📚 课程目录第2章统计学基础

2. 统计学基础

统计过程控制（SPC）的本质，是通过对过程数据的收集、整理与分析，来区分过程中的普通原因变异（偶因）与特殊原因变异（异因），从而指导我们何时需要采取行动，何时不应过度干预。然而，SPC 的所有工具——无论是控制图、过程能力指数（Cpk/Ppk）还是 Pareto 图——都建立在统计学的基础之上。如果对总体与样本、均值与标准差、正态分布与中心极限定理等核心概念缺乏透彻理解，那么对控制图上的每一个点、每一条控制限的解读都可能产生偏差。本章将系统梳理这些基础统计概念，并重点阐明它们在 SPC 实际应用中的具体角色与价值。

上图清晰地展示了本章各核心概念之间的逻辑关系：我们从总体中抽取样本，通过计算样本的均值、中位数、极差、方差与标准差来估计总体的参数；而中心极限定理则保证了当样本量足够大时，样本均值的分布会趋近于正态分布，这为 SPC 中使用正态分布假设、建立控制限提供了坚实的数学基础。接下来，我们将逐一深入探讨这些概念。

2.1 总体与样本：统计推断的基石

核心原理

在统计学中，总体（Population）是指我们想要研究的全部对象的集合。在制造场景中，总体可以是“某条生产线今日生产的全部 10,000 个零件”或“某批次化工产品的全部质量特性值”。总体的特征用参数（Parameter）来描述，例如总体均值 μ（Mu）和总体标准差 σ（Sigma）。然而，在实际生产中，我们几乎不可能对总体中的每一个个体进行测量——这既耗费时间与成本，有时甚至是破坏性的（如拉力测试）。因此，我们需要从总体中抽取一部分个体进行测量，这部分被抽取的个体集合即为样本（Sample）。样本的特征用统计量（Statistic）来描述，例如样本均值 x̄（x-bar）和样本标准差 s。

SPC 的核心逻辑正是基于这种抽样推断思想：我们通过分析样本数据的变化，来推断总体（即整个生产过程）是否处于受控状态。如果样本统计量（如 x̄ 和 R）在控制限内随机波动，我们就有理由相信总体过程是稳定的；反之，如果样本统计量出现异常模式，则提示总体过程可能发生了偏移或变异增大。

判断方法或操作流程

在实际 SPC 应用中，抽样方法至关重要。常见的抽样策略包括：

合理子组（Rational Subgroup）：这是 SPC 中最核心的抽样原则。通常每隔一定时间（如每 2 小时）连续抽取 4-5 个产品作为一个子组。其目的是使子组内部的变异尽可能小（仅包含普通原因），而子组之间的变异能够反映出过程随时间的变化（可能包含特殊原因）。
随机抽样（Random Sampling）：确保每个产品被抽中的概率相等，避免人为偏差。
分层抽样（Stratified Sampling）：当过程存在多个班次、多台设备时，应分别从各层中抽样，以便识别层间差异。

经验提醒：子组大小 n 的选择直接影响控制图的灵敏度。n=4 或 5 是经济性与灵敏度的折中。若 n 过大（如 n>10），则极差 R 对离散度的估计效率会降低，此时建议使用标准差 s 控制图（X̄-s 图）。

案例拆解或实战场景

某汽车零部件工厂生产发动机气门杆，其外径是关键尺寸，规格要求为 φ8.000 ± 0.010 mm。质量工程师需要监控该过程的稳定性。由于全检成本过高，工程师决定采用 X̄-R 控制图。他规定：每 2 小时从生产线上连续抽取 5 件产品作为一个子组（n=5），共计划收集 25 个子组。这 25 个子组即为分析用控制图的数据基础。通过计算这 125 个数据的均值 x̄ 和极差 R，工程师可以估计过程的位置与离散度，并据此建立控制限。这里，所有生产出的气门杆是总体，而抽取的 125 件产品是样本。工程师的目标是通过样本的统计量来推断总体过程是否受控。

常见误区或总结复盘

风险警示：一个常见的错误是将样本统计量直接等同于总体参数。例如，某次抽样的均值 x̄ 恰好等于规格中心，并不代表整个过程均值就是规格中心。样本均值本身也存在波动（即抽样误差）。SPC 控制图上的控制限正是为了量化这种抽样波动而设定的。另一个误区是抽样频率不当。如果抽样间隔过长，可能会错过过程中的短期异常；如果抽样过于频繁且子组内包含长时间跨度，则可能将特殊原因混入子组内部，导致控制图不敏感。

2.2 均值、中位数与极差：描述数据的基本工具

核心原理

均值（Mean）是所有数据之和除以数据个数，记为 x̄。它是衡量数据集中趋势最常用的指标，对异常值（Outlier）敏感。中位数（Median）是将数据按大小排序后位于中间位置的数值。当数据量为偶数时，取中间两个数的平均值。中位数对异常值不敏感，因此在数据分布偏斜时更能代表“典型”水平。极差（Range, R）是数据中最大值与最小值之差，记为 R = X_max - X_min。它是最简单的离散度度量，计算方便，但仅利用了数据中的两个极端值，对样本量 n 的变化敏感，且容易受异常值影响。

在 SPC 中，均值 x̄ 用于监控过程的位置（即过程的中心趋势是否发生偏移），而极差 R 用于监控过程的离散度（即过程的变异是否增大）。X̄-R 控制图正是基于这两个统计量的组合。

判断方法或操作流程

计算这些统计量的标准流程如下：

收集一个子组的数据：x₁, x₂, ..., xₙ。
计算子组均值：x̄ = (x₁ + x₂ + ... + xₙ) / n。
计算子组极差：R = max(xᵢ) - min(xᵢ)。
收集 k 个子组后，计算总均值 x̄̄（x-double-bar）和平均极差 R̄。

这些值将用于后续控制限的计算。例如，X̄ 图的控制限为：UCL = x̄̄ + A₂·R̄，LCL = x̄̄ - A₂·R̄；R 图的控制限为：UCL = D₄·R̄，LCL = D₃·R̄。其中 A₂、D₃、D₄ 是根据子组大小 n 查表得到的常数。

表 2-1 常用控制图常数表（节选）
子组大小 n	A₂	D₄	d₂
2	1.880	3.267	1.128
3	1.023	2.574	1.693
4	0.729	2.282	2.059
5	0.577	2.114	2.326
6	0.483	2.004	2.534

案例拆解或实战场景

继续上述气门杆案例。假设第一个子组（n=5）的测量数据为：8.002, 7.998, 8.003, 7.999, 8.001 mm。则：

均值 x̄ = (8.002 + 7.998 + 8.003 + 7.999 + 8.001) / 5 = 8.0006 mm
极差 R = 8.003 - 7.998 = 0.005 mm

收集 25 个子组后，计算得到 x̄̄ = 8.0002 mm，R̄ = 0.0048 mm。查表 n=5 时，A₂=0.577，D₄=2.114，D₃=0。则 X̄ 图的控制限为：UCL = 8.0002 + 0.577 × 0.0048 = 8.00297 mm，LCL = 8.0002 - 0.577 × 0.0048 = 7.99743 mm。R 图的控制限为：UCL = 2.114 × 0.0048 = 0.01015 mm，LCL = 0（因为 n=5 时 D₃=0）。

常见误区或总结复盘

风险警示：初学者常犯的错误是用极差 R 直接估计总体标准差 σ。实际上，R 是 σ 的有偏估计，需要通过公式 σ̂ = R̄ / d₂ 来修正，其中 d₂ 是与 n 相关的常数（见表 2-1）。例如，n=5 时，d₂=2.326，因此本例中 σ̂ = 0.0048 / 2.326 ≈ 0.00206 mm。此外，当数据中存在明显异常值时，均值会被拉偏，此时应结合中位数进行判断。但在 SPC 中，我们通常不直接使用中位数控制图（除非数据分布严重偏斜），因为均值的统计效率更高。

2.3 方差与标准差：度量过程离散度的核心指标

核心原理

方差（Variance）是数据与其均值之差的平方的平均值。总体方差记为 σ²，计算公式为 σ² = Σ(xᵢ - μ)² / N。样本方差记为 s²，计算公式为 s² = Σ(xᵢ - x̄)² / (n - 1)，这里分母使用 n-1 是为了获得对总体方差的无偏估计（即贝塞尔校正）。标准差（Standard Deviation）是方差的正平方根，记为 σ 或 s。标准差的单位与原始数据一致，因此比方差更直观地描述了数据的离散程度。

在 SPC 中，标准差是计算过程能力指数（Cpk/Ppk）的基础，也是理解控制图控制限宽度的关键。控制限通常设定在均值 ±3 倍标准差的位置，这基于正态分布的性质——在均值 ±3σ 范围内包含了约 99.73% 的数据。

判断方法或操作流程

计算样本标准差 s 的步骤：

计算样本均值 x̄。
计算每个数据与均值的偏差：xᵢ - x̄。
将偏差平方并求和：Σ(xᵢ - x̄)²。
除以 (n-1) 得到方差 s²。
开平方得到标准差 s。

在 SPC 软件或 Excel 中，通常使用 STDEV.S 函数直接计算。需要注意的是，在建立 X̄-s 控制图时，我们使用子组标准差 s 来估计过程变异，而不是极差 R。当 n≥10 时，s 比 R 更有效。

案例拆解或实战场景

假设我们收集了另一个子组的数据（n=5）：8.005, 8.001, 7.996, 8.002, 7.998。计算过程如下：

均值 x̄ = 8.0004
偏差平方和 = (0.0046)² + (0.0006)² + (-0.0044)² + (0.0016)² + (-0.0024)² = 0.00002116 + 0.00000036 + 0.00001936 + 0.00000256 + 0.00000576 = 0.0000492
样本方差 s² = 0.0000492 / 4 = 0.0000123
样本标准差 s = √0.0000123 ≈ 0.0035 mm

这个 s 值反映了该子组内部的短期变异。在 X̄-s 控制图中，我们会将每个子组的 s 值点在图上，并监控其变化趋势。如果 s 值突然增大，说明过程离散度变大，可能存在特殊原因（如刀具磨损、材料批次变化等）。

常见误区或总结复盘

经验提醒：一个常见的混淆点是总体标准差 σ 与样本标准差 s 的区别。在计算过程能力指数 Cpk 时，我们需要估计过程的总体标准差 σ。如果过程稳定，我们可以用合并的样本标准差 s_p 或 R̄/d₂ 来估计 σ。但要注意，如果过程存在特殊原因（即不受控），此时计算出的 σ 估计值是无意义的，Cpk 也会失真。因此，必须先判断过程是否受控，再计算过程能力。另一个误区是忽略 n-1 的校正。当 n 较小时（如 n=2），使用 n 作为分母会严重低估方差，导致控制限过窄，增加误报警的风险。

2.4 正态分布与中心极限定理：SPC 的理论支柱

核心原理

正态分布（Normal Distribution）是连续随机变量最重要的概率分布，其概率密度函数呈钟形曲线，由均值 μ 和标准差 σ 完全决定。正态分布具有对称性，其均值、中位数、众数重合。根据经验法则（68-95-99.7 法则），约 68.3% 的数据落在 μ±1σ 内，95.5% 落在 μ±2σ 内，99.73% 落在 μ±3σ 内。这正是 SPC 控制限设定在 ±3σ 的理论依据——当过程受控时，点落在控制限外的概率仅为 0.27%。

中心极限定理（Central Limit Theorem, CLT）指出：无论总体分布是什么形状，只要样本量 n 足够大（通常 n≥30，但对于偏态分布可能需要更大），样本均值 x̄ 的抽样分布将近似服从正态分布，且该分布的均值为总体均值 μ，标准差为 σ/√n（称为标准误）。这一结论极其重要，它使得我们即使不知道总体分布的具体形式，也可以利用正态分布的性质对样本均值进行统计推断。

判断方法或操作流程

在 SPC 中，我们通常假设每个子组的均值 x̄ 近似服从正态分布。这基于以下逻辑：

如果原始数据本身服从正态分布，则 x̄ 严格服从正态分布。
如果原始数据不服从正态分布（如偏态分布），只要子组大小 n 足够大（n≥4 或 5 时，对于大多数分布已可接受），x̄ 的分布也会近似正态。

因此，X̄ 控制图的控制限计算（基于正态分布假设）是稳健的。然而，对于 R 图或 s 图，其分布并非正态，但控制限常数（D₃、D₄）已经通过理论计算考虑了这些统计量的实际分布。

案例拆解或实战场景

某电子元件生产过程中，电容值的分布呈轻度右偏（因为存在下限规格，数据被截断）。质量工程师担心使用 X̄-R 图是否有效。他收集了 100 个子组，每个子组 n=5。根据中心极限定理，即使原始数据偏斜，每个子组的均值 x̄ 的分布也会非常接近正态分布。他通过直方图验证了这 100 个 x̄ 值的分布，发现确实近似钟形。因此，他放心地使用了 X̄-R 控制图。相反，如果他不使用子组均值，而是直接对单个测量值绘制控制图（即 X-MR 图），则必须验证原始数据是否近似正态，否则控制限可能不准确。

常见误区或总结复盘

风险警示：最大的误区是认为所有过程数据都必须服从正态分布才能使用 SPC。实际上，SPC 控制图对非正态数据具有一定的稳健性，尤其是 X̄ 图。但对于单值控制图（I-MR 图）或过程能力分析（Cpk），正态性假设至关重要。如果数据严重非正态，应首先尝试数据变换（如 Box-Cox 变换），或使用非参数控制图。另一个误区是忽视中心极限定理对样本量的要求。虽然 n=5 通常足够，但如果原始分布极度偏斜或重尾，可能需要更大的 n。建议在建立控制图前，先绘制数据的直方图或正态概率图进行初步判断。

2.5 本章总结与复盘

本章我们系统梳理了 SPC 所依赖的统计学基础。从总体与样本的抽样推断逻辑出发，我们理解了为何通过少量样本即可监控整个生产过程。通过掌握均值、中位数、极差、方差、标准差的计算与含义，我们能够量化过程的位置与离散度。而正态分布与中心极限定理则为控制限的设定和统计推断提供了坚实的理论保障。

在实际应用中，请务必牢记以下要点：

先受控，后能力：只有在过程处于统计受控状态时，计算 Cpk 才有意义。
合理子组是关键：子组内应仅包含普通原因变异，子组间才能暴露特殊原因。
区分参数与统计量：μ 和 σ 是总体的未知参数，x̄ 和 s 是样本的已知统计量，控制图正是利用统计量来监控参数的变化。
正态性检验：在计算过程能力或使用单值控制图前，务必进行正态性检验（如 Anderson-Darling 检验）。