缺陷的概率。PLSL 是相對LSL而出現缺陷的概率。P

33、TOT 是出現缺陷的總概率PTOT = PUSL + PLSL ZBench 是與出現缺陷的總概率相對應的Z值，可從正態表中查到。25.14%.04%ZLSL = 3.33ZUSL = 0.6725.18%ZBENCH = .67現狀分析報告中的Z值就是ZBench 。ZBench 的定義從正態表獲得面積 (合格品和不合格品的百分比)例 1 :Z = 2.00右邊的面積 = _左邊的面積 = _例 2 :Z = 1.57右邊的面積 = _左邊的面積 = _例 3 : = 6.34 = .03 x = 6.41計算 Z = x - 右邊的面積 = _左邊的面積 = _從正態表獲得面積 例 1 :

34、Z = 2.00中心極限定理 - 為什么我們得到的通常是正態分布 平均值分布 n個測量結果的平均值 單個變量的分布圖XX (總平均數)中心極限定理表明，如果n足夠大，樣本平均值( x )或其總和的分布，都近似于正態分布，無論單個變量是否服從正態分布。每個子群中有 “n” 個樣本。中心極限定理 - 為什么我們得到的通常是正態分布 平均值分中心極限定理（例）中心極限定理（例）中心極限定理 - 為什么我們通常得到正態分布中心極限定理表明，如果n足夠大，樣本平均值( x )或其總和的分布，都近似于正態分布，無論單個變量是否服從正態分布。例1“總銷量”是許多經銷商的銷售量的總和。一個經銷商的銷售量可能不

35、是正態分布，但總銷量很可能近似于正態分布。例2一堆部件的高度可能近似服從于正態分布，盡管個別部件的高度不是正態分布。注意： 不是所有數據都符合正態分布。后面我們將討論如何檢驗正態性，以及如何處理非正態分布數據。中心極限定理 - 為什么我們通常得到正態分布中心極限定理表Z 作為一種能力的尺度zUSLT+3能力Z = 3123USL+6 能力Z = 6123456T隨著偏差減小，出現缺陷的概率降低，所以，能力提高。我們希望：小 z大Z 作為一種能力的尺度zUSLT+3能力Z = 312提高工序能力Y = f(X)Y 是因變量。X 是獨立變量。 Y 取決于X。改進X才能改進Y。不太重要的多數變量30

36、% + 70% = 100%至關重要的少數變量獨立變量 (Xs) 有時被稱為“根本原因系統”。因變量 (Y) 有時被稱為響應變量。Y取決于獨立變量，或“X”變量。至關重要的少數變量也被稱為“杠桿”變量，因為它們對因變量具有重大影響。提高工序能力Y = f(X)Y 是因變量。不太重要的30% 統計學問題:是均值偏離、偏差過大，還是兩者兼而有之改進的焦點控制平均值的杠桿變量控制標準差的杠桿變量變量YY = f ( X1, . , XN)較差的工序能力LSLUSLLSLUSL出色的工序能力 均值偏移過度分散能力統計學問題:改進的焦點Y = f ( X1, . ,這適用于所有過程 制造業和商業。穩定運行可以從過程中消除偏差，使結果更加穩定、提高可預測度。偏差是惡魔，發現它并且清除它！低劣表現 出色表現客戶：“我希望每天都這樣”穩定的運行這適用于所有過程 制造業和商業。穩定運行可以從過程中消“壞日子”“一般的日子”“好日子”Q1平均值Q3產品產量的直方圖根除壞日子，提高一致性，提高平均值。將壞日子變為好日子“壞日子”“一般的日子”“好日子”Q1平均值Q3產品產量的直原來的行為增加平均值。偏差保持不變。依然存在著壞日子！穩定運行根除過程的“不穩定“部分(壞日子)。平均值也增加了