【必讀】基礎統計（下）

然後我們來進入第三部分 朝向方法 大家可以一邊聽一邊幫老師點點贊 可以點點關注 然後我們先說一下 我們來介紹一下這個 DMIC 6Sigma DMIC的這個方法論 其實呢 大家可以看到 我們這個6Sigma它裏面爲什麼這麼複雜 就是因爲它工具比較多 大家聽過一個比較 大家都知道6Sigma肯定知道的 我們的主題其實就是6Sigma 那麼還有一個大家應該比較耳熟能詳的叫 今天這個鼠標不太好用 叫LIN LIN精益 那麼差不多在2000年的時候呢 精益和6Sigma就融合到了一起 我們就叫精益6Sigma 所以大家現在看的話很難看到 這個簡單的這種6Sigma 基本上都是精益6Sigma 它的縮寫呢也變成了LSS 就是LIN 6Sigma 那麼其實這個時候呢就是我們 把我們的這個6Sigma 主要和LIN融合 其實在我們這個LIN裏邊的這個 幾度卡自動化部分 體現去起作用 去保證我們的這個質量 那麼合體之後大家可以看到 我們這個DMIC裏邊 這整個這些方法論裏邊的 這些個每一階段的工具 大家可以看到啊 我們說隨便找幾個給大家看一下 比如說測量階段的VSM價值流圖 它就是LIN的工具 它並不是傳統的 1980幾年的這個6Sigma的工具 這是LIN的工具 比如說我們往下看 比如改進階段這個單元設計 還有我們LIN精益的心臟 SMED快速換模 比如說我們LIN的這個打地基的部分 穩定化裏面的5S和可視化管理 包括我們的U型佈局 這些大家看到吧 這些都是LIN的工具 所以我們現在的這個課程當中呢 整個的這個DMIC 並不都是質量的分析工具啊 我們的LIN的工具也加入 好 然後我們呢來說一下第三部分啊 這些常用的 抽樣方法 好 我們說一些簡單的抽樣方法啊 簡單的抽樣方法 呃這些抽樣方法呢大家可以看啊 它基本上啊也是一樣的 從簡單到複雜啊 這些抽樣方法有簡單的抽樣方法啊 有複雜的抽樣方法 它不同的程度的 啊我們從簡單呢到複雜的去看啊去看 然後呢 呃什麼叫代表性弱呀 你說這個東西又簡單啊 代表性又強 那這個東西就不存在了 啊他跟着有利有弊的 啊我們一會來拿第一個啊 這個群集抽樣來看一下啊 給大家舉個例子 什麼叫代表性差啊 好我們來看一下什麼叫群集抽樣呢 呃比如說啊 我們說我們現在呢一共有 十五百個啊 總體啊五百個學生這五百個叫什麼呀 叫總體啊叫總體 呃 我們說呃一共有五百個人啊 一共有五百個人 這個叫什麼總體啊總體 但是我們說呢 選揀啊太累了太費時間了 那麼怎麼辦呢 抽啊抽 抽多少個人呢 我們說抽一啊 我們說抽一百個人啊抽一百個人 那麼五十個人一個班 也就是說我們從十個班裏面啊 抽兩個班啊 就正好一百個人了 所以怎麼辦快速的抽啊 比如說把一班全體抽出來 把四班全體抽出來 這個就叫整群抽樣啊 或者叫群集抽樣 他的優點是什麼呀 快呀多快呀多簡單多省事啊 但是缺點是什麼呀 代表性差 我們再舉一個其他的例子 再舉一個其他的例子 比如說我們想調查啊我們 國家的這個 工資水平是多少啊 工資水平是多少 那什麼對應的什麼叫整群抽樣啊 我們從我們國家這麼多城市裏邊啊 按說應該每個城市抽抽一些吧 太麻煩了怎麼辦 群集抽啊怎麼叫群集抽啊 把所有啊 上海這個城市的所有的人啊抽出來 北京所有城市的人抽出來啊 把他們 這兩個城市人抽出來算一個平均工資 那麼大家感覺這個代表性 是不是就非常差 他能不能很好的代表我們的總體呢 顯然是不能的對吧 大家都知道這個北京和上海 他的工資水平是非常高的 所以這種整群抽樣的優點是什麼呀 快缺點是什麼呀 代表性差啊代表性差 好啊然後我們呢 再來啊說一下啊我們再 過渡一下到這個簡單隨機抽樣 這個呢是比較好理解的啊 比較好理解的 然後我們正好呢 利用這個簡單隨機抽樣呢給大家去 拓展一下其他的一個分佈啊 一個分佈 簡單隨機抽樣是什麼意思呢 呃那我們來舉一個例子啊 我看跟大家來討論一下 比如說啊 我們現在這個做線下培訓 我們線下培訓呢有30個人啊 這個是我真實去做的 真實去經歷過的一個事 我們線下培訓呢有30個人 那麼有的時候呢 我做線下培訓的時候呢 就會啊找一些同學來回答一些問題 那麼這個時候呢 啊我們一般也不點名怎麼辦呢 我們有這個編號對吧 我們有編號 因爲一般這個這個簽到表上都有編號 我們我就隨便說一個數 我說我隨便說一個數啊 1-30我們說14 啊14 然後我們看一下14是誰啊 來回答一下這個問題 大家感覺啊我這種行爲叫不叫 隨機抽樣啊 大家感覺叫不叫隨機抽樣 大家感覺隨叫隨機抽樣呢就扣1啊 大家感覺不叫隨機扣抽樣呢就扣2 那麼我們再來定義一下什麼叫隨機抽樣 就是我們總體裏面的這些樣本啊 他被抽到的概率是相同的 那就叫隨機抽樣 他被抽到的概率是相同的就叫隨機抽樣 啊或或或或或說啊不叫 啊1-30啊我隨便說了一個數14啊 大家感覺這個叫不叫隨機抽樣啊 我們可以討論一下 啊夢想鬧鬧啊說是 是隨機抽樣啊 沒有關係大家感覺是呢就摳是啊 不是就摳不是啊 把劉說不是啊形容下來說是 其實呢嚴格意義上來說呢 但是我們乍一看啊 1-30隨便說個數14 乍一看是隨機抽樣啊是隨機抽樣啊 啊溫迪文來了歡迎溫迪文 那麼我一開始也是這麼認爲的啊 這個是隨機抽樣 那麼什麼時候我發現這個不是隨機抽樣 就是我們的這個課程啊持續了10天啊 持續了10天 這過程當中呢 頻繁的要和我們的這個同學互動 後來到最後啊 倒數第二三天的時候 啊我們這個14號同學他受不了了 他受不了了 在我又一次的啊喊到14的時候 他說了一句話 他說老師你爲什麼總點我 你爲什麼總讓我回答問題 我說我沒有吧 然後啊其他同學都說是的啊 你頻繁的在說14 就是說什麼呢 我們其實有的時候呢 對這些個數字有一些偏向啊 可能我們意識不當 所以呢這種呢並不叫啊 嚴格意義上來說並不叫隨機抽樣啊 並不叫隨機抽樣 那麼什麼叫隨機抽樣 就是每一個樣本 他被抽中的概率是相同的 啊 每個樣本被抽中的概率是相同的 就叫隨機抽樣 那麼我們怎麼生成我們的這個 隨機抽樣的方法和數據呢 我們還是會利用minitab 利用minitab 我們一會來給大家演示一下 啊基本上現在呢 我們已經都換方法了啊 都換方法了 我們先來介紹一個分啊 就是大家都熟對吧 這個大家都熟 我們一般啊有時候啊 大會 排的時候是吧啊就會用到這個東西 這個叫啊搖骰子嘛對吧啊 當然了這個 言歸叫什麼啊 骨子是吧 我們就說搖骰子啊搖骰子 那麼我們會發現呢 我們的這個結果啊基本上就六種啊 哪幾種呢 要不就是1對吧 衝上的這個面啊 要不就是1要不就是2 要不是3要不是4要不是5要不就是6 啊當然你非說我是我是賭神啊 我這個搖完骰子之後 這一一開一看啊 裏面一直在轉不在停的 那就不說啊對吧 你說什麼一開搖碎了啊 這沒有沒有沒有數了 我們也不說 就是正常情況呢啊 他只有六種結果 123456 然後呢 其實我們說一個質地均勻的這個骰子 我們隨機這樣去搖的話 那麼最後啊 這個每一面出現的概率 我們就知道是多少啊 六分之一啊六分之一 所以我們說爲什麼叫整數均勻分佈啊 首先他獲得的結果都是整數啊 大家看到了吧 123456 你不會出現一個搖來骰子什麼1.4 這個不存在的啊 他的結果都是整數 第二 這些個結果啊這些個整數的結果 他的概率都是相同的啊都是相同的 都是六分之一 所以我們把這個種叫定義叫什麼呀 叫整數均勻分佈啊 什麼叫均勻啊 就是我們均勻的擺我們這個 唯一的總概率均分了啊 就叫整數均勻分佈啊 大家能理解吧 然後呢我們利用這個整數均勻分佈呢 去生成我們的隨機數啊 去生成我們的隨機數 怎麼做呢我退到這個 啊紅色的怎麼出現紅啊紅色 天性免疫這個關注點很 好我回來再改善一下哈 天性免疫看來平常經常玩骰子啊 呃怎麼生成我們的隨機數呢 我們來舉一個例子啊 我們先說一下背景 我們就拿這個來說啊 我們現在直播間 36個人啊 我很想給大家發一些小禮品啊 但是這個線上的這個分享沒有辦法啊 線下的我們可以 那麼我們說呢從36個人裏邊呢 我們隨機抽取兩位同學啊 給大家發發一個小禮品 怎麼做呢 什麼叫撿隨機抽呀 也就是說我們每個同學 他都有自己的編號啊1-36 那麼每個人被抽中的概率應該是相同的 應該是相同的 所以他就應該是多少啊 1 1 3 6分之一 那麼這個就符合整數均勻分佈啊 路徑是什麼樣的呢 計算隨機數據 啊往下去找啊 有一個整數均勻 啊整數均勻大家看到了吧 整數均勻 點進去之後 他問了我們要生成的數據函數 我們想生成幾個數據啊 我們就要抽兩個人吧 對吧給兩個同學發禮品 我們這個叫生成的隨機數啊 那麼這個隨機數存儲於哪一列呢 C11 啊隨便選一個空白列就可以了 啊這個看大家能不能理解 最小值我們是多少啊 最大值呢 36個人不是36嗎 是吧 我們分成了36個整數 最小是1最大是36啊 他應該是每一個被抽的概率都是均勻的 36分之一 我們來點一下確定看一下 啊大家看到了 這個隨機數生成的是多少啊 32和 35啊32和35 這個就是隨機數據的生成 然後我們再來演示一下幫助大家理解 我們再做一個啊 說一種比較特殊的情況啊 我們再生成隨機數據啊 通過這也可以 我們這回呢 要從1000個啊 我們回到我們的這個 同學啊抽這個學生的這個案例裏面來 我們呢從1000個學生裏面呢要抽100個啊 要抽100個 那麼我們這個要生成的數據函數是多少呢 啊大家可以摳一下啊 我們來一起來 大家說集我就在這裏面寫集了 看看大家有沒有吸收啊 我們要生成數據函數我們寫集 啊這一部分我們要寫多少啊 啊Steven說100啊 對100行不行呢 啊理論來說是100啊 但是我們看有沒有什麼其他的問題啊 胡蘿蔔也來了歡迎胡蘿蔔 我們看有沒有其他的問題 最小值呢 1對吧最大值我們輸多少 啊最大值我們輸多少 啊最大值我們輸多少啊 從1000個人裏面抽100啊 王靈說1000啊對 王靈說的對我們輸1000 那麼理論上來說這樣是沒有錯的啊 沒有錯的啊 我們剛纔呃第一個說的是Steven對吧 Steven說啊 因爲你要100個人嗎 所以我們這輸100啊 理論上說沒錯的 我們看一看會發生什麼啊 我看看會發生什麼 點擊確定 哎呀這個還有點麻煩 這個還不太好看啊不太好看 呃得給大家找一下啊 得給大家找一下 嗯 那我們先這樣說吧 先拿這個案例說啊大家看到了 這就是我們生成的100個數啊 其實我們可以把我們的1000個同學呢 編號啊編號1-1000編號號 你對着這個號把他們啊 拉出來這個就叫一個隨機抽呀啊 就叫一個隨機抽呀 那麼我們現在換一種情況啊 換一種情況 比如說啊 我們要從10個人裏面抽6個啊 10個人裏面抽6個 那麼我們這個要生成的數據函數呢 就是0啊6 那麼我們一共多少個人呢 10個人啊10個人 按理論上來說這個沒有問題是吧 啊抽6個人嗎 點擊確定我們看一下會發生什麼 大家看我們生成的這 6個隨機數有重複的 大家看到了吧啊有重複的有3個時 爲什麼 因爲我們這屬於有放回抽樣了 比如說我們抽了啊 從10個人裏面抽6個 那麼按說每一個人被抽中的概率應該是 十分之一 啊應該是十分之一 那麼我們第一個抽中的人是誰呢8號 那麼把8號抽出來之後呢 你不能說把8號在 就不不讓他回去了 那麼剩下的剩下的 不就是變成從9個人裏面再抽一個了嗎 那這個就不是十分 就變成九分之一了 所以還要把這個8呢再放回去啊 每次都是這種有放回抽樣 那麼就有可能會出現 啊重複的這種問題在啊 有可能出現重複的這種問題在 所以我們怎麼辦呢 我們一般啊一般 比如說我們再回到剛纔那個案例啊 我們從1000個人裏面抽100個 因爲太多了100個太多了 而且我們的範圍太大了 1000個數所以很難找到重複的 我們就簡單說這個例子 這100個隨機生成數里面呢 有很大很大的可能會出現 重複的數 所以我們一般呢會 比這100個數呢啊 我們要100個數呢再多加一些啊 再多加一些 比如說給他增加到110 那麼多出來的10個是什麼意思 就是打出來的那個重複的賦予量啊 就重複的賦予量 啊就是這樣 這個就是簡單隨機抽樣的 一種方法啊一種方法 其實呢他可以應用到很多的場景啊 比如說我剛剛我分享的 就是我們在做線下培訓的時候呢 啊我們和同學互動呢 或者發放一些小禮品呢 其實這些就是一個 簡單隨機抽樣的一種方法 所以我們再來說一下第一簡單隨機抽樣 首先你必須要把這些東西編好號啊 你沒有號的話就亂了 對吧先編好號 1到 1000啊然後呢 利用我們這個假的這種搖骰子 這種整數均勻分佈 配合我們的mini tape 生成一些隨機數啊 生成一些隨機數 大家可以看到我們這個從啊 這裏面還多了五個賦予量啊 但是他會有重複的 他有重複的所以要多加一些賦予量 啊這個就是我們的簡單隨機抽樣 那麼還有一個複雜一點的呢 就叫分層抽樣啊 分層抽樣 呃分層抽樣是什麼意思 就是 那這個你們去看就能感覺出來 他要比整群和簡單隨機都複雜了啊 我們將總體分成幾個層 啊每個層隨機抽 比如說我們還拿剛纔的這個工資舉例子 拿這個工資舉例子 如果我們調查啊 這個全國的平均工資 我們如果無法全減的話就只能抽啊 只能抽 那怎麼抽 那整群抽樣 我們剛纔說的就是北京所有的啊 人出來上海所有的人出來啊 我們看這兩個城市的平均工資啊 這個代表性就非常差 那麼分層抽樣是什麼意思 比如說我們要調查一千萬個人啊 調查一千萬個人 啊這就是我們的樣本量 樣本量對吧 我們的人口呢14億啊 14億這個是我們的樣本量 那麼什麼叫分層 抽呀 我們每個城市都給一些名額啊 每個城市都給一些名額 按照比例都給一些名額 比如說啊天津 我們給一些名額 北京給一些樣本量的名額 上海給一些啊每個城市都給 那麼從啊 各個城市裏面再去按照名額從這個 城市的總體裏邊去抽啊一些樣本 那麼這個就叫分層抽樣 那麼大家就能感覺出來這種複雜多了 麻煩多了 但是好處是什麼呀 好處就是代表性更強了 對吧代表性更強了 那麼這個就叫分層抽呀 這個叫分層抽呀 然後呢我們來簡單的在 第一部分呢就是數據的類型啊 這是最基礎的啊 它都是有順序的啊 離散型和連續型 離散型的好處是什麼呀 簡單快速有效缺點是什麼呀 信息量太少只能獲得一個比率啊 連續型數據的優缺點呢 和離散型的優缺點正好倒個啊 正好倒個 連續型數據的缺點是什麼呀 就是收集起來比離散的相對來說麻煩一些 但是優點是什麼呀 信息量比較豐富啊信息量比較豐富 呃我看一下大家的問題啊呃 胡蘿蔔說一次抽多個樣本 這個要看我們要幹什麼啊 這個要看我們幹什麼 先有工具啊再定樣本量啊 要看我們幹什麼這個就比較複雜啊 這個在我們的假設檢驗這一部分 這個比較複雜 然後呢我們的這個數據呢 啊還可以分爲什麼呀 四種類型啊 由低到高分別是定類 只能分類別 比如說性別男女 第二定序啊 不僅能分類別了還能怎麼樣啊 還能 排序啊還能排序 你說性別能不能排序啊 那不能排序啊 那不能排序男女平等對吧 再往下一層啊這個數據更高級了 他不僅可以排序了還可以怎麼樣呢 做減法啊做減法 呃但是像溫度這種啊數據呢 它是有這種負數的啊 零下比如零下6度就是負6度 它是有負數的 所以呢 哎今天這個鼠標好像有點問題 所以他只能做加減 不能做乘除啊不能做乘除 最高級的就叫定比啊 最高級的叫定比什麼叫定比 就是 有絕對零點啊 有絕對零點就是有一個最小的一個值啊零 他既可以做加減又可以做乘除 比如說身高和體積 啊身高和體積 這就是數據的另外一種啊 我們分類的類型 一般我記得中智鞋 應該是考過類似這樣的題 啊大家可以關注一下 啊謝謝斯蒂文的點贊啊 漁夫傳奇不要瞎說啊 這個啊你後來拉仇恨知道吧 男女平等啊這個沒有問題 然後啊這個案例我們就不說了 這個是剛纔爲了讓大家理解啊我們去 講了一些啊 這些個題題啊讓大家去更好的吸收 然後第二部分呢就是總體和樣本 啊這是我們剛纔說的啊 總體是什麼 就是你定義的這個對象的全體啊 比如說我們說現在直播間的人多少人 44個人啊這個就叫總體 但是有的時候呢我們無法獲得總體 那什麼辦法能知道總體的情況 只有一個辦法啊 只有唯一的一個辦法全減啊 全減全部都減一遍 但是呢呃有的時候不允許啊 什麼時候不允許呢 第一破壞性取樣 啊測一個換一個這個不行 第二測量起來呢 太費時間和人力的成本 這是兩種在製造業裏面非常常見的情況 所以我們只能抽啊 從我們這個總體裏面抽一部分啊 抽的這一部分叫什麼呀 叫樣本啊叫樣本 那麼 凡是對總體金融形容和概括描述的呢 我們都叫參數啊 你看不管是總體的平均值 總體的方差 還是總體的標準差都叫總體參數 但是你看同樣是平均值 同樣是方差 同樣是標準差 他變一個主人啊 不是總體的了啊 變成樣本的了 那麼他都不叫參數了啊 都叫統計量 所以我們大家可以看到了 你學6sigma學到後面 你頻繁的看到的是什麼 T統計量 對吧 卡方統計量 啊這個統計量那個統計量 你爲什麼看不到參數了 因爲我們都是在拿樣本去做研究 所以這個樣本和總體的概念 是你首先要知道的啊 首先要知道 當然了名字也不一樣啊 對於福傳奇問了 爲啥字母不一樣了 於福傳奇來晚了 你看總體的平均值他就叫μ 啊樣本的平均值他就是x8 大家可能剛開始學 有人曾經問過我 他說這個每本書寫的不一樣 是不是這個都可以啊 就是不同的叫法 不是啊這是兩個東西啊 這是兩個東西 總體的平均值是μ 樣本的平均值是x8 那麼總體的這個方差是什麼呀 sigma方 啊樣本的方差呢 s 平方對吧 大家有時候看這個 這個這個一個cell裏面有的公式是什麼 stdev對吧 所以樣本的方差我們就叫s啊 s方樣本變差呢是這個小s啊 總體的變差呢是σ 那這是完全不一樣的東西啊 完全不一樣的東西 那麼我們剛纔說了啊 這個抽樣呢總體獲得不了只能抽 抽完之後呢得到的這個樣本統計量 比如說樣本的平均值 能不能直接代表總體 不能啊爲什麼呀 因爲抽樣是有隨機性的 你這次抽的是這五個人 下次可能抽的就是另外五個人了 那麼我們的樣本一變 樣本統計量就會變啊 所以每次抽樣樣本統計量都不一樣啊 你不能直接去代表總體 那需要推斷 那麼這一部分內容呢 就是我們A階段主要的一個工具 叫假設檢驗啊假設檢驗 那麼我們今天分享的內容是什麼呀 是上面這一部分怎麼抽啊 一百個人裏面抽出來五個怎麼抽 常見的抽樣方法是什麼呀 就是我們剛纔說的這些啊 就是說的這些 然後呢 抽樣方法我們剛纔也和大家說過了啊 我們 再來給大家說一下這個 這個我其實特別想說一個就是什麼 大家現在好像還是認爲 6SIGMA是6SIGMA啊 LIN是LIN 已經合體了啊 差不多2000年的時候就合體了 2000年的時候就合體了 我們現在沒有什麼6SIGMA單獨叫 都叫精益6SIGMA啊 都叫精益6SIGMA 所以你看我們的這些工具庫裏面這些工具 啊單元設計啊 SMED啊 公式化管理啊 啊這些包括VSM價值流圖 這些都是精益的工具啊 精益和LIN已經合體了 擴展點說啊 6SIGMA其實主要搞什麼 這種通用的方法論其實主要啊 雖然不侷限於 但主要還是搞一些個啊質量問題 DMI在主要搞一些質量問題 當然可以擴展到其他啊 可以擴展到其他 那麼LIN主要搞什麼 LIN主要是消除浪費啊 消除浪費 然後保證我們這個 他是做時間研究的啊 時間研究的 那麼6SIGMA是做一些一個產品質量研究的 這個是狹一點說狹一點 讓大家好理解的去說 所以他已經合爲一體了啊 合爲一體了 有機會呢給大家去介紹啊 去介紹這個LIN和6SIGMA這種發展路線啊 有機會和大家去介紹這個內容 好啊我們今天就說到這裏啊 感謝大家