SPC数理统计基础.pptVIP

SPC的数理统计基础知识 为便于应用，可令 ?=0，?=1的正态分布为标准正态分布，记作N(0，1)。根据正态分布的密度函数，标准正态分布的密度函数可记为： 2、标准正态分布： 对于一个 ??0，??1的任一正态分布只需作如下变换转化为标准正态分布。即设统计量Z为： 正态分布 即将总体中的每一个值减去 ?并放大?倍。从而使上述积分的计算与 ?和?的具体数值无关。于是 简记为 ?(Z)，它是标准正态分布N(0，1)的累积分布函数。 正态分布 附表1中的正态分布表是以标准正态分布设计的。该表给出从-4.99?? Z?4.99范围内的?(Z)值。表中的第一列表示Z的整数部分及小数点后第一位，第一行为Z的小数点后第二位值。为便于排版，表中采象031078、938922等写法，分别表示小数点后有3个0或3个9，即0.0001078和0.9998922。 例1、已知发火管爆破压力服从N(89，4.6)的正态分布，试求：(1)x?80的概率；(2) x?90的概率 ; (3) 80? x?90的概率；(4) x?90的概率。 正态分布 Z1=(80-89)/4.6=-1.96 查表，当 Z1 =-1.96时，得 ?(-1.96)=0.025 即对于正态变量x服从 N(89，4.6)时，爆破压力小于80的概率为2.5%。 (1)首先，将N(89，4.6)转化为N(0，1)的标准正态分布，即计算统计量Z1： 解： (2)统计量Z2=(90-89)/4.6=0.22 查表，得 ?(0.22)=0.5871 即压力值低于90的概率近似为59%。 (3) P(80? x?90)= ?(Z2)- ?(Z1)=0.59-0.025=0.565 正态分布 故 P(x?90 )=1- ?( Z2 )=1-0.59=0.41。 (4) 由于 三、样本均值 的分布 统计推断是根据样本统计量( 、s 等)，去对总体作出判定，若已知总体的概率分布，则通常可以确定由所抽取的样本统计量的概率分布。统计量的概率分布称抽样分布。 可以证明，不论总体分布如何，样本均值 的分布都近似为： 正态分布 即，均值不变，而标准差为： 四、正态性检验 直方图虽然很象正态分布，但直方图并非是稳定的，而且利用正态分布解决问题(常直接使用正态分布表)，也并非要画直方图。这常需要直接验证数据是否服从正态分布，即所谓的正态性检验问题。 数据的正态性检验有多种方法，如X2检验法、偏态、峰态检验法等，这里只介绍一种简单而有效的方法： 正态分布 有一种特殊的坐标纸， 叫正态坐标纸，它的横坐标是普通刻度，纵坐标按正态分布规律刻划，按照规定方法在正态纸上打点，如果数据分布是正态的，则打出的点子近于一条直线，而且我们还可依据这条直线估计总体均值 ?和总体标准差? 。 例 5、我们仍以爆破压力频数表为基础介绍其步骤： (1) 准备一张正态概率纸备用； (2) 在频数(频率)表基础上，计算累积频率 F i ； (3) 将特性值X i 和F i 分别标在横轴和纵轴上； 正态分布 (4)作一条直线，并使这条直线的两边点子大体相等(首末两点可不作考虑)； (5)根据各点散布情况作出判断，由于各点基本处于一直线上，因此认为数据服从正态分布。 正态概率纸还可用来估计均值和标准差。 F i =50%处向横轴引垂线与横轴交点为?； F i =84.1%或(15.9%)的交点为?+?(或(?-? )，于是可得 ? 该例：?=88.70%, ? =88.70-84.30=4.40。 正态分布 第三讲： 质量变异的规律性分析 三、 二项分布和泊松分布(binomial Poisson distribution) 一、二项分布(binomial distribution) 二项分布和泊松分布 有时，一个事物只有两种可能的状态或结果，例如：一件产品的检验，要么合格，要么不合格；一个待发射的卫星，要么发射成功，要么发射不成功；虫子吃了农药，要么死去，要么活着，等等，二者必居其一。此时，我们都可用二项分布来研究和分析这类问题。 以产品检验为例，虽然结果只有合格与不合格两种情况，但抽到不合格品(或合格)的概率显然决定于该批产品的固有不合格率。如果我们用p和q分别代表不合格率和合格率，则p+q=1，(p+q)n 的展开式也应为1；从而得出 第x=r项即n个产品中出现 r 个不合格的概率为： 二项分布和泊松分布 或 写成一般形式为： 二项分布的均值和标准差分别为： 二项分布属离散型分布，其图形由横座标上孤立点的垂直线表示 (如图) 二项分布和泊松