第五章 质量数据的统计处理

M0＝3
34
2、表示样本数据离散程度的特征数
（1）极差 x 若记排序后的样本测定值为x1 x2 …… n，则
R＝xn－x1
极差能正确反映数据的范围
35
（2）方差 当样本容量增大的时候，数据中出现最大或最 小异常值的可能性也将随之增大，这时用样本 极差表示数据的波动程度的可靠性随之下降。 为了充分利用样本数据，常用样本方差来表示 数据的波动。
37
五、收集质量数据注意事项
1. 明确收集数据目的与方法；
2. 注意数据的修正，剔除异常数据；
3. 数据记录要真实、可靠、准确； 4. 测定和记录工作应标准规范；
如年月日的书写：07/04/10; 04/10/2007; 10/04/2007
5. 注意记录与数据有关的数据背景。
如测试时间、地点、数量、测试者、零件号、批号、名称 规格及必要的环境 条件等。 有利于分析问题，且可以避 免不同条件的数据混淆。
描述总体数据离散程度的参数为方差σ2 ，描述总体数据中 心倾向的数为均值μ 。若利用样本参数近似描述总体状况 时，可以利用样本方差S2近似代替总体方差σ2，利用样本均 值X近似代替总体均值μ 。
28
四、质量数据统计特征的描述
常用的统计量有两大类， • 一是反映样本数据集中程度的特征量
样本平均值，样本中位数、众数等；
• （3）总体容量：
• 总体中所包含的个体数量称为总体容量，通常用N来表示。 • 一批零件、一个工序或某段时间内生产的同类产品的总数量
16
• （4）样本：
样本又叫子样，是从总体中抽出来一部分个体的集合。 一般我们用X1.X2…Xn来表示总体的一个样本 样本中每个个体叫样品，样本中所包含样品数目称为样本 大小，又叫样本量，常用n表示。 对样本的质量特性进行测定，所得的数据称为样本值。 样本数据的取值记为x1、x2…xn，称为样本观测值 当样本个数越多时，分析结果越接近总体的值，样本对总 体的代表性就越好。
17
1、随机抽样
是指从总体中随机抽取一定数目的个体单位作为
样本进行观察，使每个个体单位都有一定的概率
被选入样本，从而使根据样本所做出的结论对总 体具有充分的代表性。
随机抽样能有效地避免主观性导致的倾向性误差（系 统误差），使得样本资料能够用来有效地估计和推断 总体的数量特征，并通过计算抽样误差，说明估计结 果地可靠程度。
• 二是反映样本离散程度的特征量 样本极差、样本标准差、样本方差等。
29
1、表示样本集中程度的特征量
（1）样本平均值
表示n个样本测定值为x1,x2,…xn,则样本平均值为 样本中的多数数据分布在样本均值附近，因此样 本均值表示了样本数据的“质量中心”，是数据 高低相抵、误差正负相抵后客观事物必然性数量 特征的一种反映。
33
（3）众数
在一批数据中，出现次数最多的那个数称为众数，
记做M0
如，某厂先后对本厂的某型号的一批产品的不合格数进行统 计，得到如下表所示的数据。 不合格（个） 出现次数 0 8 1 20 2 32 3 48 4 20 5 21 6 11
对照定义可以看出，出现3个不合格品的次数最多，共有48 次。故众数
18
2、随机抽样的方法
简单随机抽样
随
机
抽
系统抽样
样
分层抽样
整群抽样
19
简单随机抽样
指总体中每一个个体都有同等可能的机会被抽到。这种抽样 方法事先不能考虑抽取哪一个样品，完全用偶然方法抽样， 常用抽签或利用随机数表来抽取样品以保证样品代表性。
抽样
当总体容量不大时，随机抽样是一种有效的抽样方法；
20
8
质量数据
1、计量值数据：
适用于长度、重量、时间、强度、温度等质量特 性值的分析和控制。计量数据可以通过某种量具、 仪器等测定到，它们可以在某一区间内连续取值。 注意：这类数据具有连续型随机变量的分布特征， 符合正态分布。
9
质量数据
2、计数值数据：
是对批产品中的不合格品数或单位产品上的缺
陷数进行检查时得到的正整数数据。 计数值数据又可分为： 计件值数据 计点值数据
* 优点：样本代表性好，抽样误差小。
* 缺点：抽样手续比较繁琐。
25
整群抽样
也称集团抽样，即在总体中，不是抽取个别样品，而是随 机抽取整群的产品。这种方法是先将总体按某个标志（企 业、车间、班组、工序或一段时间内生产的一批零件）分 成若干群，然后随机抽取若干群，并由抽中的所有个体组 成样本。
适用范围：常用于工序控制中。
5
• 3.用于调节的数据 例如，对干燥室的温度 进行观测，“温度高调 低一些，过低则调高一 些”。这些就是进行温 度调节的数据。规定的 数据有测定时间、调节 界限、调节量等，通常 都订在操作规范和管理 规章制度中。
6
• 4.用于检查的数据
例如，逐个测量产品的特 征值，把测量结果与规格 对比，判定产品中的合格 品和不合格品，这就是用 于检查的数据。此外，为 了判定批量产品合格与不 合格，可从批量产品中随 机抽取样本，再对样本进 行测定，这就是抽样检查 的数据。这类检查数据可 以反馈给有关部门进行分 析和管理。
3
• 1.用于控制现场的数据 例如，产品尺寸的波动有多大，在装配过 程中出现了多少不合格品，以及机器出现 多少次故障，打字员出现多少差错等等。
4
• 2.用于分析数据 例如，为了调查纱线的不均匀度与纺织机 器的测量仪表有什么关系，需要制定试验 设计进行实验，对取得的数据加以分析， 然后，将分析的结果写入操作规范和管理 规章制度中。
11， 12， ……..20：
15
如果被抽总体足够大，并且易作某种次序的整理时，适用 于大批量生产的流水线上产品的抽查。
22
系统抽样的优缺点是什么？
* 优点：实施方便，同时能够保证样本对
总体的代表性。
* 缺点：总体单位排序后呈现一定的规律
性甚至周期性，而抽样间隔的周期正好
与之吻合，依赖于这样排列的系统抽样
就因而会产生系统性的偏差。
23
分层抽样
分层抽样是先将总体按照研究内容密切有关的主要因素分 类或分层，然后在各层中按照随机原则抽取样本。分层抽 样可以减少层内差异，增加样本的代表性。 抽样
样本
当获得的资料不均匀，或呈偏态分布时，分层抽样是一种 有效的抽样方法；适用于产品质量的验收。
24
分层抽样的优缺点是什么？
7百度文库
二、质量数据的分类
在日常所进行的质量管理活动中，经常会遇到两类 形式的质量信息： 一类表现形式是数据的，即质量数据： 对于质量数据，可以运用一些处理工具和技术，如 直方图、排列图、控制图、散布图等做出判断； 另一类是非数据的，即非数据形式的质量信息： 而对于非数据形式的质量信息的加工、分析和判断， 可以运用分层法、因果图、调查表等做出分析和判 断。
简单随机抽样的优缺点是什么？ * 优点：方法简单直观，由于总体中每个 个体抽取的概率相等，计算抽样误差及 对总体参数加以推断比较方便。 * 缺点：抽样顺序比较复杂，在实际工作 中，真正做到总体中每个个体被抽到机
会完全一样是不容易的。
21
系统抽样
又称机械随机抽样或等距随机抽，即将总体单位按某一标志 （如时间）排序，然后按一定间隔来随机抽取样本。 例，从具有100个个体的总体中抽取10个个体。 1， 2， …… 91， 92， ……..100： 95 …….10： 5
10
质量数据—计数值数据
计件值数据：对产品按件检查时得到的数据。 如：批产品中的不合格品数、事故件数等
指1，2，3……，
11
质量数据—计数值数据
计点值数据：检查单件产品上质量缺陷时得到的数 据。 如：单位棉织品上的瑕疵点数、铸件上的砂眼数， 收音机底版焊点数等。
注意：表示百分率的数据（如出勤率、不合格品率、退修率 等）。其类型取决于其分子数据的类型。
26
整群抽样的优缺点是什么？
* 优点：抽样实施比较方便。
* 缺点：由于抽样来自个别几个群，而不 能均匀分布在总体中，因而代表性差，
抽样误差大。
27
抽样的目的是通过样本来反映总体。
在质量管理中，常常将测试的样本数据，通过整理加 工，找出它们的特性，从而推断总体的变化规律、趋 势和性质。 一批数据的分布情况，可以用中心倾向及数据的分散 程度来表示，表示中心倾向的有平均值、中位值等， 表示数据分散程度的有方差、标准偏差、极差等。
产品合格率达到99.99%
产品不合格率降低10%
果汁含量≥30% 一台用了50年的热水器 安全行使达50万公里
左面反映质 量的情况有 什么共同点？
1
第五章 质量数据的 统计处理
2
第一节 质量数据的收集
一、质量数据收集的目的
1.用于控制现场的数据
2.用于分析数据 3.用于调节的数据 4.用于检查的数据
2、点数数据：
这是以100点或10点计为满分点进行评分的数据。在评比的场 合常用这类数据。比如体育比赛的时候就经常用点数数据进 行评分。
3、优劣数据：
例如有甲、乙两种纺织品，比较哪种手感好而得出的结果就 是优劣数据。如0－1强制打分法中数据。1表示好，0表示差。
13
三、质量统计数据的取样
我们在平常时候收集数据的时候能够发现，通 常我们不太可能为了掌握一批产品的质量信息 而对整批产品全部进行检验的，尤其是我们需 要进行破坏性检验的时候或产品数量巨大的时 候。一般的做法是采用在全部产品中采取随机 抽样的方式，选取一定的样品来进行测试，将 样品测试的结果组成样本数据，然后通过对样 品数据的分析来推断整批（全部）产品的质量， 这就是统计推断。
12
另外，对于一些特殊的场合，还可以把质量数据分 为顺序数据、点数数据和优劣数据等。 1、顺序数据：
例如把10类产品按评审标准顺序排成1，2，3，…，10，这样 的数据就是顺序数据。在对产品进行综合评审而又无适当仪 表进行测量的场合常用这类数据。比如我们经常见到在竞赛 中的排名（第一名、第二名……）。如：按外观美观程度对 10种手机的排序得到的一组排序值。
x 若记排序后的样本测定值为x1 x2 …… n，则
x
n 1 2
~ x
1 2
n为奇数
1
[xn xn ]
2 2
n为偶数
32
如何选择使用样本均值和样本中位数？
注意：
• 在实际应用中，要根据不同的研究目的和不同的数据 分布特征来选择均值或中位数作为集中趋势的代表值。 • 一般的，当数据呈现对称分布或近似对称钟形分布时， 均值与中位数时一致的，应当选择均值作为数据集中 趋势的代表值。 • 但当数据分布的偏斜度较大（出现极端值情况）时， 均值容易受到极端数据的影响，不能很好地反映样本 数据地集中趋势，应该选择中位数作为集中趋势地代 表值。 1、3、4、5、7、8、10、50
14
总体
抽样
样本 测 试
管 理 结论 分析
数据
统计推断--总体、样本、数据间的关系
15
在统计推断中，涉及一些名词 • （1）总体：
• 亦称为“母体”，他是研究对象的全体； • 一批零件、一个工序或某段时间内生产的同类产品的全部都 可以称为总体。
• （2）个体：
• 构成总体的基本单位，称为个体。 • 每个零件、每件产品都是一个个体。
38
数据的修整
过多的四舍五入会造成误差过大，可采取进位和舍弃机会 均等的修整方法： （1）位数＞5,则：进位并舍去后面的数,如：1.126→1.13 （2）位数＜5,则：舍去，及后面的数,如：1.124→1.12 （3）位数＝5，则：
后面的数为0或无数字，5前面的数为奇数进一、偶数 舍去。如：1.125→1.12；1.135→1.14
x
1 n

n
xi
30
i 1
注意：在数学上，均值有两个非常重要的数学性质 • 各个样本数据与均值的离差之和为零。
(x
i 1
n
i
x)
＝0
• 各个样本数据与均值的离差平方和最小。

n
( xi x)
2
＝最小值
i 1
31
（2）样本中位数
适用情况：当样本数据中存在极端数据时（个别数据 特别大或者特别小），样本均值组为数据集中趋势的 代表不合适，从而引入另一个特征量――样本中位数， 它是将样本数据从小到大排列后处在中间位置上的数 据，当样本容量为奇数时，它恰为中间的一个数，当 n为偶数时它是中间两个数据的平均值。
它是样本数据集中所有观测值的离差平方和的 “平均值”。记为 S2
S2＝
(x n 1
i 1
1
n
i
x)
2
36
（3）标准差
样本方差的纲量与原始数据的纲量不同，它是原 始纲量的平方，所以在实际的应用中我们常用其 算术平方根，称为样本标准差，记为S。
n
S＝
n 1
1
( xi x)
2
i 1