南京SPC统计工具培训
课程内容：
统计学：随机性和规律性
1.统计学是什么
2.统计学的历史
3.统计学的主要思想
4.数据
4.1 元素、变量和观察值
4.2 测量尺度
4.3 定性和定量数据，连续和离散数据
数据收集
1.定义变量
2.观测数据：问题和可能性
3.收集观测数据时的错误和误差
4.实验数据：需找造成结果的原因
5.数据阵/数据文件
6.简单随机抽样
7.其他抽样方法
数据描述：图和表
1.图：画出数据
2.分类变量：饼图和条图
3.度量变量：点图和直方图
4.根据数据作图
5.优秀作图的标准
6.表
数据描述：计算汇总统计量
1.各种平均数
2.变差
3.均值的标准误差
4.标准得分
5.简化的收益和信息损失
概率
1.概率及韦恩图
2.怎样得到概率
3.概率计算：
3.1 条件概率
3.2 贝叶斯定理
4.离散概率分布：
4.1 二项分布
4.2 泊松分布
4.3 超几何分布
4.4 用图表来表示概率
4.5 概率的计算
5.连续变量的概率分布
5.1 标准正态分布
5.2 t分布
5.3 卡方分布
5.4 F分布
5.5 正态分布数据的需要
6.使用概率来核对假设
7.决策分析
作出结论：估计
1.样本统计量和总体参数
2.点估计
3.区间估计
第2天课程内容：
假设检验
1.假设
2.如何问答零假设
3.显著水平
4.总体比例检验
5.两个总体比例的差异检验
6.假设检验与置信区间
7.统计显著与实际显著
8.应用
变量间关系
1.关于两个变量的4个问题以及关系
1.1 变量间有关系吗
1.2 关系的强弱程度
1.3 变量在总体中的关系如何
1.4 是因果关系吗
2.预测
3.自变量和因变量
4.不同类型的变量
5.回到因果关系的问题
两个分类变量的卡方分析
1.数据分析
2.变量间的关系
3.关系强度
4.总体中的关系
5.因果关系
6.更多可能性
两个数值型变量的回归分析和相关
1.两个变量间的关系
2.关系强度
3.关系形式
4.总体中的关系
5.警告
6.虚拟变量的使用
7.因果关系
8.最小二乘法
9.模型假设及判定系数
10.显著性检验
11.残差分析及异常处理
一个分类变量和一个数值变量的方差分析
1.方差分析
2.变量关系
3.关系有多强
4.关系是偶然吗
5.是因果关系吗
6.方差分析回顾
7.配对分析
多元分析
1.三个分类变量
2.数值型多元分析
3.用一个哑元作多元回归
4.双因子方差分析
5.建立因果关系
6.最小二乘法
7.变量的选择办法：逐步、前向、后向、最佳子集
7.残差分析
预测
1.时间序列成分
2.平滑法
3.趋势推测法
4.趋势和季节成分
5.回归分析
6.定性预测方法
日常工作中的统计
1.通向统计精妙的基石
2.小心处理数据
3.数据和统计方法
4.怎么会出错
4.1 数据收集中的风险
4.2 调查研究中的特殊问题
4.3 分析方法的误用
4.4 统计推断的误用
4.5 数字的错误解释
