生产过程中统计方法的正确使用 |
|
|
标不服从正态分布,则算术平均值不能准确反映该参数或指标的大小特征。在这种情况下,可通过假设检验来判断随机变量是否服从对数正态分布。 如果服从对数正态分布,则可用几何平均值描述该随机变量总体的大小。此时,就可以计算参数或指标的几何平均值。 如果随机变量既不服从正态分布也不服从对数正态分布,则按现有的数理统计学知识,尚无合适的统计量描述该变量的大小特征。退而求其次,此时可用中位数来描述变量的大小特征。 三、方差分析 在生产过程中,常常需要分析哪几种因素对产品的质量和产量有显著性影响,并希望知道这些因素处于什么条件时生产状态最佳。如何分析、利用试验结果对我们所关心的问题作出合理的推断,就是方差分析。比如调查不同原料组分对产品杂质组分的影响、不同工艺过程对产品杂质的影响、不同参数对产品收率的影响等都可以采用方差分析的统计方法。 值得注意的是,方差分析在应用时要包括以下几个条件: (1)可比性,若资料中各组均数本身不具可比性则不适用方差分析。 (2)正态性,即偏态分布资料不适用方差分析。对偏态分布的资料应考虑用对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态后再进行方差分析。 (3)方差齐性,即若组间方差不齐则不适用方差分析。 四、回归分析 一般来说,回归分析是通过规定因变量和自变量来确定变量之间的因果关系,建立回归模型,并根据实测数据来求解模型的各个参数,然后评价回归模型是否能够很好的拟合实测数据;如果能够很好的拟合,则可以根据自变量作进一步预测。 例如,如果要研究质量和用户满意度之间的因果关系,从实践意义上讲,产品质量会影响用户的满意情况,因此设用户满意度为因变量,记为Y;质量为自变量,记为X。一般来说,质量越好,用户满意度越高,因此可以建立下面的线性关系:Y=A+BX+§ 式中:A和B为待定参数,A为回归直线的截距;B为回归直线的斜率, 表示X变化一个单位时,Y的平均变化情况;§为依赖于用户满意度的随机误差项。 在统计软件里,很容易实现线性回归,回归方程如下:y=0.857+0.836x。回归直线在上一页 [1] [2] [3] 下一页 |
|
|
|
上一个论文: 基于掉话特征的道路覆盖率统计方法 下一个论文: 我国高校毕业生就业率统计方法研究 |
|