帕累托图
帕累托图是一种特殊的条形图,以直观方式表现帕累托原则(80/20 法则),用于对问题或原因排序。它用条形表示按频次计数排序的类别或名义变量,频次最高的在最左侧。
最后审阅
核心要点
帕累托图是一种特殊的条形图,以直观方式表现帕累托原则(80/20 法则),用于对问题或原因排序。
帕累托图
什么是帕累托图?
帕累托图是一种特殊的条形图,以直观方式表现帕累托原则(80/20 法则),用于对问题或原因排序。它用条形表示按频次计数排序的类别或名义变量,频次最高的在最左侧。这种排序有助于识别造成大部分影响(约 80%)的“关键少数”因素,使改进工作能集中于这些关键领域。
何时使用帕累托图?
帕累托图在以下情形中特别有用:
- 问题解决:识别最需要处理的重大问题。
- 质量控制:确定应优先处理哪些缺陷。
- 过程改进:突出需要改进的关键领域。
- 决策:把精力和资源集中于影响最大的问题。
总之,帕累托图是用于排序、问题解决、根本原因分析、质量改进、决策和绩效评估的有价值工具。在处理复杂数据集,且希望识别并集中关注影响最显著的因素时,它最为有效。
正确使用帕累托图的指南
- 收集汇总数据或原始数据。
- 汇总数据代表各类别,可以是计数,也可以是均值等计算值。
- 原始数据代表单次发生或缺陷,每个观测占单独一行。
- 使用汇总数据或原始数据创建图形。
- 遵循上述指南,确保结果有效。
替代方法:何时不宜使用帕累托图
- 非离散数据:如果数据是连续的,或不易划分为不同的组,帕累托图可能不适用。
- 小数据集:当样本量很小时,帕累托图可能无法提供有意义的洞察,因为问题或原因的分布可能不够显著,不足以呈现明显的帕累托原则(80/20 法则)。
- 定性数据:对于定性数据,或没有自然顺序或排序的分类数据,帕累托图可能不够有效。
- 缺乏变异:如果所有数据点相对相似或变异很小,帕累托图可能无助于识别最关键的问题。各项之间的差异过于细微,难以辨别出任何明显的模式。
- 直方图:直方图在处理大型数据集和连续变量时尤其有用,而帕累托图更适合离散变量。
- 条形图:当您想清楚地比较不同组时,条形图很有效,而帕累托图则按累计频次或影响对各项排序。
- 散点图:散点图常用于统计分析和研究,以考察关系的强度和方向,而帕累托图关注的是单个项目的频次或影响。
- 箱线图:当您想比较分布,或识别数据的离散程度和偏度时,箱线图很有用。它们在处理大型数据集和多个变量时尤其有价值,而帕累托图更适合用于排序。
帕累托图示例
为了确定改进项目的优先顺序,某服装制造商的检验员检查了服装缺陷的各种来源。检验员在整个生产过程中仔细监控并记录这些缺陷的数量和性质。
随后,工程师利用检验员收集的数据创建帕累托图。该图有助于对检验员发现的缺陷排序,突出需要立即关注的最重大或最常出现的问题。步骤如下:
- 收集必要的数据。
- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到帕累托图,请选择 Statistical module> Graphical analysis> Pareto Chart.
- 在工具内,输入数据及其他输入项如下:
- 使用上述工具后,得到的输出如下:



如何创建帕累托图
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Graphical analysis >Pareto Chart。
- 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据或粘贴(Ctrl+V)到此处,也可以使用 Load Example 选项,加载示例数据。
- 接下来,把各列与相应参数对应起来。
- 最后,点击页面底部的 calculate,即可得到所需结果。
在帕累托图的工具界面中,窗口分为两部分。

左侧是数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可手动输入数据,也可从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
Load example:将加载示例数据。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- Defects or attribute data: 在帕累托图中,计数型数据指描述某一项目或类别的特征或属性的定性或分类数据,即为分析其频次和影响而考察的具体问题类型或类别。计数型数据是非数值的,通常用标签、类别或离散值表示。
- Frequencies: 在帕累托图中,频次表示某一特定类别或事件的发生次数或观测次数。
- Pareto threshold percent: 在帕累托图中,帕累托阈值百分比是指用于确定识别显著贡献因素的截止点的百分比值。帕累托阈值百分比是图上因素累计百分比达到或超过指定阈值的点。它有助于确定哪些因素对总体效应有显著贡献。
- Combining remaining attributes after threshold: 在帕累托图中,在某一阈值之后合并其余属性,是指把低于指定阈值的所有属性或类别归并在一起,并视为单一类别或组。这样做是为了简化图形,并聚焦于最显著的贡献因素。
- Chart cumulative percent: 在帕累托图中,累计百分比是指图中每个类别或组所代表的占总值或总频次的累计百分比。它有助于分析每个类别对总体的贡献。
- Significant color: 显著颜色用于突出造成问题最大部分的最重要类别或缺陷,有助于快速识别哪些方面最需要关注。
- Trailing color: 累计线所用的颜色,该线贯穿图形,表示占缺陷或发生总数的累计百分比。这条线有助于直观理解帕累托原则,即少数原因往往占问题的大多数。
- Download as Excel: 以 Excel 格式显示结果,该格式便于编辑,并可通过 load file 选项重新加载用于计算。
常见问题
什么是帕累托图?
帕累托图是一种特殊的条形图,应用帕累托原则即 80/20 法则对问题或原因排序。条形代表按频次排序的类别,最高的在最左侧,累计百分比线有助于识别造成大部分影响的关键少数因素。
什么情况下应使用帕累托图?
在问题解决中用于识别最重大的问题;在质量控制中用于决定应优先处理哪些缺陷;在过程改进中用于突出关键领域;在决策中用于把精力和资源集中于影响最大的问题。它适用于汇总计数,也适用于每行一次发生的原始数据。
帕累托图在什么情况下不适用?
对于无法划分为不同类别的连续数据、非常小的数据集,或所有类别相似且变异很小的情形,帕累托图可能不适用,因为不会出现明显的模式。对于连续变量,直方图更有用;对于变量之间的关系,则散点图更有用。
什么是帕累托阈值百分比?
帕累托阈值百分比是用作截止点来识别显著贡献因素的累计百分比,即因素累计百分比达到或超过阈值的点。低于阈值的类别可以合并为单一组,以简化图形并聚焦于最显著的贡献因素。
