问：六西格玛中所说的二项分布和泊松分布是什么？在质量管理中怎样应用？
- 答：在制造业的实际情况中，我们经常会接触到离散性数据，以下是取自的课程截图，说明了两种应用的情况：
优思学院・六西格玛课程
当我们认识了不良和缺陷的分别，我们就会明白它们是依从不同的分布方式。
所谓的不良，是整个产品被视为不合格，例如，产品在功能测试上通不过，它们必须重新返工，这就是不良，当我们造了100件产品，有1件通不过，不良率就是1%。这种情况下的概率散简分布，就是二项此物分布。
所谓的缺陷，是产品上的一些问题或暇疪，一件产品可以有无数的缺陷或暇疪，这个数量在原理上是没有上限的，例如，一件衣服上可以有无数个小暇疪，好像掉线、小洞，但我们不一定会因为一个半个的掉线，就定义这件衣服为不合格。而这个暇疪的数量，就会依从另一种离散分布，就是泊松分布。
而二项分布，或是泊松分布，它们都有不一样的计算公式，它们计算平均值和标准差的方法都不一样，因此在控制图中的中心线、控制线也会使用不同计算方法，于是他们不会使用相同的控制图森掘液了。
如果你有上我们的课程的话，只要看看我们选择控制图 (课堂5.03-5.04) 的视频教学，就深入明白这点了。 - 答：二项分布和泊松分布是概率学里的内容，可以参考一下概率统计的书本，这种概率分布在一些模型里很重要
问：多个离散变量怎么检测p值
- 答：检测p值的正确方法如下所述：
通过假设检验的方式对两个离散变量进行相关性验证（通常我们会将置信值p-value 设置成5%），普遍的验证过程分以下四步，
Step One: 给出假设(null-test)，如假设两个变量a, b互相独立，那么我们就可以通过统计实验数据得出两个变量的分布
Step Two: 根据假设所得的变量分布，计算期望(Expected)与实际的偏差，并且我们知道这个偏差服从切比雪夫分布
Step Three: 根据算得的偏差和置信值（p-value），确定是否接受假设(accept null-test) 或者拒绝(reject null-test)（拒绝的原因基本上是因为实际观测值与预期值偏差过大，这种小概率事件发生，所以我们不接受假设）
Step Four: 得出结论，给出相关报告 - 答：赛题第一问：对恐怖袭击事件的危害程度建立量化分析模型。论文中的思路：（1）根据一定标准筛选变量；（2）数值变量标准化，分类变量进行哑变量；（3）主成分分析计算每个变量的权重和危害系数得分F值；（4）对F值进行K-Means。
（主成分分析好像是只能用于连续型变量，不能用于离散变量，这篇文章里对分类变量进行哑变量处理后如何进行主成分分析自己还没太想明白）。
赛题提供的原始数据量非常庞大，第一步肯定是对原始数据进行预处理，自己当时也想到了，但是根据什么标准来处理数据自己当时是一点思路也没有。这篇文章里筛选数据的标准：（1）删除缺失比例超过85%的变量；（2）删除确实比例超过50%的样本；（3）根据文献和主观因素，确定影响恐怖事件危害级别的主要因素是财产损失程度和伤亡人数，其他变量与这两个变量做相关性，删除掉与这两个变量相关性小的变量。
离散变量与财产损害程度进行卡方检验。
数值变量pearson相关性检验。
实例（R语言）
以下实例来自参考书《数学建模基于R》
Pearson X2(卡方)独立性检验
原假设H0:X与Y独立
备择假设H1:X与Y不独立（相关）
实例：月收入与工作满意度是否相关
问：《二项分布在农业中的应用》怎样换成一个有新意的论文题目？
- 答：作文2题目何必那么l长7呢？长0了t显得没内1涵啊。虽然思想到位了s、但给评分0老师闷陵握一j个j不w好的第一s印象啊蚂庆。题目最好要精简有力e。。有时一x个a字，两个n字就是很好的题目了t。让人h看到你的题目，汪裤就有想拜读的冲动，岂不m快哉？！你是想写以5前的理想被现实所淡化5了x的主题吧？这主题可以3写写的哦。。。我都想写这种东东了b啊 如今3社会太p不u给力v了x 是我们生不r逢时么o？还是咋滴呢。。。。谁知道呢。题目不j用太s煽情滴。。。要我写我会以4《此岸非彼岸》为8题。。lj萤tⅢj萤x○oな冖歆ü辶x○oな冖歆ü辶iq
