质量人看大选 | 从美国大选看随机化

 四年一次的美国大选上周已落下帷幕。

本次驴象之争确实精彩。

摇摆州佛多里达州拥有29张选举人票，成为历年大选两党必争的摇摆州，流传着“得佛州者得天下”的说法

11.9号开票时我们发现一个现象， 两党在佛州的选票是轮替领先的。票数都开了一大半了，结果还是在变来变去，无法确定。

在其它的州的开票过程中也有这种情况.

为什么会出现这种情况?  

说明选票的开票不是随机的。有一定的潜在因素在影响。

假设有1000万张选票，如果我们随机化抽取100万张选票，理论上我们就应该能轻松推论出谁的票数是领先的。

在选举前，很多民调结果都是预测是希拉里获胜, 最后却是特朗普获胜了。
为什么?

说明这些民调机构用了各种数学模型，都无法随机取样。 最后不随机的样本，得出一个不正确的结果。

所以随机化很重要。

我们在做质量数据分析时，随机化同样非常重要。随机化能帮我们排除很多潜在的干扰因素。

抽样时的随机抽样。

测量系统分析时人员和测量部件的随机化

实验设计时，实验顺序的随机化。


下面介绍一个简单的随机化的方法：

假设我们有16次设验要做。

编好号，输入在Excel中.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

打6SQ统计3.0--实用工具--随机数发生器.

选择 正态分布 (或其它任意分布)，变量个数输入 1 随机数个数 16.




确定生成 16个随机数。跟刚才的16组实验数分别放在不同的列。
1    88.6
2    100.82
3    105.09
4    93.91
5    94.16
6    99.72
7    91.66
8    107
9    91.65
10    106.99
11    94.94
12    102.34
13    94.43
14    120.64
15    79.93
16    102.33
选择两个列，打开excel数据--排序, 选择主要关键字为随机数列





确认后，数据重新排列， 数据A中就是我们随机化后，真正要做实验的顺序。



当然，如果您觉的随机化还不够，可以再取16个随机数，再随机一次。