在日常生活中，我們經常會遇到一些需要進行預測（估計）的情況。與之同時，會遇到一個很實際的問題，老闆會提出一些針對預測（估計）的需求。
於是，工程師們開始玩命的研究統計學，希望從中找出一種"既能獲得準確可信的估計結果，又能少抽樣"的統計工具。
大家要牢記一點，如果希望通過抽樣來進行某種估計，那麼：
估計的風險是必然存在的
統計學家和半仙們的最大區別在於：
換句話說，半仙們的估計是這樣的：
而統計學家的估計是：
因此，基於統計學而言，總是用一個包含概率的結果來表示估計的結論。這個概率被稱為"置信概率"。可以理解為，我們有多少信心（概率）來保證估計的結果是準確（可信）的。
在收集的信息量相同的情況下，估計結果和估計的置信（可信）概率之間的關係是這樣的。
注：為什麼是-273℃而不是負無窮大，請百度"絕對零度"的定義。
我們發現一個問題，在不增加信息量的情況下，要求增加估計的置信（可信）概率是徒勞的。這個時候，統計上給出的置信區間寬度會隨著置信概率的增加而變大，最終變得毫無參考意義。
如果我們預先規定估計的置信（可信）概率保持不變（比如95%），而又希望獲得有意義的置信區間（這意味著置信區間的寬度應該儘量"窄"），只能通過增加抽樣樣本量來實現。
例如，我們查閱GB2828.1的標準，希望獲得一個抽樣計劃來判斷整個批次產品的是否能接受的時候，都會有一個疑問：為什麼要抽那麼多的樣本量？假設，我們查閱GB2828.1，得到一個抽樣計劃是：
抽樣樣本量n=125，不良品數要求：5收6退
那麼，為什麼不能抽25件，1收2退呢？我們用Minitab軟件來計算一下兩種情況下的95%置信區間。
對照可以發現，兩種抽樣情況下的95%置信區間的寬度差異非常大。
因此，對於工程師而言，能否找到一種統計方法，實現"抽樣數量少並且估計結果準確"呢？最終結論是：
瞭解更多統計工具統計培訓知識，點擊下面鏈接報名
閱讀更多 IATF16949 的文章
