MSA及数学补充修改.pptVIP

统计学知识补充假设检验 非参数的统计推断和一致性假设检验，即Kappa 检验 (结合讨论χ 2检验)。 建立2行2列表（2×2 contingency table）：计算理论数（TRC），计算公式为： TRC=nR.nc/n 公式 ?? 式中TRC是表示第R行C列格子的理论数，nR为理论数同行的合计数，nC为与理论数同列的合计数，n为总例数。 结果就产生MSA中第128页的四个数： 15.7R1C1, 34.3R1C2, 31.3R2C1,68.7R2C2. * 统计学知识补充假设检验 计算kappa： Ｐo：P observed（判断一致性比率，即不同作业员之间、同作业员不同次数之间）= (Pass Pass+Fail Fail)/总的检验次数 Pc：P chance （预期偶然达成一致的比率） =[(Pass Pass +Fail Pass)*(Pass Pass +Pass Fail]/总检验次数之平方+[(Pass Fail +Fail Fail)*(Fail Pass +Fail Fail)]/总的检验次数之方kappa= (P observed-P chance) / (1-P chance) * 统计学知识补充回归分析 经验公式和最小二乘法 在计算MSA的线性时，用到了一元回归分析． 它的思想是： 当我观察散点图上的散点很接近一条直线时 我们就根据经验公式估计： ?=a+bx 我们用数量：[Y t -( a+ b t )]2 刻划（ X t ,Y t )到直线L远距离 L线 (Xn, Yn) （X5，Y5） （X3，Y3） （X1，Y1） （X4，Y4） 图 （X2，Y2） * 统计学知识补充回归分析 令Q( a, b)=∑ [Y-(a t+ b t)]2 使Q( a, b)最小： 最小=乘原则 解得 a=y-b x b=……. * 统计学知识补充回归分析 平方和分解公式与线性相关关系 经验公式 Y=a+bX 即使是非线性关系也能求得，所以要作线性相关判别 方法： 求U：回归平方和（线性影响） Q：残差平方和（非线性影响） 比较U和Q 选取量 F=U/Q/(n-2) * 统计学知识补充回归分析(计算复杂，略去） 预报与控制（在MSA中，被用来估计线性的置信区间，在SPC 附录A中被用来估计样本量对指数的影响）： 当经验公式Y=a+bX 计算出以后，我们可以通过数据（x1,y1), (x2,y2),…, (xn,yn) 来预报 Yhat=a+bX+ε 的范围。也就是Yhat的置信区间。 该区间为：[ Yhat –λs, Yhat+ λs ] 求S：见MSA第93页； 求λ：按MSA线性中的例子，样本量较大（n=60), n-2的t 分布接近N(0,1)（中心极限定理）。所以我们可以直接查标准正态分布表：α＝0.05, λ=1.96. 这里S是关键， S越小，置信区间越窄，预报越准确。 * 习题部分 概 率题例： 10个人抽两张球票,(既10个签,8个写“无”,2个写 “有”),一个一个依次抽取ρ, 求第k (k=1,2,….10)个人抽得球票概率 古典概型题例： 盒中装有五个球（三个白球，两个黑球），从中任取一个。问：取到白球的概率是多少？ 条件概 率题例： 盒中装有五个球（三个白球，两个黑球），每次从中任取一个，无放回地取两次， 求：第一次取到白球的概率；第二次取到白球的概率；第一次取到白球的条