Bài giảng Tin học trong quản lý chất lượng: Phần 1 - Vũ Hồng Sơn

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:15

Thêm vào BST

Báo xấu

11
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng "Tin học trong quản lý chất lượng: Phần 1" bao gồm các nội dung chính về: Thống kê và nhu cầu sử dụng trong XLSL; Các dạng biến số thường gặp; Ứng dụng các chuẩn thống kê. Mời quý thầy cô và các em cùng tham khảo bài giảng!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Tin học trong quản lý chất lượng: Phần 1 - Vũ Hồng Sơn

TIN H C TRONG QLCL Vũ H ng Sơn - ðHBK Hà n i 1 CHƯƠNG 1 M ð U 1. Th ng kê và nhu c u s d ng trong XLSL ði u ki n tiên quy t: Toán cao c p, lý thuy t xác su t Lý thuy t xác su t: khoa h c v các quy lu t c a các hi n tư ng ng u nhiên Th ng kê toán h c: là m t b ph n c a lý thuy t xác su t. N i dung bao g m: Thu th p s li u, cách thu th p s li u S p x p s li u, tìm tham s ñ c trưng c a b s li u Phân tích quy lu t bi n thiên c a s li u, xây d ng mô hình lý thuy t So sánh các t p h p s li u xem có cùng b n ch t không Xác ñ nh m i liên h gi a các b s li u Vũ H ng Sơn - ðHBK Hà n i 2 1
2. Nh ng ti n b v s d ng tin h c trong XLSL và QLCL Th ng kê c ñi n ñã chuy n thành th ng kê hi n ñ i S d ng phương ti n tính toán hi n ñ i: Th h máy vi tính m i nh t Ngôn ng l p trình m nh nh t Cho phép gi i các bài toán h th ng ph c t p, ñòi h i vi c truy n ñ t ki n th c toán h c ph i ñư c k t h p v i phương pháp tư duy, phương pháp tính toán b ng phương ti n m i Cho phép mô ph ng quá trình s n xu t Giám sát quá trình s n xu t ði u khi n quá trình s n xu t T i ưu hóa quá trình s n xu t Vũ H ng Sơn - ðHBK Hà n i 3 3. Các s n ph m tin h c ng d ng trong XLSL IRRISTAT SPSS R STATISTICA MATLAB MINITAB SAS SPAD NEMRODW DESIGN-EXPERT Vũ H ng Sơn - ðHBK Hà n i 4 2
CHƯƠNG 2 CÁC D NG BI N S THƯ NG G P 1. Các d ng bi n s Bi n mô t ñ c tính ñ nh tính (bi n ñ nh tính): màu s c, mùi, v , ngon ho c không ngon, thích không thích, t t ho c x u… Bi n mô t ñ c tính ñ nh lư ng (bi n ñ nh lư ng) Bi n ñ nh h ng: so sánh m c ñ bi u hi n tương ñ i c a ñ c tính (so hàng ñ c tính, ví d so hàng th hi u…) Bi n ñ nh lư ng r i r c (bi n t n su t): s l n xu t hi n c a ñ c tính, bi u di n b ng s nguyên Bi n ñ nh lư ng liên t c (bi n liên t c): l y m t tr s b t kỳ, s nguyên hay h u t Vũ H ng Sơn - ðHBK Hà n i 5 2. Các d ng b ng s li u B ng mô t ñ c tính ñ nh tính B ng s li u 1 chi u B ng s li u 2 chi u … B ng s li u ñ c tính ñ nh lư ng Gi i tính U ng Vang Gi i tính Vang ñ Vang tr ng Trai Trai Gái Gái Vũ H ng Sơn - ðHBK Hà n i 6 3
3. Trình bày s li u b ng bi u ñ Nguyên t c: Bi u ñ rõ ràng, b qua chi ti t không c n thi t Ch d n trên bi u ñ ph i ñư c hi u d dàng ðơn v c a bi u ñ , phân bi t các thành ph n khác nhau c a bi u ñ b ng màu s c, n n, ký t …khác nhau Các d ng bi u ñ : Bi u ñ hình ch nh t (bi u ñ c t) Bi u ñ hình qu t ð th ñư ng liên t c Vũ H ng Sơn - ðHBK Hà n i 7 4. Các ph n m m hay dùng trong QLCL SPSS SPAD DESIGN-EXPERT NEMRODW Vũ H ng Sơn - ðHBK Hà n i 8 4
CHƯƠNG 3 NG D NG CÁC CHU N TH NG KÊ Arithmetic Mean or Average The mean of a set of observations is their average - the sum of the observed values divided by the number of observations. Population Mean Sample Mean N ∑x f x + f x + K + f k xk n 1 k ∑x x= ∑ f i xi = 1 1 2 2n µ= i =1 x= i =1 n i =1 N n Sample size Vũ H ng Sơn - ðHBK Hà n i 9 • Given a series of values xi (i = 1, … , n): x1, x2, …, xn, the mean is: 1 n x= ∑ xi n i =1 • Study 1: the color scores of 6 consumers are: 6, 7, 8, 4, 5, and 6. The mean is: 1 n 6 + 7 + 8 + 4 + 5 + 6 36 x= ∑ xi = = =6 n i =1 6 6 • Study 2: the color scores of 4 consumers are: 10, 2, 3, and 9. The mean is: 1 n 10 + 2 + 3 + 9 24 x= ∑ xi = = =6 n i =Vũ H ng Sơn - ðHBK Hà n i 1 4 4 10 5
Variation • The mean does not adequately describe the data. We need to know the variation in the data. • An obvious measure is the sum of difference from the mean: • For study 1, the scores 6, 7, 8, 4, 5, and 6, we have: • (6-6) + (7-6) + (8-6) + (4-6) + (5-6) + (6-6) • =0+1+2–2–1+0 • =0 • NOT SATISFACTORY! Vũ H ng Sơn - ðHBK Hà n i 11 Sum of squares • We need to make the difference positive by squaring them. This is called “Sum of squares” (SS) • For study 1: 6, 7, 8, 4, 5, 6, we have: • SS = (6-6)2 + (7-6)2 + (8-6)2 + (4-6)2 + (5-6)2 + (6-6)2 = 10 • For study 2: 10, 2, 3, 9, we have: • SS= (10-6)2 + (2-6)2 + (3-6)2 + (9-6)2 = 50 • This is better! • But it does not take into account sample size n. Vũ H ng Sơn - ðHBK Hà n i 12 6
Variance • We have to divide the SS by sample size n. But in each square we use the mean to calculate the square, so we lose 1 degree of freedom. Therefore the correct denominator is n-1. This is called variance (denoted by s2) s 2 = (x1 − x )2 + (x2 − x )2 + ... + (xn − x )2 n −1 • Or, in the sum notation: 1 n s2 = ∑ ( xi − x ) 2 n − 1 i =1 Vũ H ng Sơn - ðHBK Hà n i 13 Variance and Standard Deviation Population Variance Sample Variance n N ∑(x − x) 2 ∑(x − µ)2 s = 2 i =1 σ 2 = i=1 N (n − 1) ( x) ( ) 2 2 N n ∑ ∑x i =1 N n ∑x − i =1 ∑x − 2 2 N = n i =1 = i=1 N (n − 1) σ= σ 2 s= s 2 Vũ H ng Sơn - ðHBK Hà n i 14 7
Variance - example • For study 1: 6, 7, 8, 4, 5, and 6, the variance is: s2 = (6 − 6)2 + (7 − 6)2 + (8 − 6)2 + (5 − 6)2 + (6 − 6)2 = 10 =2 6 −1 5 • For study 2: 10, 2, 3, 9, the variance is: s2 = (10 − 6)2 + (2 − 6)2 + (3 − 6)2 + (9 − 6)2 = 50 = 16.7 4 −1 3 • The scores in study 2 were much more variable than those in study 1. Vũ H ng Sơn - ðHBK Hà n i 15 Standard deviation • The problem with variance is that it is expressed in unit squared, whereas the mean is in the actual unit. We need a way to convert variance back to the actual unit of measurement. • We take the square root of variance – this is called “standard deviation” (denote by s) • For study 1, s = sqrt(2) = 1.41 • For study 2, s = sqrt(16.7) = 4.1 Vũ H ng Sơn - ðHBK Hà n i 16 8
Standard Deviation Data A Mean = 15.5 s = 3.338 11 12 13 14 15 16 17 18 19 20 21 Data B Mean = 15.5 11 12 13 14 15 16 17 18 19 20 21 s = .9258 Data C Mean = 15.5 11 12 13 14 15 16 17 18 19 20 21 s = 4.57 Vũ H ng Sơn - ðHBK Hà n i 17 Standard Deviation 0.45 normal(x) 0.4 0.35 0.3 0.25 68 % 0.2 0.15 95 % 0.1 0.05 99.7 % 0 µ -3σ σ µ -2σ σ µ -σ σ µ µ +σ σ Vũ H ng Sơn - ðHBK Hà n i µ +2σ σ µ +3σ σ 18 9
Ki m ñ nh th ng kê : khi- bình phương χ2=Σ (O T T) - 2 O = t n s quan sát T = t n s lý thuy t T ng hàng x T ng c t T n s lý thuy t = T ng l n Vũ H ng Sơn - ðHBK Hà n i 19 S n ph m Tr l i T ng A non A A 32.5 27.5 60 Non A 32.5 27.5 60 T ng 65 55 120 χ2calculé= 7,55 > χ2théorique= 2,71, pour α = 0,05 Vũ H ng Sơn - ðHBK Hà n i 20 10
X lý 2 giá tr trung bình-ki m ñ nh t-Student Trư ng h p 2 m u ñ c l p 1. Ki m ñ nh phng sai S12 F= 2 v i qui ư c phương sai1 >phương sai 2 S2 1  x2 − (∑xi )  2  v i S2 = 1 n ∑ n −1 i=1 ( )2 xi − x = n −1 ∑i n    Fb tra b ng m c α=5%, b c t do f1=n1-1, f2=n2-1 N u F
Giá tr xác su t (p Values) • Giá tr p value ñư c so sánh v i m c ý nghĩa (significant level - α), và d a trên k t qu này ñ bác b hay không bác b gi thi t. • N u giá tr p value nh hơn m c ý nghĩa, gi thi t b bác b (p value < α, bác b gi thi t H0). • N u giá tr p value b ng ho c l n hơn m c ý nghĩa, không bác b gi thi t Ho (p value > α, không bác b gi thi t H0). Vũ H ng Sơn - ðHBK Hà n i 23 2. Hai m u ñ c l p có phng sai b ng nhau Group 1 Group2 Mean difference: x11 x21 x12 x22 D = x1 – x2 x13 x23 Variance of D: x14 x24 x15 x25 s2 = (n1 − 1)s12 + (n2 − 1)s22 … n1 + n2 − 2 x1n x2n T-statistic: Sample size n1 n2 x1 − x2 Mean x1 x2 t= 1 1 s2  +  n n  SD s1 s2  1 2 Vũ H ng Sơn - ðHBK Hà n i 24 12
Produc A Product B Mean difference: 106 110 D = 119.0 – 107.1 = 11.9 98 134 108 122 Variance of D: 8(9.49) + 6(10.88) 2 2 104 104 120 118 s2 = = 102.2 9+7−2 124 131 108 114 T-statistic: 11.9 96 t= = 2.34 1 1 100 102.2 +  9 7 N 9 7 Mean 107.1 119.0 tb,5%,14=2.15 SD 9.49 10.88 Conclusion: Vũ H ng Sơn - ðHBK Hà n i Significant difference 25 3. Hai m u ñ c l p có phng sai khác nhau Mean difference: Group 1 Group2 D = x1 – x2 x11 x21 x12 x22 Variance of D: x13 x23 S12 S 2 2 s2 = + x14 x24 n1 n2 x15 x25 T-statistic: … x1 − x 2 x1n x2n t =  S 12 S 22   n + n    Sample size n1 n2  1 2  2 Mean x1 x2  S12  n + 2n  S2  f =  1 2 2 2 SD s1 s2  S12   S 2   n  n  2  1 +  2 n1 − 1 n2 − 1 Vũ H ng Sơn - ðHBK Hà n i 26 13
Produc A Product B Mean difference: 28 12 D = 26.2 – 10.2 = 16 17 7 36 11 T-statistic: 23 10 26 . 2 − 10 . 2 t = = 5 . 01 27 11  6 . 98 2 1 . 92 2    +   N 5 5  5 5  Mean 26.2 10.2 f = (6.98 5 +1.92 5 ) 2 2 2 = 4 .6 ≈ 5 (6.98 5 ) + (1.92 5 ) SD 6.98 1.92 2 2 2 2 4 4 tb,5%,5=2.57 Conclusion: Vũ H ng Sơn - ðHBK Hà n i Significant difference 27 Trư ng h p 2 m u tương quan, so sánh c p Subject Before After Diff. Mean difference: 1 x01 x11 x01-x11 D = x1 – x2 2 x02 x12 x02-x12 3 x03 x13 x03-x13 4 x04 x14 x04-x14 xd t = 5 x05 x15 x05-x15 sd / n … n x0n x1n x0n-x1n Mean x0 x1 xd SD s0 s1 sd Vũ H ng Sơn - ðHBK Hà n i 28 14
Paired samples • The problem: Viewing certain meats under red light might enhance judges preferences for meat. 12 judges were asked to score the redness of meat under red light and white light Results: Judge Red White Judge Red White 1 20 22 8 16 20 2 18 19 9 21 22 3 19 17 10 17 20 4 22 18 11 23 27 5 17 21 12 18 24 6 20 23 7 19 19 • Question: Was there an effect of light? Vũ H ng Sơn - ðHBK Hà n i 29 Paired samples – analysis Judge Red light White light Difference Mean difference: 1.83, SD: 2.82 1 20 22 2 2 18 19 1 Standard error (SE): 3 19 17 -2 SD/sqrt(n) = 2.82/sqrt(12) = 4 22 18 -4 0.81 5 17 21 4 6 20 23 3 7 19 19 0 t-test = |1.83|/0.81 = 2.23 8 16 20 4 tb,5%= 2.201 9 21 22 1 10 17 20 3 Conclusion: there was a 11 23 27 4 significant effect of light colour. 12 18 24 6 Mean 19.2 21 1.83 SD 2.1 2.8 2.82 Vũ H ng Sơn - ðHBK Hà n i 30 15