什么是3Sigma原理？ 理工类专业有哪些
1、通信工程
通信工程专业（Communication Engineering）是信息与通信工程一级学科下属的本科专业。该专业学生主要学习通信系统和通信网方面的基础理论、组成原理和设计方法，受到通信工程实践的基本训练，具备从事现代通信系统和网络的设计、开发、调测和工程应用的基本能力。
2、软件工程
软件工程是一门研究用工程化方法构建和维护有效的、实用的和高质量的软件的学科。它涉及程序设计语言、数据库、软件开发工具、系统平台、标准、设计模式等方面。
在现代社会中，软件应用于多个方面。典型的软件有电子邮件、嵌入式系统、人机界面、办公套件、操作系统、编译器、数据库、游戏等。同时，各个行业几乎都有计算机软件的应用，如工业、农业、银行、航空、政府部门等。
3、电子信息工程
电子信息工程是一门应用计算机等现代化技术进行电子信息控制和信息处理的学科，主要研究信息的获取与处理，电子设备与信息系统的设计、开发、应用和集成。
电子信息工程专业是集现代电子技术、信息技术、通信技术于一体的专业。
本专业培养掌握现代电子技术理论、通晓电子系统设计原理与设计方法，具有较强的计算机、外语和相应工程技术应用能力，面向电子技术、自动控制和智能控制、计算机与网络技术等电子、信息、通信领域的宽口径、高素质、德智体全面发展的具有创新能力的高级工程技术人才。
4、车辆工程
车辆工程专业是一门普通高等学校本科专业，属机械类专业，基本修业年限为四年，授予工学学士学位。2012年，车辆工程专业正式出现于《普通高等学校本科专业目录》中。
车辆工程专业培养掌握机械、电子、计算机等方面工程技术基础理论和汽车设计、制造、试验等方面专业知识与技能。
了解并重视与汽车技术发展有关的人文社会知识，能在企业、科研院（所）等部门，从事与车辆工程有关的产品设计开发、生产制造、试验检测、应用研究、技术服务、经营销售和管理等方面的工作，具有较强实践能力和创新精神的高级专门人才。
5、土木工程
土木工程（Civil Engineering）是建造各类土地工程设施的科学技术的统称。它既指所应用的材料、设备和所进行的勘测、设计、施工、保养、维修等技术活动，也指工程建设的对象。
即建造在地上或地下、陆上，直接或间接为人类生活、生产、军事、科研服务的各种工程设施，例如房屋、道路、铁路、管道、隧道、桥梁、运河、堤坝、港口、电站、飞机场、海洋平台、给水排水以及防护工程等。
土木工程是指除房屋建筑以外，为新建、改建或扩建各类工程的建筑物、构筑物和相关配套设施等所进行的勘察、规划、设计、施工、安装和维护等各项技术工作及其完成的工程实体。
专业老师在线权威答疑 zy.offercoming.com
3σ准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。且3σ适用于有较多组数据的时候。
3σ原则为
数值分布在（μ-σ,μ+σ)中的概率为0.6827
数值分布在（μ-2σ,μ+2σ)中的概率为0.9545
数值分布在（μ-3σ,μ+3σ)中的概率为0.9973
可以认为，Y 的取值几乎全部集中在（μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%.
扩展资料：
3σ准则是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。如果一组测量数据中某个测量值的残余误差的绝对值 νi＞3σ，则该测量值为坏值，应剔除。
通常把等于 ±3σ的误差作为极限误差，对于正态分布的随机误差，落在 ±3σ以外的概率只有 0.27%，它在有限次测量中发生的可能性很小，故存在3σ准则。3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多( n ≥30)或当 n＞10做粗略判别时的情况。
正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以X=μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。
σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
参考资料：百度百科-3σ准则
3σ准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。且3σ适用于有较多组数据的时候。
3σ原则为
数值分布在（μ-σ,μ+σ)中的概率为0.6827
数值分布在（μ-2σ,μ+2σ)中的概率为0.9545
数值分布在（μ-3σ,μ+3σ)中的概率为0.9973
可以认为，Y 的取值几乎全部集中在（μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%.
扩展资料
3σ准则是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。如果一组测量数据中某个测量值的残余误差的绝对值 νi＞3σ，则该测量值为坏值，应剔除。
通常把等于 ±3σ的误差作为极限误差，对于正态分布的随机误差，落在 ±3σ以外的概率只有 0.27%，它在有限次测量中发生的可能性很小，故存在3σ准则。3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多( n ≥30)或当 n＞10做粗略判别时的情况。
正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以X=μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。
σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
参考资料来源：百度百科——3σ准则
针对这个问题，用一两句话是难以说清楚的，这是数理统计学的内容，当质量特性呈正态分布时（实际上，当样本足够大时，二项分布、泊松分布等均趋近于正态分布），3Sigma水平代表了99.73%的合格率（2700PPM）；另外，我们常用的8大常规控制图，其也是根据3SIGMA原理进行设计的。另外，在一些领域，我们还采用6SIGMA水平，考虑到±1.5σ偏移时，即大家熟知的3.4PPM.你可以查阅一些书籍！
