《《数据收集计划》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《数据收集计划》PPT课件.ppt（19页珍藏版）》请在三一办公上搜索。
1、DATA收集计划,方法论,Analyze 概要 DATA收集计划 Graph分析 假设检定概要 平均的检定,分散的检定 比率的检定 相关及回归分析,DATA收集计划,学习目标理解DATA收集计划的概念 理解DATA收集方法及步骤理解抽样(Sample)方法,DATA收集计划,目的 为了确认CTQ，从VOC收集计划开始、MSA、一次作成工程能力分析,在A阶段里为了确认输出变量Y和输入变量X的关系而作成.适用可能的工具 DATA收集计划 抽样方法,DATA收集计划,对情报的需求,分析,DATA,提问,结果导出,DATA收集计划,回答的提问是什么?怎么找出对提问的答案以及怎么表现?使用什么样的DAT
2、A分析工具?使用这些工具来回答,需要什么种类的DATA?这个DATA在什么样的Process中可以得到?能给这个DATA的人是谁?以最小的努力减少好几个可能性,如何收集资料?,DATA收集方法,1.构成好的提问 2.选定确切的DATA分析技法 3.决定测定方法 4.定义DATA收集Point 5.选定没有偏向的DATA收集员,确认他们的兴趣 后教育 6.利用DATA收集样式计划和检定 7.检讨DATA收集过程,并确认其结果,第一阶段:构成好的提问 构成正确的提问是核心,成功数据收集的第一阶段。-为得到好情报的提问应该是焦点明确而具体.-明确显示我们找的情报,给予用那情报和结果执行什么 的信赖,
3、让别人帮助我们就很容易.,DATA收集Process,第二阶段:选定确切的DATA分析记法-很不幸在很多情况因DATA不适合,只能重新收集DATA.-更糟的时候,面对根据不充分的DATA决定意见的困难.-收集DATA前,一但深思熟虑几分种就可以避免这种困难.,样品抽出是如下的Process.收集可用DATA的一部分.使用样品DATA导出结论.,对母集团信用卡帐户的 书面调查件数(N=5,000),平均解决时间(m)?,样品n=100 任意选择的调查件数,平均解决时间(X)=1.2 日,统计性推论,第三阶段:决定测定方法-母集团或样品,DATA收集Process,要收集所有的DATA因时间太长而
4、会发生DATA收集上的失误.抽出母集团中一部分样品,以少的费用得出更好的结果.,抽样,好的样品应具备的条件,-抽样是使用少量的DATA也能得到好的答案.-样品对得出母集团及 Process的情报有帮助.-能代表研究对象的母集团或Process选择样品.-现实性问题重要.(费用,资源等),抽样简要,有偏向(Bias)的抽样,偏向的种类:,排除:调查中的Process范围的一部分被排除.认知:DATA收集要员的态度和信念会影响他们所看的看法和记录.交互作用:DATA收集过程本身会影响研究对象Process.运用上:不按标准步骤的情况就是最常见的运用上的偏向.无应答:缺测DATA会产生偏向的结果，D
5、ATA漏掉的事实是暗示 与其它DATA以任何方式都不同的线索.推定:统计处理收集的DATA时使用的公式及方法,可能与特定种类的偏向有关联.,抽样信赖区间,通过测定对全部5,000件不满事项的解决时间,算出“真正的”平均解决时间.,母集团信用卡关联 顾客的不满事项接收(N=5,000),样品n=100 任意选择的不满事项,例:对顾客不满事项的平均解决时间?,取代表样品，可以推定平均解决时间.,或者,实际母集团的平均和从样品推定的平均值之间有差吗?,信赖区间意味着,知母数真值的区间推定区间.,母集团“真”平均N=5,000,从母集团抽出的样品(样品的大小 n=100)样品 1的平均样品 2的平均
6、样品 K的平均,母集团的“真”平均值和从样品推定的平均值之间有差异.,抽样信赖区间,单纯任意抽样:构成母集团的各个因子被选样品的概率是一样.2.层别任意抽样:把母集团区分几个同质的层后,在各层按单纯 任意抽样抽出样品.3.群别任意抽样:把母集团分为多数集团后,对按抽样单位选择的群体进行全数调查.4.系统任意抽样:时间上或空间上隔一定间隔抽出样品.,抽样方法,母集团,XXXXXOXXXXXXOXXXXOXXXXOXXXXXXXXXXXXXOXXX,OOOOO,样品,说明,各单位(“O”)被包括样品的概率相同.,单纯任意抽样,层别任意抽样,L,MMMM,SS,层,单位,大,中,小,LLLLL,MM
7、M,MMM,MMM,MMM,SSSS,SSSS,SS,层别的范畴或Group 内的任意样品.各Group的样品大小 一般和其Group的相对 大小成比例.,母集团,样品,说明,其它抽样方法,不符合统计学的原则,但经常使用的惯例 固定百分率抽样:与“经常取10%样品”同样的“大概判断法”。结果为小的母集团总是选择太小的样品，大的母集团 总是选择太大的样品。判断抽样:让DATA收集要员凭自己的判断选定X 个“代表性”样品，就能拿到不偏向的样品。块抽样 仅凭项目便利集合的理由来选定样品，其结果会产生样品的 偏向和非代表性。举个例子如下：“从v文件抽出D姓人们的订购记录。”,DATA收集Process
8、,第4阶段:定义DATA收集Point 理想的想法，我们要在尽可能不防碍Process作业工序的范围内 收集所有的DATA。可这比预想不容易。,第5阶段:选定没有偏向的DATA收集员,确认他们的兴趣,并教育.谁来收集DATA,这个问题很重要.DATA收集员应该是最容易,最快地接近相关事实的人.例)1920年代和1930年代:“Hawthorne 实验”-劳动生产性和工厂内照明的关系分析,第6阶段:设计DATA的收集样式和指南后进行Test.DATA的记录应容易做.KISS 原则(Keep It Simple,Stupid)样式是从DATA的记录或解释中不会有失误的可能性而设计.样式应包括未来的
9、分析、参照及为了再确认的追加情报.样式应最大限度明确.Check Sheet或Data Sheet应显示有专业性.用手制作,线不规则,字写的乱,还有如果给人不认真作成的感觉,那么容易让收集Data的人不注意.,DATA收集Process,第6阶段:设计DATA的收集样式和指南,必须进行Test 计划很认真,但是在DATA收集过程中仍有可能发生预想不到的问题.最常出现的问题如下.对如何作成 DATA收集样式的错误理解而引起的失误.设计样式的人没理解与Process相关的所有变量,发现收集 追加情报的必要性.问题发生的状况下,很难输入DATA,所以收集不完全的DATA.把DATA记录在样式的人,怕收录情报对他们有坏的影响而犹豫,因此产生的不完全或有偏向的DATA.,DATA收集Process,第7阶段:检讨DATA收集过程,确认其结果.检讨完成的样式,观察收集过程等，有必要对于DATA收集Process全面的显示.DATA收集员中有一部分理解错误时,应立即进行再教育.*有必要使用已收集的Raw Data,或利用新收集的Data时,必须明确地表示Data收集位置、作成者、期间、Data数 等Source*,DATA收集Process,
