质量工程师考试资料 ﹝12﹞.pptVIP

过程管理讲座 统计过程控制 抽样检验 可靠性工程 第一部分 统计过程控制 第一章 概率统计基础知识 概率基础知识 随机变量及其分布 统计基础知识 参数估计 假设检验 第一节 概率基础知识 事件与概率 概率的古典定义与统计定义 概率的性质及其运算法则 事件与概率 随机现象（或随机试验 可以在相同的条件下重复进行 试验的可能结果不止一个，并且能事先明确知道试验的所有结果 在每次试验前，不能肯定这次试验会出现什么结果，但可以肯定每次试验总是出现这些可能结果中的某一个 事件与概率 样本空间 由随机试验的所有可能结果构成的集合称为样本空间，用?表示 试验的每一个结果称为一个样本点，用?表示 事件与概率 事件 对一次随机试验而言，可能出现或发生也可能不出现或不发生的事情，称为随机事件，也简称事件。通常用大写字母A，B，C，…表示 事件与概率 事件与概率 事件之间的关系 包含 互不相容 相等 事件与概率 事件与概率 事件的运算 对立事件 事件的并 事件的交 事件的差 事件与概率 概率 事件发生可能性大小的度量 事件与概率练习 练习 抛掷硬币：记录正反面出现的次数 抛掷硬币试验与英语字母使用频率 概率的古典定义与统计定义 概率的古典定义 有限（n）个样本点，每个样本点出现的可能性相同 事件A的概率为 P(A)=k / n 概率的古典定义与统计定义 概率的统计定义 事件A发生的可能性大小称为事件A的概率，简称A的概率，用P(A)=p表示 一般用频率的稳定值来表示A的概率，则事件A的概率为 P(A)=kn / n 概率的性质及其运算法则 概率基本性质及加法法则 概率非负，即 0 ≤ P(A) ≤ 1 对立事件之和为1 其他性质及其加法运算法则 概率的性质及其运算法则 条件概率及概率乘法法则 条件概率：在事件B发生的条件下，事件A发生的概率称为条件概率 A与B同时发生的概率为，A的条件概率与B的概率的乘积 概率的性质及其运算法则 独立性与独立事件概率 独立性：事件B的发生不影响事件A的发生与否，称事件A 与B相互独立 A与B同时发生的概率为，A的概率与B的概率的乘积 概率问题讨论 讨论 为什么要研究概率问题？ 概率能告诉我们什么？ 第二节 随机变量及其分布 随机变量 随机变量的分布 随机变量分布的均值、方差与标准差 常用分布 中心极限定理 随机变量 若随机试验产生的样本空间?中，对于每一个属于样本空间的元素?，都有一个实数X与它唯一地对应，则称实数X为随机变量。一般用大写字母X，Y，Z，…表示随机变量，用相应的小写字母x,y,z,…表示它的具体值 随机变量的分布 随机变量分为离散型随机变量和连续型随 机变量两种 离散型随机变量的分布 连续型随机变量的分布 随机变量的分布 分布函数 称函数F(x)=P(X ≤ x)为随机变量X的分布函数，或简称为X的分布。随机变量X的分布函数F(x)完全确定了随机变量X的变化特征 对于任意实数x1,x2(x1 x2),有P(x1X≤x2)= P(X≤x2)- P(x1X)= F(x2)- F(x1) 随机变量分布的均值、方差与标准差 均值、方差和标准差是反映随机变量分布特征的数值 均值用来表示分布的中心位置 方差用来表示分布的散布程度大小 标准差是方差的开平方值，由于与均值的量纲相同，所以实际使用中更经常用来表示分布的散布程度大小 常用分布 常用的离散型随机变量的分布 两点分布 二项分布 泊松分布 几何或帕斯卡分布 超几何分布 多项分布 常用分布 两点分布 检验产品是否合格，登记新生儿性别，投掷硬币，每次都只有两种可能的结果，即随机变量的可能取值只有两个。一般规定，其中一个取值为0，另一个取值为1。因此，它的概率分布为 P(X=1)=p, P(X=0)=1-p (0p1) 在这种情况下，称随机变量X服从两点分布，或服从0-1分布 常用分布 二项分布 将随机试验独立重复进行n次，每次试验只有两种结果：或为成功，或为失败。设每次试验成功的概率为p，则在n次试验中成功的次数X服从二项分布，记作X~b(n,p) 在稳定的加工过程中，记件式的质量特性，如产品的不合格率（或合格品率）、每次重复发生事件的成功率（或失败率）等，一般服从二项分布 常用分布 泊松分布 如果随机变量X的分布函数为 P(X=d)=( e ) / d ! 则称随机变量X服从参数为?的泊松分布，记作X~P(?) 泊松分布是呈偏态的非对称分布。一定时间段内的出错率、一定面积上的疵点数和一定数量铸件上的沙眼数等，一般服从泊松分布 常用分布 几何或帕斯卡分布 帕斯卡抽样：在得到r次成功或失败后即停止抽样的方法 几何抽样：在帕斯卡抽样中，当r=1时