SPC(高级)教程.ppt

SPC（高级）教程 品质保证部 2003年11月13日 目录： 基本实验设计 1.1 估计 1.2 假设检定 1.3 实验设计 1.1 估計 意義： 由樣本資料對母體未知參數所做之估計可分為：估計量(estimator)是用來估算母體參數之統計量。估計值(estimate)則是樣本資料經過估計量計算所得的特定值。 點估計是利用樣本資料，求得一估計值以表示未知參數的方法。由母體中抽取樣本，根據資料計算或得知樣本各種代表值稱為統計量(statistic)。例如若 為樣本中的觀測值。則： 樣本平均數： 用以估計母體平均μ。 樣本變異數： 用以估計母體變異數： 樣本標準差： 用以估計母體標準σ。 區間估計是一個隨機區間，使得參數之真實直落在此一隨機區間內，具有某種機率水準，此隨機機率區間通常稱為信賴區間(confidence interval, CI)。 參數的區間估計值是由兩個統計量所構成的區間，此區間須使參數落在此區間內之機率具有某種水準，即 P{L≦θ≦L}=1－α 1－α稱為信賴係數或信賴水準，L稱為信賴下限，U稱為信賴上限。上述之區間稱為未知參數θ之100(1－α)%雙邊信賴區間。在應用上可能會需要單邊信賴區間，如P{L≦θ}=1－α，或P{θ≦L}=1－α。 假設隨機變數X之平均值μ為未知，變異數已知為 。由樣本大小為n之樣本，估計出平均數 。則母體平均數μ之100(1－α)％信賴區間為： 若母體之分配不為常態，則由中央極限定理，上述之信賴區間可視為μ之100(1－α)％近似信賴區間。 若X為常態分配隨機變數，平均值μ與變異數 均為未知，由樣本大小為n之樣本，估計出平均數 ，樣本標準差為 ，則平均數μ之100(1－α)％信賴區間為： 隨機變數 之平均數為 ，變異數為 。 之平均數為 ，變異數為 。若 、 未知， 與 已知，兩母體各抽 、 組樣本，平均數差 － 之100(1－α)％信賴區間為： 假設 ， 。平均數 、 ，變異數 、 均未知，但兩變異數可假設相等，即 ＝ ＝ 。兩母體各抽 、 組樣本，分別可得平均數為 ，變異數 。由於兩母體之變異數假設為相等，可利用下列公式計算混合樣本變異數(pooled sample variance) ，做為 的估計值。 兩母體平均數差 － 之100(1－α)％信賴區間為　 假設X為常態分配之隨機變數，其平均數 和變異數 均為未知。今從樣本數為n之隨機樣本所估計出的樣本變異數為Ｓ，則變異數之100(1-a)%雙邊信賴區間為 ≦ ≦ ，其中 為卡方分配右尾尾端機率為 所對應之卡方值，亦即P{ }= 。單邊之100(1-a)%上、下信賴區間分別為 和 假設X~N( )，且 ，其中 均為未知。若S 和S 為樣本變異數，樣本數分別為 和 ，則兩常態母體變異數比的雙邊100(1-a)%信賴區間為 其中 為F分配右尾尾端機率為a/2所對應之F值，亦即 。兩變異數比的單邊上、下信賴區間分別為 1.2 假設檢定 意義： 假設檢定是根據機率理論，由樣本資料來驗證對母體參數之假設是否成立之統計方法。統計假設(statistical hypothesis)是對機率分配之參數所作的陳述。例如我們認為某產品之內徑平均數為1.0㎝，此陳述可表示為： 所代表之陳述稱為虛無假設(null hypothesis)，而稱為對立假設(alternative hypothesis)。此例子的對立假設表示平均數不是大於1.0，就是小於1.0，此種假設稱為雙邊之對立假設。當然在某些情況下我們需要單邊之統計假設。例如 ：μ﹦1.0， ：μ＞1.0。 實施假設檢定之步驟： 假設檢定之過程包含下列步驟： 決定 與 決定適合之檢定統計量 選取顯著水準α 根據檢定統計量之機率分配，找出拒絕 之區域。 由母體抽取一組隨機樣本，計算檢定統計量之值。 做出拒絕或不拒絕 之決策。 注意事項： 在進行假設檢定時，有兩種錯誤須注意。型Ⅰ誤差是指 為真時，