直方图
直方图
直方图一、直方图的定义：1、什么是直方图为了容易的看出如长度、重量、硬度、时间等计量值的数据分布情况，所用来表示的图形。
直方图是将所收集的测定值或数据之全距分为几个相等的区间作为横轴，并将各区间内之测定值所出现次数积累而成的面积，用柱子排列起来的图形，故也称为柱状图。
2、使用直方图的目的（1）了解数据分布的形态。
（2）研究和分析过程能力。
（3）过程分析和控制。
（4）判断数据的真实性。
（5）计划产品的不良率。
（6）求分布的平均值与标准差。
（7）确定控制规格界限。
（8）与规格或标准值比较。
（9）调查是否混入两个以上的不同总体。
（10）了解设计、管理是否符合过程管理。
3、术语（1）频数分布。
将许多的复杂数据依其差异的幅度分成若干组，在各组内列入测量值的出现频率，既为频数分布。
（2）相对频数。
各组出线的频数除以全部的频数，即为相对频数。
（3）积累频数（f）。
自频数分布的测定值较小的一端将其频数累积计算，即为累计频数。
（4）全距（R）。
在所有数据中最大值和最小值的差，即为全距。
（5）组距（h）。
全距/组数=组距（6）算术平均数（X）。
数据的总和除以数据总和为之，通常以X表示。
X= X1+X2+X3+…+X nN（7）中位数（X）。
将数据由小至大依序排列，位居中央的数称为中位数。
若过偶位数时，则取中央两数据的平均值。
（8）众数（MODE）。
频数分布中出现频数最多的组的值。
（9）组中点一组数据中最大值与最小值的平均值。
（上组界+下组界）/2=组中点（11）标准差（S）S = h x Σfu2 -(Σfu)2nn-1二、直方图的制作1、直方图的制作方法步骤1:搜集数据并记录搜集数据时，对于抽样分布必须特别注意，不可取部分样品，应就全部均匀的加以随机抽样。
所搜集样本个数应大于50以上。
步骤2：找出数据中最大值（L）与最小值（S）先从各行（或列）求出最大值、最小值，再予比较。
步骤3：求全距（R）最大值（L）-最小值（S）=全距（R）步骤4：决定组数①组数过少，固然可得到相当简单的表格，但失去频数分布的本质与意义；组数过多，虽然表列详尽，但无法达到简化的目的。
直方图
直方图科技名词定义中文名称：直方图英文名称：Histogram定义：将一个变量的不同等级的相对频数用矩形块标绘的图表(每一矩形的面积对应于频数)。
应用学科：大气科学（一级学科）；天气学（二级学科）本内容由全国科学技术名词审定委员会审定公布百科名片统计直方图直方图(Histogram)又称柱状图、质量分布图。
是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。
一般用横轴表示数据类型，纵轴表示分布情况。
直方图法的涵义在质量管理中，如何预测并监控产品质量状况?如何对质量波动进行分析?直方图就是一目了然地把这些问题图表化处理的工具。
它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。
直方图又称质量分布图，柱状图，它是表示资料变化情况的一种主要工具。
用直方图可以的资料，解析出规则性，比较直观地看出产品质量特性的分布状态，对於资分布状况一目了然，便於判断其总体质量分布情况。
在制作直方图时，牵涉学的概念，首先要对资料进行分组，因此如何合理分组是其中的关键问题。
按组距相等的原则进行的两个关键数位是分组数和组距。
是一种几何形图表，它是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图，如图所示。
作直方图的目的就是通过观察图的形状，判断生产过程是否稳定，预测生产过程的质量。
具体来说，作直方图的目的有：①判断一批已加工完毕的产品；②验证工序的稳定性；③为计算工序能力搜集有关数据。
直方图将数据根据差异进行分类，特点是明察秋毫地掌握差异。
直方图的绘制方法①集中和记录数据，求出其最大值和最小值。
数据的数量应在100个以上，在数量不多的情况下，至少也应在50个以上。
我们把分成组的个数称为组数，每一个组的两个端点的差称为组距。
②将数据分成若干组，并做好记号。
分组的数量在5－12之间较为适宜。
③计算组距的宽度。
用最大值和最小值之差去除组数，求出组距的宽度。
直方图有关知识点总结归纳
直方图有关知识点总结归纳一、直方图的基本概念1. 直方图的定义直方图是一种以长方形条表示数据频数分布的图形，它将数据按照不同的取值范围分组，并用矩形的高度来表示每个组别的频数，通常横轴表示数据取值范围，纵轴表示频数或频率。
2. 直方图的用途直方图主要用于展示数据的分布情况和频数分布，可以直观地反映出数据的特征。
通过观察直方图，可以了解数据的中心趋势、离散程度等重要信息，对数据的分析和解释具有重要意义。
3. 直方图与柱状图的区别直方图和柱状图都是用长方形条表示数据，但它们之间有一些明显的区别。
直方图用于展示连续变量的频数分布，通常没有间隔，而柱状图则用于展示分类变量的数据，通常有间隔。
二、直方图的绘制方法1. 数据分组绘制直方图之前，首先需要对数据进行分组处理。
一般来说，直方图的分组方式有简单随意分组、等宽分组和等频分组等方法，根据不同数据的分布情况选择合适的分组方式。
2. 绘制坐标轴在绘制直方图时，需要绘制横轴和纵轴，横轴通常表示数据的取值范围，纵轴表示频数或频率。
在绘制时需注意选择合适的刻度和轴标签，使得图形清晰易懂。
3. 绘制长方形条根据数据分组的结果，按照每个组别的频数或频率，在对应的位置上绘制长方形条，长方形条的高度代表了该组别的频数或频率。
4. 添加标题和标签最后，需要添加标题和标签，说明直方图的含义和数据的来源，使得图形更加完整和明了。
三、直方图的特点1. 易于理解直方图通过直观的图形展示了数据的分布情况，能够直观地反映出数据的特征，便于人们理解和分析数据。
2. 反映数据分布直方图能够清晰地展示数据的分布情况，包括数据的中心趋势、离散程度等重要信息，有助于人们对数据的特征有更深入的了解。
3. 对比不同组别直方图可以直接对比不同组别的频数或频率，帮助人们了解不同组别之间的差异和相似之处。
4. 难以变换直方图通常用于展示分布情况，不易对数据进行变换，因此在选择分组方式和绘制时需谨慎考虑。
直方图
j 0 j 0 k k
nj n
乘以n，再四舍五 入取整
44
说明
由于数字图像灰度取值的离散性，通过四 舍五入使得变换后的灰度值出现了归并现 象，从而致使变换后的图像并非完全均匀 分布，但是相比原始直方图要均匀得多
直方图修正
2.直方图规定化/直方图匹配 在某些情况下，并不一定需要具有均匀直 方图的图像，有时需要具有特定的直方图 的图像，以便能够增强图像中某些灰度级。 直方图规定化方法就是针对上述思想提出 来的。 直方图规定化是使原图像灰度直方图变成 规定形状的直方图而对图像作修正的增强 方法
0.89
0.95 0.98 1.00
6/7
1 1 1
s3=6/7
985
0.24
s4=1
448
0.11
41
例：
原图像的直方图
均衡后图像的直方图
42
例：直方图均衡化示例
43
例：
思考问题： 若在原图像一行上连续8个像素的灰度值分 别为：0、1、2、3、4、5、6、7，则均衡 后，对应的灰度值为多少？
46
直方图规定化
可见，它是对直方图均衡化处理的一种有 效的扩展。直方图均衡化处理是直方图规 定化的一个特例 对于直方图规定化，下面仍从灰度连续变 化的概率密度函数出发进行推导，然后推 广出灰度离散的图像直方图规定化算法
47
直方图规定化
假设pr(r)和pz(z)分别表示已归一化的原始 图像灰度分布的概率密度函数和希望得到 的图像的概率密度函数 首先对原始图像进行直方图均衡化，即求 变换函数：
H Pi log2 Pi
i 0 L 1
17
《直方图》课件ppt
学生可以将所学的直方图知识和技能应用到实际生活中，例如在金融领域分析股票走势、 在医学领域分析病例数据等。
THANKS
标注标题
在直方图顶部标注标题，简单 明了地说明分析的主题或数据
来源。
标注横轴与纵轴
标注横轴和纵轴的名称、刻度和 单位，以方便读者理解。
标注数据点
在直方图上标注数据点，方便读者 了解数据的分布特征和规律。
03
直方图解读
认识直方图
直方图定义
直方图是一种图形表示，用于描述数据分布情况，通常用于统计学、医学、经济 学等领域。
直方图应用场景
介绍了直方图在各个领域的应用场景，包括生产 管理、金融、医学、生物学等方面，并给出了一 些实际案例。
下一步展望
学习其他统计图表
学生可以进一步学习其他常用的统计图表，如折线图、饼图、箱线图等，以更全面地掌握 数据可视化技能。
学习高级统计方法
学生可以学习一些高级的统计方法，如回归分析、方差分析、主成分分析等，以更深入地 了解数据的内在规律和特征。
数据集中趋势
03
可以通过计算直方图上各柱子的中心位置来反映数据的集中趋
势。
判断直方图
判断数据分布类型
通过观察直方图，可以初步判断数据的分布类型，如正态分布、 偏态分布、离散分布等。
判断数据波动性
直方图上的柱子宽度表示数据分组的间距，柱子高度表示各组数 据的频数或频率，因此可以评估数据的波动性。
判断异常值
分组直方图
将数据进行分组后，显示每组数据的频数 分布情况
02
直方图制作
数据准备
1 2
确定数据范围
明确要分析的数据范围，包括数据来源、数据 类型、数据分布等。
什么是直方图
什么是直方图直方图(Histogram)也叫柱状图，是一种统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况。
假设我们有一堆硬币，如下图所示，我们想知道一共有多少钱。
我们当然可以一枚一枚地数，但这样如果硬币多了可能会搞乱，因此我们需要先把硬币分类，然后分别统计每种硬币的数量。
把统计的结果图示出来，就成了直方图。
下图的横向数轴标示出硬币的面额(Kind of Coins)，纵向标示出硬币的数量(Number of Coins)。
图像的直方图以灰度图为例，假设我们的图中一共只有0,1,2,3,4,5,6,7这8种灰度，0代表黑色，7代表白色，其它数字代表0~7之间不同深浅的灰度。
统计的结果如下，横轴标示灰度级别(0~7)，纵轴标示每种灰度的数量。
Photoshop(PS)中的显示。
直方图统计数据Photoshop CS提供了动态的直方图面板，CS之前的版本要通过图象>直方图来察看。
横轴标示亮度值(0~255)，纵轴标示每种像素的数量。
像素(Pixels) - 图像的大小，图像的像素总数。
[5*3=15]色阶、数量、百分位这三项根据鼠标指针的位置来显示横坐标当前位置的统计数据。
色阶(Level) - 鼠标指针所在位置的亮度值，亮度值范围是0~255。
[181]数量(Count) - 鼠标指针所在位置的像素数量。
[4]百分位(Percentile) - 从最左边到鼠标指针位置的所有像素数量÷图像像素总数。
[(1+2+1+2+3+4)/15 = 13/15 = 0.8667 = 86.67%]当鼠标拖动，选中直方图的一段范围时，色阶、数量、百分位将显示选中范围的统计数据。
下面举个简单的例子来说明平均值、标准偏差、中间值。
例如图像A只有4个像素，亮度分别是200、50、100、200。
平均值(算术平均数,Mean,Average) - 图像的平均亮度值，高于128偏亮，低于128偏暗。
直方图
80.7
81.2 81.7 82.2 82.7
17
9 7 3 1 100
1
2 3 4 5
17
21 12 12 5 -8
17
36 63 48 25 404
（1）作成频数表 例：100个数据 （2）确定u栏 各组中点-频数较多的一组的中点 u= 组距 77.7-80.2 例：u= 0.5 =-5 （第2~11组之u值照上例计算求出） （3）求出uf合计 uXf值记入uf 2 栏
③
SU
※此图显示过程能力尚可
※此图显示过程能力较规格好很多
※此图显示过程能力偏左，偏向下限，应对 设备、原料加以追查 SU
SL
④
SU
SL
⑤
※此图显示过程能力偏右，偏向上限，应对 设备、原料加以追查
※此图显示过程能力过于分散，应对人员的 变动与作业方法加以追查
最大值 最小值
最大值:82.8
最小值:77.5
3.确定组数(K)
K=√n (取整数值) =√100=10
4.确定组距(C)
C=
R K
最大值-最小值 组数 82.8-77.5 10
=
=
(此值为测定单位的整数倍数)
=
5.3 10
=0.53≈0.5
(为了便于计算平均数或标准差,组距常取5或2的倍数)
5.确定组间的界值(组界)
组间的界值的精密度以最小测定单位值的1/2(或 取比测定单位小)来确定。
最小测定单位
故 第一组下限=最小值2 第一组上限=第一组下限+组距 第二组下限=第一组上限 第三组上限=第二组下限+组距（其余类推） 例：第一组下限=77.5-0.05=77.45 (本例最小测量单位为0.1mm) 第一组上限=77.45+0.5=77.95 (组距0.5) 第一组为 77.45~77.95 (组距0.5) 第二组为 77.95~78.45 (组距0.5) 第三组为 78.45~78.95 (组距0.5)
质量管理工具-直方图
组中直 3.40 3.43 3.46 3.49
x 0 = 3.52 3.55 3.58 3.61 3.64 3.67
注:x 0为频数一栏的组中值
频数核对
频数f i 1 2 13 19
26
16 12 7 3 1 ∑f i = 100
三、直方图的范例
直方图
9. 画直方图，如下图所示。 直方图的横坐标表示质量特性值，纵坐标表示频数。横坐标上标明分组
四、直方图的观察分析
TL
TU
x TM
(h)
直方图
能力富裕型：
直方图的公布在公差范围内,且两边有过大 的余地.这种情况表明虽然不会出现不合格品, 但很不经济,属于过剩质量,除特殊精密、主要 的零件外，一般应适当放宽材料、工具与设备 的精度要求,或放宽检验频次以降低鉴定成本。
五、直方图在应用中常见的问题
(注：从全体数据中寻找最大值与最小值是比较困难的。为此可以找数据表各列（或各列）数据打最大值与最
小值，进而再从中找出全体数据的最大值和最小值。)
3. 确定组数k K值可以从下表选取，本例取k=10组。
由N求k的表
数据个数N
分组k
一般使用k
50~100
6~10
100~250
7~12
10
250以上
10~20
分析与判断 双峰型：
直方图出现两个顶峰，往往是由于把不同材 料、不同加工者、不同操作方法、不同设备生 产批次的产品混在一起而造成的。
这时若分层作一下直方图就能发现其差异。
锯齿型(包括掉齿型)：
直方图象锯齿一样凹凸不平(某几组直方柱的 频数少于两边紧邻组的频数),大多是由于分组不 当或是检测数据不准而造成的,应查明原因,采取 措施,重新作图分析。
食品质量管理的工具—直方图
0
0 0.5 5.5
10.5 15.5 20.5 25.5 30.5 35.5 40.5 45.5 50.5
1
2
3
4
5
6
7
8
9
10
11
12
溢出量/g
植物油溢出量直方图
《食品安全与质量控制》
直方图的分析和注意事项
目录 Contents
1 直方图在PDCA循环中的地位 2 直方图的分析 3 使用直方图的注意事项
第1组上界限
第1组下界限加组距：0.5+5=5.5
直方图
直方图的应用
第2组下界限
与第1组上界限相同：5.5
第2组上界限
第2组下界限加组距：5.5+5=10.5 ………… 其他以此类推
直方图
直方图的应用 5.编制频数分布表
组号 1 2 3 4 5 6 7 8 9 10
合计
组界 0.5~ 5.5 5.5~ 10.5 10.5~ 15.5 15.5~ 20.5 20.5~ 25.5 25.5~ 30.5 30.5~ 35.5 35.5~ 40.5 40.5~45.5 45.5~ 50.5
直方图
直方图的分析 ㈡ 与规范界限（公差）的比较分析
常见类型
TL
图例
MX
理想型
TL
X
M
偏心型
调整要点
TU
图形对称分布，且两边有一定 余量，此时，应采取控制和监督办 法。
TU
调整分布中心X，使分布中心 X 与公差中心M重合。
直方图
直方图的分析
常见类型
TL
无富余型
图例
MX
TL
能力富余型
直方图简介及详细绘制步骤
138138138145134130139131 134 137 142139137141132135 140127 136 132 148144137135135135141 136 137 131 145138133131134134138 128 133 139 140139140136132136137 138 121 136 141136130131134131137132 129 135 直⽅图简介及详细绘制步骤先啰嗦两句，在质量管理七⼤原则中，讲究询证决策，说⼈话就是“说话办事得有证据”。
质量数据便是可以很好的辅助决策的客观依据。
但简单粗糙未经整理的原⽣态数据显然是没办法完成它这个使命的。
所以如何整理质量数据进⽽清晰准确表达质量信息，可以说是质量⼈的⼀项基本⽣存技能。
⽽数据整理和表达的⼀个经典模型，便是直⽅图。
⼀、直⽅图是什么直⽅图⽤⼀系列宽度相等、⾼度不等的长⽅形来表⽰数据，其宽度代表组距，⾼度代表指定组距内的数据数（频数）。
它由英国拥有诸多头衔的天才学者卡尔卡尔·⽪尔逊（Karl Pearson ，1857—1936，右边这个帅男⼈，英国著名统计学家、应⽤数学家、历史学家、哲学家、伦理学家、民俗学家、宗教学家、优⽣学家、头⾻测量专家……名号⽐龙妈还多……）提出，并由在⽇本质量学者总结纳⼊经典QC 七⼤⼯具中。
直⽅图可使我们⽐较容易直接看到数据的分布形状、离散程度和位置状况：观察数据分布的类型，分析是否服从正态分布，有⽆异常；判断数据分布范围是否满⾜规格范围的要求；与产品规格界限做⽐较，判断分布中⼼是否偏离规格中⼼，以确定是否需要调整及调整量；但需要注意的是，虽然在过程能⼒分析中，我们常常利⽤直⽅图整理数据⽤以分析其分布状态，但有时根据观测数据所绘制的直⽅图呈⾮正态的异常分布。
这说明过程已出现了异常。
在这种状态下，是不能计算过程能⼒指数的，必须先排查异常原因，予以排查纠正后，再重新收集数据并分析。
- 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)。
6-10 7-12 10-20
• 4.决定组距h --将最大值减去最小值后，除以组数，再取最小测量单位的整数倍即 可
Ex:（ L - S）/ K =（23.4-20.2）/ 7 = 0.46 h = 0.5（取最小量测单位之整数倍）
• 5.决定组界值 --由最小值减去最小测良单位的1/2，就是第一组的下限，再逐次加 上各组距，直到可含盖最大值即完成
直方图的应用
• 直方图的作法
• 6.求出各组的中心值 --各组上界加下界除以二
Ex:（20.15 + 20.65）/ 2 =20.40第一组中心值 • 7.计算落在各组内的 次数
• 8.作成直方图 • 9.记入必要的事项如产品名、规格、Data数量…...
直方图的应用
(1)测知制程能力
2 3 4 5 6 7 8 9 10 11 12
直方图示例
● 假设加工100件产品，测量产品的某个特性值，并且将其摆放 在一个如图所示的坐标系中,摆放规则如下: 1、如果数值处于图中数轴上所示的某两个值之间，则将其放 入此范围内（每个范围称为一组，即将数据人为分组）； 2、在同一数值范围内的产品，依次向上摆放。
3
1
2
2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
• 以0.6335累加0.003得各区间之境界值，如
次数分配表。
• (4)计算各组间之中心值
•
第一组中心值＝0.6335 0.6365
2
＝0.635
• 以0.635累加0.003得各区间中心值。
次数分配表
组数
1 2 3 4 5 6 7 8 9 10 11 合计
组界
0.6335– 0.6365 0.6365-0.6395 0.6395-0.6425 0.6425-0.6455 0.6455-0.6485 0.6485-0.6515 0.6515-0.6545 0.6545-0.6575 0.6575-0.6605 0.6605-0.6635 0.6635-0.6665
直方图的应用
• 直方图的作法
• 1.决定Data收集期并收集Data 最少要有50个Data，最好要有100个以上
数据数
组数
• 2.找出Data中之最大及最小值 Ex: L=23.4 S=20.2
• 3.决定组数 ------- K等于n的平方根 Ex: n = 50 k = 7
50-100
100-250 250l以上
1.378 1.376 1.376 1.378 1.377 1.377 1.376 1.378 1.377 1.376 1.378 1.378 1.378 1.380 1.378 1.378 1.380 1.378 1.380 1.377 1.375 1.373 1.375 1.377 1.373 1.377 1.375 1.377 1.377 1.378 1.378 1.376 1.378 1.379 1.379 1.376 1.371 1.376 1.380 1.377 1.379 1.379 1.378 1.381 1.379 1.379 1.381 1.376 1.378 1.381 1.376 1.373 1.382 1.378 1.376 1.380 1.375 1.380 1.377 1.375 1.374 1.379 1.376 1.382 1.373 1.378 1.379 1.378 1.376 1.377 1.379 1.374 1.372 1.380 1.372 1.376 1.375 1.376 1.377 1.375 1.379 1.379 1.376 1.376 1.379 1.378 1.379 1.377 1.378 1.377 1.374 1.381 1.380 1.380 1.378 1.379 1.370 1.378 1.383 1.378
2.54 2.53 2.49 2.47 2.47 2.54 2.55 2.49 2.54 2.45
身为QE的您，对以上之数据有何评价《请与工程规格作 一比较》？PPAP是否可接受？采用『直方图』来评价。
LSL
直方图
USL
课程目的： 理解直方图的含义； 掌握直方图的制作方法。
内容概要：
直方图的特点与用途； 直方图来源示例； 组数的影响； 实例练习制作直方图； 观察直方图（分布及其与规格的比较）； 直方图的峰度与对称度；
实例说明
• (1)定组数： n 100 10
• (2)求组距： 全距＝Xmax－Xmin ＝0.665－0.634＝0.031
组距＝組 全數 距 ＝0.0031 → 0.003
实例说明
• (3)决定区间之境界值
• 第一组下组界＝最小测定－1/2测定单位
•
＝0.634－
0.001 2
＝0.6335。
每一个小 方块表示 一件产品
2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
100件产品加工完成后
直方图
y 18
16 14
频 12 数
10 8 6 4 2
横轴表示变量的各种情形； 纵轴表示频数；
2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
Ex: 20.2 - 0.1/2 = 20.15（第一组下界） 20.15 + 0.5 = 20.65（第一组上界、第二组下界） 20.65 + 0.5 = 21.15（第二组上界、第参组下界）
...............
............... 23.15 + 0.5 = 23.65（已大于最大值）
0.661 0.650 0.647 0.646 0.649 0.645 0.641 0.650 0.648 0.649 0.645 0.647 0.646 0.655 0.649 0.658 0.654 0.660 0.653 0.659 0.660 0.665 0.649 0.651 0.637 0.650 0.643 0.649 0.640 0.646 0.650 0.644 0.640 0.652 0.657 0.648 0.654 0.650 0.654 0.655 0.656 0.657 0.663 0.662 0.647 0.647 0.642 0.643 0.649 0.648 0.638 0.638 0.649 0.642 0.637 0.655 0.652 0.654 0.649 0.657 0.654 0.658 0.652 0.661 0.654 0.645 0.641 0.644 0.647 0.641 0.650 0.652 0.643 0.641 0.653 0.647 0.652 0.649 0.652 0.653 0.651 0.660 0.655 0.658 0.649 0.647 0.641 0.644 0.640 0.643 0.646 0.634 0.638 0.645 0.650 0.648 0.649 0.650 0.649 0.655
中心值
0.635 0.638 0.641 0.644 0.647 0.650 0.653 0.656 0.659 0.602 0.665
划记
次数
1 5 10 11 15 22 15 9 7 4 1 100
Histogram
No of events
25
22
20
15
15
10 11
10
5
51
15
9 7 4 1
一个实例
● 某工厂接收了一批外协厂制造的青铜轴承用于生产一 种重要的仪器。但该厂不能信任生产这些轴承厂家的 工作，决定对供应商提供的轴承进行分析。
● 这些轴承的关键特性是它们的内径，其规格为
1.376±0.010英寸。
● 现抽取了100个青铜轴承，对它们的内径进行仔细的 测量，并记录了测量结果。
100个青铜轴承内径的测量值如下表：
● 分布基本上是对称的，有一点点向右偏斜， 但不严重。
● 所以该厂决定接收这批青铜轴承。 建议：轴承的加工中心应该左移；
直方图告诉我们
● 数据分布的中心位置(Average)在哪里？ ● 数据分散程度(Spread)如何？ ● 数据分布的形状(Shape)怎样？
经验之谈：
对大多数工业用的分析来说，50个数值具备足够 的可靠性。 但单个测量值的费用比较低时，或是当需要准确 分析时，可以采用100个或更多的数据。
x
直方图易于绘制并有利于将一个过程的不同事件的频数生
动地表示出来.
直方图的分组
y 减少组数
x
直方图的分组
y 频数
增加组数 轮廓愈清晰
x
直方图的分组
y
频 数
增加组数到足够大
×é ÖÐ Öµ +×é ¾à
1 1.3700 1.3694 1.3707
2 1.3713 1.3707 1.3713
3 1.3726 1.3720 1.3733
4 1.3739 1.3733 1.3746
5 1.3752 1.3746 1.3759
6 1.3765 1.3759 1.3772
7 1.3778 1.3772 1.3785
数据会告诉您什么呢？
回答
● 数据列表不能表达出任何有实际意义的东 西(Virtually Nothing)！
● 必须对数据进行进一步分析。 ● 图形可以帮助我们将数据转换成信息。
数据 列表
能否接受这批产品？
● 与目标值相比较： 平均值：1.3773
● 与规格界限相比较： 极差（最大值-最小值）
=1.383-1.370=0.013 ● 数据分布的更进一步的信息：