第5章口 计数值的假设检验与估计.pptVIP

质量管理统计 第五章 计数值的假设检验与估计 在我们所收集的数据中，除了计量值外，还有根据标准被认定为不合格产品数及划痕、事故数等以1，2，3，…表示的量，以及用百分比表示的不合格品率，每单位的不合格数等计数值数据。如第三章所述，计数值数据服从二项分布或泊松分布，假设检验与估计的基本思路与计量值数据相同，但由于统计量不同，假设检验公式也不同。 第五章 计数值的假设检验与估计 利用二项分布或泊松分布的公式或图表可以直接求出计数值数据分布的概率。由于这些分布同F分布卡方分布有关，在质量管理中我们获得的数据量一般都相当大，用正态分布近似计算数据分布可使假设检验和估计变得简单，且不影响实际应用。 第一节 不合格品率的假设检验与估计 一、总体不合格品率的假设检验与估计 A工序不合格品率高达7.3%。最近，对工序做了部分调整，寻求降低不合格品率的对策。新工序生产的250个产品中，有9件不合格品，调整工序是否真正使不合格品减少了？能估计出新工序的不合格品率是多少吗？ 总体不合格品率的假设检验与估计 假设工序调整后不合格品的发生情况与原来相同，还是0.073。 从不合格品率为P的总体中取n个样品，其中包含r个不合格品的概率服从二项分布，其平均个数? 和标准差?如下面公式所示。 总体不合格品率的假设检验与估计 在 时，即，如果不合格品及合格品的期望值都在5以上，二项分布近似于正态分布，可以用正态分布求其概率。因此： 总体不合格品率的假设检验与估计 上面的问题是n=250，P=0.073，因为满足正态分布的近似条件，所以可以利用这个公式进行假设检验。 总体不合格品率的假设检验 ⑴建立假设，确定显著性水平。 总体不合格品率的估计 新工序的不合格品率可以用下式进行估计。 点估计： p=r/n 区间估计，置信度(1-?): 总体不合格品率的估计 新工序不合格品率的点估计： p=r/n=9/250=0.036 置信度为95%的置信区间为： 二、2组产品不合格品率之差的假设检验与估计 用A、B两台设备加工产品，A设备生产的350个产品中有64个不合格，B设备生产的200个中有22个不合格。两台失败的不合格品率是否不同？如果不同，能估计出其差异有多大吗？ 2组产品不合格品率之差的假设检验与估计 利用2组样本的个数nA，nB，以及各自的不合格品数rA，rB计算不合格品率pA，pB。两组产品不合格品率是否存在差异的假设检验就是利用下面公式计算U0与正态分布表中的值相比较。 2组产品不合格品率之差的假设检验与估计 是所有样本的不合格品率。 两组产品不合格品率之差的假设检验 ⑴建立假设，确定显著性水平。 两组产品不合格品率之差的假设检验 ⑷与正态分布表的值比较，并作出判断。 两组产品不合格品率之差的估计 利用以上学过的公式估计两组产品不合格品率之差。 两组产品不合格品率之差的估计 即A、B两台设备的不合格品率有7.3%的差别。在置信度有95%的条件下的置信区间为1.4%~13.2%。可利用前面的公式可以分别对A、B两台设备的不合格品率的区间进行估计。比如A的置信区间为： 两组产品不合格品率之差的估计 也可以利用后面叙述的拟合度检验或分割表法对不合格品率进行假设检验和估计。3组以上不合格品率之差的假设检验，参阅本章的列联表。 第二节 不合格数的假设检验与估计 产品的瑕疵、气泡等的出现数量，设备的故障、工厂事故等发生次数服从泊松分布，可以利用上一节同样的方法进行假设检验和估计。 A工厂最近的6个月共发生非停产的事故42起。同类企业相同规模的工厂每月发生11起。与此相比，是否可以认为A工厂非停产事故的发生次数少？A工厂每月事故发生次数的估计值是多少？ 不合格数的假设检验与估计 瑕疵数、事故次数等服从泊松分布，参数为m的泊松分布其均值和标准差分别为： 不合格数的假设检验与估计 以上公式可以对上述数据进行假设检验。利用下式可以求得m的置信区间。 总体不合格数的假设检验 ⑴建立假设，确定显著性水平。 总体不合格数的假设检验 ⑷与正态分布表的值比较，并作出判断。 总体不合格数的估计 A工厂每月事故次数的估计。 第三节 拟合度的检验 把产品的尺寸等观测值绘制成直方图，看其是否真正服从正态分布；观测骰子各个数字出现的频率确定1~6各个数字是否以相同的比例出现；新的生产过程不合格品的发生情况是否与原来的一样等，需要通过检验确定观测频数与理论计算的频数（期望频数）是否一致。此时，可以利用下面公式计算 ，并与自由度(k-l)的 分布表的分位点作比较，即可作出判断： 一、总体不合格品的假设检验 对本章第一节的问题进行拟合度检验。 ⑴设新工序的不合格品率与原工序的不合格品率p0相同