nullnull
DATA收集
计划
项目进度计划表范例计划下载计划下载计划下载课程教学计划下载
方法论方法论 Analyze 概要
DATA收集计划
Graph
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
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nullDATA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
八年级地理上册填图题岩土工程勘察试题省略号的作用及举例应急救援安全知识车间5s试题及答案
以及怎么表现?
使用什么样的DATA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DATA收集Process DATA收集Process 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,让别人帮助我们就很容易. 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.DATA收集Process DATA收集Process 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 - 母集团或样品要收集所有的DATA因时间太长而会发生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 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,DATA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?抽样信赖区间抽样信赖区间信赖区间意味着, 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
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.抽样方法抽样方法单纯任意抽样: 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. 单纯任意抽样单纯任意抽样母集团XXXXXOXXXX
XXOXXXXOXX
XXOXXXXXXX
XXXXXXOXXXOOOOO样品说明
各单位(“O”)被包括
样品的概率相同..层别任意抽样L
MMMM
SS
层单位大中小LLLLLMMMMMMMMMMMMSSSSSSSSSS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 DATA收集Process 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DATA收集Process DATA收集Process 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ProcessDATA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ProcessDATA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 **