假设估计幅度的两端是平均数的±3西格玛，以下哪项幅度估计的风险最低

假设估计幅度的两端是平均数的±3西格玛，以下哪项幅度估计的风险最低

传统的过程能力质量模型与六西格玛在以下两个方面有着本质的不同：1、传统模型只用于制造过程，而六西格玛适用于所有重要的商业过程这些区别的内涵远比一般人能想到的要深入得多。六西格玛在商业过程中的应用，不仅使人们采用了一种新的观念--把制造作为大系统中的一个组成部分来看待，还摒弃了传统方法中狭隘、不开放的缺点。顾客关心的不仅仅是一个产品制造得如何。价格、服务、付款期限、风格、实用性、更新和改进的速度、技术支持等一系列因素都是非常重要的。六西格玛不仅使顾客受益，随着运作过程的单位成本效益的提高和产品设计周期的缩短，公司的所有者和投资人都能受益。随着雇员生产率的提高，他们的工资也会提高。六西格玛涉及范围极广，组织的利益方都能从中受益。2、传统模型对过程的要求是，过程标准差只是整个容许偏差的1/6而六西格玛要求过程标准差是整个容许偏差的1/12，六西格玛从本质上说，是一个过程质量目标，其中西格玛(sigma)是过程变异在统计上的度量。同样它也属于有关过程能力的技术范畴。传统的质量模型认为：如果过程的分布中心加减三个西格玛后仍在工程容差范围内，那么，过程是有能力的。在正态分布的假设前提下，这种三西格玛质量水平意味着过程合格率为99.73%。后来进一步严格对过程中心和波动的要求，缩小最小可接受的条件为：过程均值距离最近的工程要求至少四西格玛。六西格玛要求过程均值距离最近的工程要求至少六西格玛。六西格玛同样适用于离散数据的处理，例如计算出错的个数，这需要把六西格玛的要求转化为对应的合格水平。关于六西格玛有一个让人疑惑不解的地方，那就是它声称六西格玛质量水平的运作过程产生100万分之3-4的不合格率，记为3.4ppm。可是，如果查阅正态分布表就会发现，所期望的不合格率应为0.002ppm(即10亿分之2)。这两者间的差距是因为假定过程均值可以有正负1.5西格玛的偏移。正态分布落在离均值4.5西格玛外的概率正好是3.4ppm。由控制图可以很容易从单个样本中检测到这个幅度的过程偏移，所以3.4ppm代表了不合格率保守估计的上限。与六西格玛质量相比，传统三西格玛质量标准的99.73%，即使在没有任何偏移的情况下，也意味着2700ppm的不合格率。如果生产过程由一系列步骤组成，那么这个过程的总合格率是每一步骤的合格率的乘积。例如，一个简单的由2个步骤组成的过程，步骤一的合格率为80%，步骤二的合格率为90%，那么总的合格率就是0.8x0.9=0.72=72%。注意的是，由一系列步骤组成的过程的总合格率会小于步骤合格率中的最小值。在一个由10个步骤组成的过程中，如果每个步骤都达到了三西格玛质量水平，即99.73%的合格率，过程结束的质量水平却是惊人的：100万个产品中将有26674个不合格品!现代生产过程的复杂性决定了生产过程远远不止10个步骤，因此采用六西格玛已经是刻不容缓的，组织要生存，就需要六西格玛。并不只是多步骤的制造过程才需要这种极高的质量要求。现代社会迫切地需要极高质量水平、极少错误的产品和服务，六西格玛就是这样应运而生。

支持一下感觉挺不错的