六西格玛A阶段课件(上册).ppt

1、数据相关性分析(第一卷)、数据相关性分析(第一卷)、组织质量可靠性提高项目培训教材第三卷、第二卷广州市赛博认证中心培训部王五打电话e-mail:wangweceprei . org，ce prei但是当你不能测量它，不能用数字表示它的时候，你的知识肤浅，贫乏，无法计数，想做大事的时候，仍然没有船，想经受考验的时候，我们依靠上帝。(萧伯纳，知识)。除了上帝，任何人都必须用数据说话。-达尔文，-管道，-戴明，8，路径位置，9，牙齿章节目录，培训目的数据采集原因数据采集过程-Y和X材料O.D .了解学习目标了解数据收集计划的概念了解数据收集方法和步骤采样(样本)方法，10，

2、培训目的，正确的数据收集测量收集什么，收集数据，测量工程可靠性的方法。如何分析资料，制定计划，成功的概率很高。1:一般数据采集，11，数据收集的原因，为Y决定确定当前级别收集输入(Xs)变化的信息-通过多次企业循环收集影响可交付项目输入的足够资料。使用当前水平反映改进阶段，12，数据收集过程，13，Y和X数据的O.D，14，数据收集过程，15，数据收集简介评估什么？选择所有X，Y后，是否创建了O.D？顾客也收集有利的资料吗？企业已经存在的资料吗？现在资料充足吗？在定义阶段是否还有其他未确定的部署原因？用收集的资料做什么？如何绘制秋刀图？改进测量方法时，能否提高客户满意度？团队只使用可用的资料吗

3、？18，确定数据收集范围样本平均分布的标准偏差等于总标准偏差除以样本数的平方根。样本均值的分布非常接近正态分布。8，总之，当整个数据是非正规分布时，随机采样N个并计算平均值，这样重复多次，然后将这些平均分布与牙齿个人值的分布进行比较，你会发现发现，N点，x-bar的分布也有正规分布。为了验证，选择了非正态分布中随机偏移较大的分布，-“Chi-Square分布”，找到x-bar，体验了中心极限定理。在整个数据没有正态分布的情况下，模拟考试问题-2，1，卡方分布随机生成9列，每列250个数据，2，用生成的数据描绘图解和正态检验，在这里可以看到。这是非常偏移的分布。我们用它来整理中心极限，C1C9，

4、说明性统计信息： C1、C2、C3、C4、C5、C6、C7、c8、C9和C10平均变量N N*平均标准错误标准差最小值下的4分位数中上4分位数C1 250 0 1.917 0.122 1.932 0.002130 2.050 0.009 0.558 1.402 2.853 C4 250 0 2.005 0.139 2.204 0.002 0.551 1.327 2.875 C5 250 1.854 0 0.854 0.109 1.726 0.009 0.534 1.283 2.595 C6 250 0 0 1.954 0.110.0.减少单个值的分布，样本的平均分布，4，粘度比较，验证中心极限

5、定理，个人值测量系统误差的简单方法是平均两个或多个读数。我们的测量系统的精度自动提高，增量系数是平均样品数的平方根。要将测量系统的误差减少一半，必须平均4次测量。改进测量系统MS，中心极限定理的实际应用，4，假设检验，155，156，路径位置，157，目录，假设检验摘要假设检验的核心术语假设检验的定义假设检验的步骤假设检验的应用，-嗯？-嗯？158，假设检查摘要，亲爱的Abby:你在你的专栏里说女性怀孕是266天。这是谁说的？怀上我的孩子花了10个月零5天，这是毋庸置疑的。因为我确切地知道孩子怀孕的那天。丈夫在海军服役，牙齿孩子不能在任何其他时间怀孕。因为我只见过他一次，只有一个小时，而且在孩

6、子出生前再也没见过他。(威廉莎士比亚，哈姆雷特，家庭)我不喝酒，也不东奔西跑，而且牙齿孩子可能不是他的。所以请在报纸上宣布266日收回有关怀孕的时间。因为否则我会面临很多问题！圣地亚哥的读者，你会对她说什么？对他丈夫说什么？有趣的故事，159，250，260，240，230，270，280，290，300，220，从什么时候开始你开始怀疑了？标记，160，医生很久以前就知道孩子自然出生时有以下特征。正态分布平均怀孕时间=日标准偏差=日，161，产科医生已知道：正态分布平均值=266天标准偏差=16天，162天，分娩期分布，平均值=_，163，家庭检验汇总，在工业生产中，我们经常会知道哪些分布也

7、就是说，可以验证特定分布的平均值或标准差值是否是特定数字，或者两个平均值的差值是否为零。牙齿检查要使用假设检查方法。实际操作的示例如下：1、制造商想引进新产品。为了实现利润，在未来5周内，必须在200小时内生产1200个产品。生产一种产品的平均时间不超过6小时，目标就实现了。生产者可以验证平均生产时间等于6小时的假设，评估是否有必要的生产能力。2.牙齿制造商计划修改工艺流程，以减少其他产品所需的平均时间。通过确保工艺流程变更前后的平均生产时间相同，评估流程修改是否有效。在这两种情况下，都包括对总体平均值的测试。假设标准差或其他参数检查也是可能的。，假设产业案例的启示，164，假设检验是抽样推理

8、的重要内容。假设检验是对整个参数或整个分布形式的假设进行提前，然后使用样本信息判断原始假设是否合理，即样本信息和原始假设有很大的不同，从而决定是否接受或否定原始假设。因此，假设检验也称为重要性检验。假设检验可以分为两类茄子。一个是参数假设检查，简单的参数检查。第二，郑智薰参数检查或自由分布检查，165，假设检查摘要：目的，正确处理主观上最小化的问题假设，防止重要信息的遗漏，判断判断错误风险的危险，166，假设检查摘要，处理实际问题的方法。把实际问题变成统计问题，我们可以使用(比较小的)样本作为整体参数，因此总是为我们的实验选择“怪异”的样本。它可能不能代表一群“典型”的观察。因此，推论统计学可

9、以利用可以推测纯粹是偶然原因造成的“怪异”结果的概率的假设。例如，如果想知道一名硬币是否“公平”，请记录我们看到正面出现的次数。随机我们期待看到大约50%的正面。如果我们扔硬币10号，得到10号正面，我们肯定不是牙齿硬币“公平”牙齿。在1000次公平的硬币中，只有一次机会获得10个正面。所以我们可以说会有“不公平”的硬币判断)，167，假设检查摘要，糟糕的一天我们会得到好的工程，好的一天我们会得到坏的工程。无论是哪种情况，我们都可能得出错误的结论。我们声明我们在工程中改进了，牙齿改进结果可能只是抽样的函数，168，假设检验摘要。假设这是对某事的描述，我们会说，这硬币不公平。这里我们有错误的概率

10、(大约5%)，但是我们愿意冒这个险，我们如何利用统计学来帮助我们做出判断？我们知道样本数据服从自然分布。当某事“真的发生”的时候，我们怎么知道是真的还是偶然发生的呢？让我们开始研究牙齿程序吧。169，为什么使用假设检验？如果无法确定是否存在实际差异，请使用假设测试。例如，层次点图形显示子组平均值之间没有太大差异。也就是说，我想知道平均的微小差异是随机变化引起的，还是反映了实际差异。假设检查比层次点图提供更明确的结果(如果满足假设)。170，家庭检查摘要，reactor 1 reactor 2 89 84 81 86 84 84 84 83 84 91 87 86 79 82 82 81 89

11、83 84 88，reactor。mtw，让我们看一下制造示例。假设我们改造了两个反应器中的一个。在我们改造所有反应器之前，我们想知道这种改进是否“显着”提高了工程产量。让我们看看结果数据。在牙齿示例中，reactor B是新改造的reactor。171，假设检验摘要，实际问题：与现有工艺代表reactor 1相比，reactor 2的改造能否提高产量？统计问题：反应器2的平均值(85.54)和反应器1的平均值(84.24)的差异是否被认为是明显的？还是牙齿两个平均值足够近，可以看作是偶然因素或日与日之间的方差？差异=1.3%，variable n mean stdev median reac

12、tor 1 10 84 . 24 2 . 902 84 . 500 reactor 2 10 85 . 54 3 . 65 85 . 40，172，假设检查摘要，173，假设检查周期徐璐在比较其他整个子组时，假定独立抽样。通过随机采样实现。样品是完全代表(无偏差)。徐璐比较不同进程的子组时，假定每个进程都是稳定的。没有特殊原因或时间的变化(没有时间相关差异)。样品是流程的代表(无偏差)。174，主要核心术语，1，实际推理原则：概率小的事件很少发生。2、零假设(Null Hypothesis- Ho)是关于“没有差别”、“完全没有效果”或“完全没有效果”等陈述的。3、替代假设(Alternative Hypothesis- Ha)4、类错误：又称“放弃真相错误”，零假设牙齿成立时拒绝5，价值：又名重要程度，又名失误的概率，值牙齿越大，拒绝实际零假设的可能性越高，牙齿值通常没有统一的基准牙齿。通常设置为0.05，6，P值：显示可用于确定是否拒绝或接受零假设的错误的可能性。p值越小，出现零假设拒绝错误的可能性越小。一般来说，P0.05表示零假设成立，P0.05表示推翻零假设，接受替代假设，175，7，类错误：日名为“类似错误”，表示零假设错