仅供个人参考
工具来评估这些变量之间的关系；识别关键输入变量（KPIV）和关键输出变量（KPOV）。 2. C&E 矩阵（应用）
绘制因果图和因果矩阵，能够使用它们分析输出变量和输入变量之间的关系。 3. 过程测量方法（评估）
掌握过程测量方法，如 FMEA、价值流图等。 B. 收集和归纳数据
1. 数据类型和测量尺度（评估）
识别和区分连续型数据（计量值）和离散型数据（计数值）。定义和应用定类测量尺度、定序测量尺度、定距测量尺度和定比测量尺度，并掌握各种测量尺度的特点。 2. 数据收集方法（分析）
掌握收集数据的方法，如普查和抽样。区分总体和样本，参数值和统计值等概念。 3. 抽样要求和方法（评估）
掌握从总体中抽样的要求，如有代表性、同质、偏倚等。选择和应用合适的抽样方法以确保数据的完整，如随机抽样法、分层抽样法、系统随机抽样法等。 4. 收集数据（评估）
在考虑数据用途和用法的基础上，用 5W1H 法设计数据收集计划，包括识别数据的收集点、数据收集方法、检查表、编
不得用于商业用途
仅供个人参考
码数据、自动数据采集等。
C. 概率与数理统计基础 1. 概率论基础术语（应用）
掌握描述性统计和推断性统计的定义和区别。了解描述数据集中趋势（如均值、中位数和众数）和离散程度（如极差、方差和标准差等）的指标。 2. 描述性统计（评估）
计算、解释数据集中趋势和离散程度的指标，构建并解释频率分布和累积频率分布。 3. 图表法（评估）
通过构建、应用、解释图形和图表来诠释事物之间的关系和数据的分布状态，如箱线图、运行图、散点图、直方图、正态概率点图等。 D. 概率论与概率分布 1. 概率计算（应用）
了解概率基本概念，如独立性、互斥事件、与/或条件、逆事件概率、条件概率、联合偶然事件等。 2. 常用分布（评估）
掌握几个常用分布：如正态分布、泊松分布、二项分布、卡方分布、t分布和 F 分布。 3. 其他分布（应用）
应用以下分布：超几何分布、0－1 分布、指数分布、对数正
不得用于商业用途
仅供个人参考
态分布及威布尔分布。 4. 中心极限定理（应用）
了解中心极限定理，应用其获得样本均值的分布，使用其在置信区间、控制图中做统计推断。 E. 测量系统能力 1. 测量方法（理解）
了解测量系统的概念和构成；了解连续和离散数据的测量方法；了解测量系统误差在过程管理中的影响。 2. 计量型数据测量系统分析（评估）
用重复性和再现性（R＆R）、相关性、偏倚、线性、精度/容差（P/T 比率）计算、分析和解释测量系统能力。用极差法和方差分析法计算 R＆R；了解交叉和嵌套的 R＆R 分析。 3. 属性值数据测量系统一致性分析（评估）
了解属性值数据测量系统一致性的概念；定义和使用组间和组内操作者的一致性、已知属性值的一致性，理解 Kappa 值，据此进行一致性分析。 4. 计量学（理解）
了解计量体系的构成，包括检定/校准系统、基准/标准和测量仪器的控制、使用及量值的传递和溯源。 F. 过程能力
1. 过程能力指数（评估）
了解过程能力分析的目的；辨别稳定性和能力之间的关系和区
不得用于商业用途
仅供个人参考
别；定义、选择和计算 Cp、Cpk 来评价过程能力。 2. 过程绩效指标（评估）
定义、选择和计算 Pp、Ppk、Cpm 来评价过程绩效，识别过程绩效和过程能力之间，长期和短期过程能力之间的区别。 3. 非正态数据的过程能力（评估）
掌握检验数据正态性的方法，以及非正态数据的转换方法，包括 Box-Cox方法和其他数据转换方法。 4. 属性值数据的过程能力（应用）
计算属性值数据的过程能力和西格玛水平。 5. 计算过程能力与规范（应用）
区别过程自然波动范围和规范界限的区别，计算过程绩效指标，如缺陷率、百万缺陷数（PPM）、百万机会缺陷数（DPMO）、单位缺陷数（DPU）、一次通过率（FTY）、过程西格玛水平、直通率等。 G. 服务过程测量 1. 服务质量（评估）
了解服务质量的概念和测量方法，以及 SERVQUAL 模型。 2. 顾客满意度分析（评估）
掌握问卷设计与顾客满意度的计算方法。
VI. 分析（22）
A. 过程分析和探索性数据分析
不得用于商业用途
仅供个人参考
1. 过程分析（评估）
理解过程分析的目的和意义，掌握分析过程的工具。 2. 相关分析（分析）
运用散点图和相关系数来确定变量之间的相关性；计算和解释相关系数和置信区间；理解相关性和因果关系之间的区别。 3. 回归分析（评估）
建立线性回归模型，计算和解释回归分析，应用回归统计量进行假设检验并解释。使用回归模型进行估计和预测，分析估计中的不确定性，并运用残差分析来验证模型。 4. 多变异分析（分析）
建立并解释多变异图，了解产品内、产品间和时间变异的区别，并能够进行判定；设计多变异分析的抽样计划。 5. 离散数据分析（应用）
用 logit, probit, logistic 回归来对离散数据进行变异源分析。 B. 假设检验 1. 术语（评估）
了解假设检验的目的；建立零假设和备择假设；定义和解释显著性水平、检出力、第一类错误和第二类错误。 2. 样本量（应用）
计算常用假设检验的样本量。（如均值和比率检验） 3. 点估计和区间估计（评估）
不得用于商业用途