在日常生活中，我们经常会遇到一些需要进行预测（估计）的情况。与之同时，会遇到一个很实际的问题，老板会提出一些针对预测（估计）的需求。
于是，工程师们开始玩命的研究统计学，希望从中找出一种"既能获得准确可信的估计结果，又能少抽样"的统计工具。
大家要牢记一点，如果希望通过抽样来进行某种估计，那么：
估计的风险是必然存在的
统计学家和半仙们的最大区别在于：
换句话说，半仙们的估计是这样的：
而统计学家的估计是：
因此，基于统计学而言，总是用一个包含概率的结果来表示估计的结论。这个概率被称为"置信概率"。可以理解为，我们有多少信心（概率）来保证估计的结果是准确（可信）的。
在收集的信息量相同的情况下，估计结果和估计的置信（可信）概率之间的关系是这样的。
注：为什么是-273℃而不是负无穷大，请百度"绝对零度"的定义。
我们发现一个问题，在不增加信息量的情况下，要求增加估计的置信（可信）概率是徒劳的。这个时候，统计上给出的置信区间宽度会随着置信概率的增加而变大，最终变得毫无参考意义。
如果我们预先规定估计的置信（可信）概率保持不变（比如95%），而又希望获得有意义的置信区间（这意味着置信区间的宽度应该尽量"窄"），只能通过增加抽样样本量来实现。
例如，我们查阅GB2828.1的标准，希望获得一个抽样计划来判断整个批次产品的是否能接受的时候，都会有一个疑问：为什么要抽那么多的样本量？假设，我们查阅GB2828.1，得到一个抽样计划是：
抽样样本量n=125，不良品数要求：5收6退
那么，为什么不能抽25件，1收2退呢？我们用Minitab软件来计算一下两种情况下的95%置信区间。
对照可以发现，两种抽样情况下的95%置信区间的宽度差异非常大。
因此，对于工程师而言，能否找到一种统计方法，实现"抽样数量少并且估计结果准确"呢？最终结论是：
了解更多统计工具统计培训知识，点击下面链接报名
閱讀更多 IATF16949 的文章
