质量数据及分析统计基本方法pt
质量统计分析方法
质量统计分析方法
首先，我们来谈谈直方图分析方法。
直方图是一种用矩形条表示数据分布情况的图表，通过直方图可以直观地看出数据的分布情况，了解数据的集中程度和离散程度。
通过直方图分析，我们可以找出数据的分布规律，识别异常值，并对数据进行分类和分组，从而为质量改进提供依据。
其次，我们要介绍的是散点图分析方法。
散点图是一种以点的形式表示数据的分布情况的图表，通过散点图可以直观地看出两个变量之间的关系。
通过散点图分析，我们可以发现变量之间的相关性，识别异常值，判断数据的趋势和规律，从而为质量改进提供参考。
另外，我们还要介绍的是控制图分析方法。
控制图是一种用于监控过程稳定性的图表，通过控制图可以及时发现过程中的变化和异常，从而采取相应的措施进行调整。
控制图分析可以帮助我们了解过程的稳定性，及时发现问题并进行改进，保证产品质量的稳定性和一致性。
最后，我们要介绍的是回归分析方法。
回归分析是一种用于研
究变量之间相互关系的统计方法，通过回归分析可以建立变量之间的数学模型，从而预测和控制变量的变化。
回归分析可以帮助我们找出影响质量的关键因素，优化生产过程，提高产品质量和生产效率。
综上所述，质量统计分析方法是质量管理中非常重要的工具，它可以帮助企业对质量数据进行有效的分析和解释，从而找出问题根源并提出改进措施。
通过直方图分析、散点图分析、控制图分析和回归分析等方法，我们可以更好地了解数据的分布规律、变量之间的关系，及时发现问题并进行改进，从而提高产品质量和生产效率。
希望本文介绍的内容能够对大家有所帮助，谢谢阅读！。
质量策划书中的质量数据分析与统计方法
质量策划书中的质量数据分析与统计方法一、引言在质量管理的过程中，质量数据的分析与统计方法扮演着重要的角色。
质量数据分析能够帮助企业了解产品或服务的质量情况，找出问题根本原因，制定相应的改进建议，并为决策提供依据。
本文将重点介绍质量策划书中常用的质量数据分析与统计方法。
二、数据采集与整理1. 适当设置质量指标在制定质量策划书之前，需要明确质量指标的设置。
通过合理选取质量指标，可以集中关注最有影响力的方面，以便于对质量数据进行准确的分析。
2. 数据采集与整理在质量数据分析之前，首先需要进行数据采集与整理。
数据采集可以通过多种方式进行，如统计调查、样本检测等。
采集到的数据需要进行整理，确保数据的完整性和准确性，以便后续的分析和统计。
三、质量数据分析方法1. 极差分析极差分析是一种常用的质量数据分析方法，它可以通过计算一组数据的最大值和最小值之差，来了解样本数据的波动情况。
通过极差分析，可以判断产品或服务的质量稳定性，及时发现质量问题。
2. 直方图分析直方图是一种常见的数据展示方式，可以将数据按照一定的区间进行分组，并通过柱状图的方式展示各组数据的频数。
通过直方图分析，可以了解数据的分布情况、集中趋势和异常值等，从而找出影响质量的主要因素。
3. 箱线图分析箱线图是一种有效的数据可视化方法，可以直观地显示数据的离散程度、异常值和中位数等。
通过箱线图分析，可以判断数据的稳定性、分布形态和异常情况，为质量问题的定位和改进提供依据。
4. 帕累托图分析帕累托图可以帮助我们找出影响质量的关键因素。
它是一种基于二八法则（帕累托法则）的图形分析方法，通过将问题按照重要性进行排序，找出最具影响力的几个因素，从而有针对性地进行改进。
5. 相关性分析在质量数据分析过程中，我们需要了解各项指标之间的关联情况，以确定引起问题的主要因素。
通过相关性分析，可以计算指标之间的相关系数，并进一步探索它们之间的关系，为问题的解决提供科学依据。
科研实验中的数据分析
科研实验中的数据分析科研实验是一项重要的活动，它能够推动知识的发展与创新。
在科研实验中，数据分析是至关重要的环节，它能够帮助研究人员深入了解实验结果，并从中获得有价值的信息。
下面将介绍科研实验中的数据分析方法与步骤。
一、数据收集科研实验的数据分析之前，首先需要进行数据收集。
数据的收集方式可以根据实验的性质和要求来选择，可以通过实验仪器进行自动获取，也可以通过调查问卷、观察记录等方式进行手动收集。
无论采用何种方式，数据的准确性和完整性都是至关重要的。
二、数据清洗与整理在数据收集后，需要对数据进行清洗与整理，以确保数据的质量。
数据清洗是指通过排除异常值、缺失值等处理手段，去除数据中的错误与噪音，保证数据的准确性和可靠性。
数据整理是指对数据进行分类、排序和归档等操作，使得数据更加有序、易于管理和分析。
三、数据可视化数据可视化是一种重要的数据分析方法，它通过图表、图像等形式将数据转化为直观、易于理解的形式，帮助研究人员更好地理解数据背后的规律与关系。
常用的数据可视化工具包括柱状图、折线图、饼图等，可以根据实验需求选择最适合的图表类型。
四、数据统计与分析在数据可视化的基础上，进行数据的统计与分析是科研实验中的重要一步。
数据统计是指对数据进行数值计算和描述统计，如平均值、标准差、相关系数等。
数据分析是在统计的基础上，运用科学的方法和工具对数据进行深入的探索和解释，如方差分析、回归分析、主成分分析等。
五、结论与讨论通过对数据进行统计与分析，研究人员可以得到实验结果的结论。
结论应该是基于实验数据、科学推理和现有知识得出的，并应该是准确、客观的。
在结论的基础上，可以展开进一步的讨论，分析实验结果的原因和意义，并提出改进实验设计、进一步研究的建议。
六、结果的应用与传播科研实验的结果不仅仅是为了自己所用，也应该为社会和科学事业所用。
将实验结果应用于实际问题的解决，或者将实验结论在学术界、科研机构、企业等领域进行传播，都能够发挥实验的价值与意义。
分析数据的方法
分析数据的方法数据分析是现代社会中非常重要的一项工作，它可以帮助我们更好地理解和利用各种数据，从而做出更明智的决策。
在进行数据分析时，我们需要掌握一些有效的方法和技巧，下面将介绍几种常用的数据分析方法。
首先，我们可以使用描述性统计分析方法来对数据进行描述和总结。
描述性统计分析可以帮助我们了解数据的分布情况、中心趋势和离散程度，常用的描述性统计指标包括均值、中位数、标准差、最大最小值等。
通过描述性统计分析，我们可以对数据的基本特征有一个直观的认识，为进一步分析奠定基础。
其次，我们可以使用相关性分析方法来研究不同变量之间的关系。
相关性分析可以帮助我们了解变量之间的相关程度和相关方向，常用的相关性分析方法包括皮尔逊相关系数、斯皮尔曼相关系数等。
通过相关性分析，我们可以发现变量之间的潜在关联，为后续的建模和预测提供依据。
另外，回归分析是一种常用的数据分析方法，它可以帮助我们探究自变量和因变量之间的函数关系。
回归分析可以帮助我们预测因变量的取值，并研究自变量对因变量的影响程度，常用的回归分析方法包括线性回归、逻辑回归等。
通过回归分析，我们可以建立模型来解释和预测数据，为决策提供支持。
此外，聚类分析是一种用于发现数据内在结构的方法，它可以帮助我们将数据划分为不同的类别或簇。
聚类分析可以帮助我们发现数据中的隐藏模式和规律，常用的聚类分析方法包括K均值聚类、层次聚类等。
通过聚类分析，我们可以将数据进行分类，为个性化推荐、市场细分等提供支持。
最后，我们还可以使用时间序列分析方法来研究时间序列数据的规律和趋势。
时间序列分析可以帮助我们预测未来的趋势和变化，常用的时间序列分析方法包括移动平均法、指数平滑法、ARIMA模型等。
通过时间序列分析，我们可以发现数据中的周期性、趋势性等规律，为未来的规划和决策提供支持。
综上所述，数据分析是一项复杂而又重要的工作，我们需要掌握多种数据分析方法来应对不同的情况。
希望以上介绍的几种数据分析方法能够为大家在实际工作中提供一些帮助，也希望大家在数据分析过程中能够灵活运用这些方法，发现数据中的价值和规律。
质量数据及分析 统计基本方法 pt
?常用于产品质量的验收 ?优点：抽样误差较小
?缺点：较一般随机抽样还要繁锁
e. 整群抽样法（又称集团抽样法）
?方法：将总体分成许多群，每个群由个 体按一定方式结合而成，然后进行随机 抽取若干群，并由这些群中所有个体组 成样本。
6：SPC技术原理
统计过程控制（ SPC）是一种借助数理统计方法的
过程控制工具。它对生产过程进行分析评价，根据 反馈信息及时发现系统性因素出现的征兆，并采取 措施消除其影响，使过程维持在仅受随机性因素影 响的受控状态，以达到控制质量的目的。当过程仅 受随机因素影响时，过程处于统计控制状态（简称 受控状态）；当过程中存在系统因素的影响时，过 程处于统计失控状态（简称失控状态）。由于过程 波动具有统计规律性，当过程受控时，过程特性一 般服从稳定的随机分布；而失控时，过程分布将发 生改变。 SPC正是利用过程波动的统计规律性对过
b. 样本
?样本也叫“子样”。它是从总体中随机 抽取出来，并且要对它进行详细研究分 析的一部分个体。
?样本中所含的样品数目，一般叫样本容 量或样本大小。通常用n表示。
?样本中所含的每一个个体叫样品。
3、抽样及抽样方法
a. 抽样：
? 抽样：是指从总体中随机抽取样本的活动。 ? 随机性：是指要使总体中的每一个个体（即
?标准差的意义：一组数中各单个值与总体平 均数之间的平均离差，说明该组数的离散程 度
5：为什么要应用 SPC
在生产过程中，产品的加工尺寸/性能的波动 是不可避免的。它是由人、机器、材料、方 法和环境等基本因素的波动影响所致。波动 分为两种：正常波动和异常波动。正常波动 是偶然性原因（不可避免因素）造成的。它 对产品质量影响较小，在技术上难以消除， 在经济上也不值得消除。异常波动是由系统 原因（异常因素）造成的。它对产品质量影 响很大，但能够采取措施避免和消除。过程 控制的目的就是消除、避免异常波动，使过 程处于正常波动状态。
质量数据及分析统计基本方法
常分为以下几种方法：
▪ 一般随机抽样法； ▪ 顺序抽样法； ▪ 分层抽样法； ▪ 整群抽样法。
b.一般随机抽样法：
▪ 抽取样品是随机 ▪ 方法：将全部产品编号后可用抽签、
抓阄儿、查随机数表或掷骰子等办法 抽取样品。 ▪ 优点：抽样误差小 ▪ 缺点：较复杂
c.顺序抽样法
▪ 又称等距抽样法、系统抽样法、或机 械抽样法。
6：SPC技术原理
统计过程控制（SPC）是一种借助数理统计方法 的过程控制工具。它对生产过程进行分析评价， 根据反馈信息及时发现系统性因素出现的征兆， 并采取措施消除其影响，使过程维持在仅受随机 性因素影响的受控状态，以达到控制质量的目的 。当过程仅受随机因素影响时，过程处于统计控 制状态（简称受控状态）；当过程中存在系统因 素的影响时，过程处于统计失控状态（简称失控 状态）。由于过程波动具有统计规律性，当过程 受控时，过程特性一般服从稳定的随机分布；而 失控时，过程分布将发生改变。SPC正是利用过 程波动的统计规律性对过程进行分析控制的。因 而，它强调过程在受控和有能力的状态下运行， 从而使产品和服务稳定地满足顾客的要求。
▪ 标准差的意义：一组数中各单个值与总体平 均数之间的平均离差，说明该组数的离散程 度
5：为什么要应用SPC
在生产过程中，产品的加工尺寸/性能的波 动是不可避免的。它是由人、机器、材料、 方法和环境等基本因素的波动影响所致。波 动分为两种：正常波动和异常波动。正常波 动是偶然性原因（不可避免因素）造成的。 它对产品质量影响较小，在技术上难以消除 ，在经济上也不值得消除。异常波动是由系 统原因（异常因素）造成的。它对产品质量 影响很大，但能够采取措施避免和消除。过 程控制的目的就是消除、避免异常波动，使 过程处于正常波动状态。
质量统计分析方法
质量统计分析方法质量统计分析是一种用来评估产品或服务质量的方法，通过收集和分析数据，可以帮助企业了解产品或服务的质量状况，找出存在的问题，并采取改进措施。
在质量管理中，统计分析方法起着至关重要的作用，它能够为企业提供客观的数据支持，帮助企业制定科学的决策，提高产品或服务的质量水平。
一、数据收集。
在进行质量统计分析时，首先需要收集相关的数据。
数据可以来源于产品的生产过程、客户的反馈、市场调研等多个方面。
通过收集大量的数据，可以更全面地了解产品或服务的质量状况，为后续的分析提供充分的依据。
二、质量测量指标。
在进行质量统计分析时，需要选择合适的质量测量指标。
常用的质量测量指标包括产品的合格率、不良品率、客户投诉率、服务满意度等。
通过这些指标的测量，可以客观地评估产品或服务的质量水平，找出存在的问题，并进行针对性的改进。
三、统计分析方法。
在进行质量统计分析时，可以运用多种统计分析方法。
比如，可以利用控制图来监控产品质量的稳定性，通过对比实际数据和标准数据的差异，及时发现异常情况；可以运用散点图来分析产品的相关性，找出影响产品质量的关键因素；还可以利用回归分析来建立质量预测模型，预测产品或服务的质量表现。
四、质量改进措施。
通过质量统计分析，可以找出产品或服务存在的问题，并制定相应的改进措施。
比如，可以通过质量成本分析，找出造成质量问题的成本，并采取降低成本、提高质量的措施；可以通过质量功能展开(QFD)分析，了解客户需求，为产品设计和生产提供指导；还可以通过六西格玛方法，系统地改进生产过程，提高产品的质量水平。
五、持续改进。
质量统计分析不是一次性的工作，而是需要持续进行的过程。
通过不断地收集数据、分析数据，发现问题、改进问题，可以实现产品或服务质量的持续提升。
因此，企业需要建立健全的质量管理体系，将质量统计分析纳入到日常的管理工作中，形成持续改进的机制。
总结。
质量统计分析是企业质量管理的重要手段，通过收集和分析数据，可以客观地评估产品或服务的质量状况，找出存在的问题，并采取改进措施。
oe_-质量数据及分析、统计基本方法(ppt20)
n
二、质量管理七大手法
常用质量管理手法分为： 排列图法 直方图法 控制图法 调查表法 分层法 矩阵图法 因果图法
a. 排列图：将质量改进项目从最重要到最
次要进行排列而采用的一种简单图示技 术。（见例图）
b. 直方图：用一系列宽度相等，高度不等的矩形表示数
据分布的图。
c. 控制图：将一个过程定期收集的样本数据按顺序点
绘成的一种图形技术，用于判断过程正常或异常的 一种工具。（见例图）
d. 调查表：用来系统地收集资料和积累数据确
认事实并对数据进行粗略整理和分析的统计 图表。 e. 分层法：按照一定的标志把搜集到的大量有 关某一特点主题的统计数据加以归类、整理 和汇总的一种方法。 f. 矩阵图：是以矩阵的形式分析问题与因素、 因素 与因素、现象与因素之间相互关系的 图形 g. 因果图：又称石川图、要因图、鱼刺图等， 是以结果为特性，以原因为因素。在它们之 间用箭头联系起来。
方法：将总体分成许多群，每个群由个 体按一定方式结合而成，然后进行随机 抽取若干群，并由这些群中所有个体组 成样本。 优点 ：实施方便 缺点：代表性差、误差大
4、几个重要的特征数
a. 平均数：用 X 表示：
X1 + X2 +……+ Xn 1 X= = ∑ Xi n n i=1
n
n：数据个数
Xi ：第i个数据值 ：第i
质量数据及分析、统 质量数据及分析、 计基本方法
一、质量数据的基本知识
1、质量、数据的分类 质量、
质量数据是多种多样的，按其性质和使 用目的不同，可分为两大类。 计量值数据 计量值数据是可以连续取值，或者说可 以用测量工具具体测量出小数点以下数值的 这类数据。 如长度、压力、温度等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
▪ 常用于产品质量的验收 ▪ 优点：抽样误差较小
▪ 缺点：较一般随机抽样还要繁锁
e. 整群抽样法（又称集团抽样法）
➢方法：将总体分成许多群，每个群由个 体按一定方式结合而成，然后进行随机 抽取若干群，并由这些群中所有个体组 成样本。
不良数 31 18 13 7 2 2 73
不良率 42.5% 22.7% 17.8% 9.6% 2.7% 2.7% 100%
累计不良率 42.5% 67.2% 85% 94.6% 97.3% 100%
排列图不良率与累计不良率计算
1：不良率 P=单项不良数/总不良数
2：累计不良率 Np=P1+P2+P3+P4…
微震动；原材料的微小变化
合格的原材料
普通原因的变差（正常变差）无法从工序中以较 特殊原因的变差（异常变差）能被检测出来，采
少代价消除之
取措施，消灭其原因，所花的代价通常是合算的
如果仅仅只有普通原因的变差出现，则说明工序 如果出现特殊原因的变差，则说明该工序并不是
解 释 方 面
是最良好的运行；如果在这种情况下生产出不合 最改变（改
造），或者必须修改公差，以期减少不合格品
如果一个观察值落在普通原因变差的控制限之 如果一个观察值落在普通原因变差的控制限之
内，说明该工序不必进行调整
外，通常说明该工序必须进行检查并加以纠正
如果只有普通原因变差存在，说明该工序很稳 如果出现特殊原因变差，说明该工序不够稳定， 定，可以运用抽样程序来预测全部生产的质量， 不足以运用抽样程序进行预测 或进行工序的优选研究（如调优运算）
S n11i n1(Xi X)2
标准偏差S反映了数据的离散程度： S值大，数据密集程度差，离散度大 S值小，数据密集程度高，离散度小 同时也反映平均值的代表性
若S值大，则 X 代表性差
若S值小，则 X 代表性好
标准差σ （Sigma） 总体标准差 =
通常用样本标准差近似的估计为总体标准差
▪ 标准差的意义：一组数中各单个值与总体平 均数之间的平均离差，说明该组数的离散程 度
b. 直方图：用一系列宽度相等，高度不等的矩形表示数
据分布的图。
直方图统计
▪ 收集一组数据 ▪ 计算数据的变化范围（极差R) ▪ 确定组数（样本大小n, 组数k） ▪ 计算组距h, h一般取整数 ▪ 确定组边界 ▪ 计算频数，例如唱票法 ▪ 计算频率 ▪ 绘制频数分布表 ▪ 绘制频数直方图，纵轴为频数 ▪ 绘制频率直方图，纵轴为频率 ▪ 进行分析
均数。
c.极差R
➢ 极差是指一组数据中最大与最小之差，用符号R 表示：
R=L-S ➢ L：数据的最大值 ➢ S：数据的最小值
d. 样本方差
▪ 样本方差：是衡量统计数据分散程度的特 征数字，用符号S2表示
n
(Xi X)2
S2 n1 n1
e. 标准偏差
▪ 国际标准化组织规定：将样本方差的平方根做为 标准偏差，用S表示：
▪ 2:单侧型:质量特性分布范围B虽然也落在公差范围 内,但因偏向一边,故有超差的可能,应采取措施纠正;
▪ 3:双侧型:质量特性分布范围B也落在公差范围内,但 完全没有余地,说明总体已出现一定数量的废品,应 设法使其分布集中,提高工序能力；
直方图分析
▪ 4:尖峰型:公差范围比特性分布范围大很多,此 时应考虑是否可以改变工艺,以提高生产效率, 降低生产成本或者缩小公差范围;
第四步：计算组边界和中心值
▪ 第一组下限值=Xmin-测量最小单位的一半 =17.4-.005=14.35
▪ 第二组下限值=17.35+1.3=18.65 ▪ 第一组中心值=（17.35+18.65）÷2=18.00 ▪ 以此类推……
第五步：制作频数表，必要时可以制作频率表
组别 1 2 3 4 5 6 7 8 9 10
➢优点 ：实施方便 ➢缺点：代表性差、误差大
4、几个重要的特征数
a. 平均数：用 X 表示：
XX 1X 2 n X n1 ni n 1X i
b. n：数据个数
cX.i ：第i个数据值
b. 中位数，用 X 表示
➢ 将一组数据按从小到大顺序排列，位于中间位置 的数叫中位数。
➢ 当n为奇数时，则取顺序排列的中间数 ➢ 当n为偶数时，则取顺序排列的中间两个数的平
普通原因（随机原因、非偶然原因）
特殊原因（可查明原因）
说 是由许多单独的原因所构成
是由一个或只有少数几个单独的原因所构成
明 任何一个普通原因只会产生微小的变差，但许多 任何一个特殊原因都会造成较大的变差
方 普通原因一起作用，其产生的总变差是可观的
面 例子：在调整控制刻盘时人为的变差，机器的轻 例子：操作人员做错；一个错误的装置；一批不
组距上下限制 17.35~18.65 18.65~19.95 19.95~21.25 21.25~22.55 22.55~23.85 23.85~25.15 25.15~26.45 26.45~27.75 27.75~29.05 29.05~30.35
中心值 18.00 19.30 20.60 21.90 23.20 24.50 25.80 27.10 28.40 29.70
阄儿、查随机数表或掷骰子等办法抽取 样品。 ▪ 优点：抽样误差小 ▪ 缺点：较复杂
c. 顺序抽样法
▪ 又称等距抽样法、系统抽样法、或机械 抽样法。
➢方法：先将全部产品编号，用随机抽样 法产生一个抽样起点，每隔相同数据间 隔而抽取的个体样本方法。
➢优点：操作简便 ➢缺点：偏差性可能会很大
d. 分层抽样法（又称类型抽样法）
产品）都有相同机会被抽取出来组成样本的 特性。 ➢ 在质量管理过程中，常用抽取样本并通过样 本检测所得到数据来预测总体质量状况的这 种手段
常分为以下几种方法：
▪ 一般随机抽样法； ▪ 顺序抽样法； ▪ 分层抽样法； ▪ 整群抽样法。
b. 一般随机抽样法：
▪ 抽取样品是随机 ▪ 方法：将全部产品编号后可用抽签、抓
▪ 5:超差型:质量特性分布范围过分地偏离公差 范围,已明显看出超差,应立限采取措施加以纠 正;
USL
直方图图形
30.50 30.30 29.00 27.75 26.45 25.15 23.85 22.55 21.25 19.95 18.65 17.35
LSL
10
20
30
直方图分布状态与分析
A：正常形，对称，是一般稳定生产状态的正常情况
6：SPC技术原理
统计过程控制（SPC）是一种借助数理统计方法的 过程控制工具。它对生产过程进行分析评价，根据 反馈信息及时发现系统性因素出现的征兆，并采取 措施消除其影响，使过程维持在仅受随机性因素影 响的受控状态，以达到控制质量的目的。当过程仅 受随机因素影响时，过程处于统计控制状态（简称 受控状态）；当过程中存在系统因素的影响时，过 程处于统计失控状态（简称失控状态）。由于过程 波动具有统计规律性，当过程受控时，过程特性一 般服从稳定的随机分布；而失控时，过程分布将发 生改变。SPC正是利用过程波动的统计规律性对过 程进行分析控制的。因而，它强调过程在受控和有 能力的状态下运行，从而使产品和服务稳定地满足 顾客的要求。
SPC统计技术 Statistical Process
Control
磁通品质部
一、质量数据的基本知识
1、质量数据的分类
质量数据是多种多样的，按其性质和使 用目的不同，可分为两大类：
• 计量值数据
计量值数据是可以连续取值，或者说可 以用测量工具具体测量出小数点以下数值的 这类数据。 如长度、压力、温度等。
5：为什么要应用SPC
在生产过程中，产品的加工尺寸/性能的波动 是不可避免的。它是由人、机器、材料、方 法和环境等基本因素的波动影响所致。波动 分为两种：正常波动和异常波动。正常波动 是偶然性原因（不可避免因素）造成的。它 对产品质量影响较小，在技术上难以消除， 在经济上也不值得消除。异常波动是由系统 原因（异常因素）造成的。它对产品质量影 响很大，但能够采取措施避免和消除。过程 控制的目的就是消除、避免异常波动，使过 程处于正常波动状态。
第一步收集数据（共100个数据）
某规格变压器尾线长度，公差24.5±6.0mm
1 2 3 4 5 6 7 8 9 10 22.1 23.4 22.6 27.7 22.9 23.7 24.5 21.3 24.7 21.2 25.8 24.5 23.2 21.3 21.6 24.1 24.8 17.4 21.9 20.3 23.9 24.6 24.3 22.7 24.6 26.7 30.0 26.0 23.1 24.6 22.8 21.8 22.6 24.0 25.1 22.4 19.3 23.9 23.6 21.5 25.0 23.6 24.9 24.8 26.4 23.9 26.6 18.3 23.2 25.3 21.7 25.0 23.5 21.7 24.3 27.2 29.0 25.0 23.8 22.3 22.2 28.0 24.6 21.6 25.2 24.8 26.7 27.6 28.5 25.8 24.6 25.3 22.5 27.5 25.5 24.8 24.6 23.8 18.8 19.9 25.1 24.8 22.6 26.6 24.1 25.0 23.4 20.6 21.3 26.3 22.9 24.4 21.5 23.1 23.4 28.9 22.4 20.1 26.2 26.4
b.计数值数据
c.
计数值数据是不能连续取值，
只能以个数计算的数据。
d.
如不合格品数，缺陷数等
2、总体和样本
a. 总体：又叫“母体”是指要分析研究