第二章节常用统计技术1课件幻灯片.pptVIP

（四）样本标准偏差 国际标准化组织规定，把样本方差的正平方根作为样本标准偏差， 用符号 S 来表示。其计算公式： （五）样本极差 极差是一组数据中最大值与最小值之差。常用符号 R 表示，其计算公式： R = X max - X min （六）变异系数 ——用于不同数据集的分散程度的比较 六、质量特性数据的分布特点和分布规律 (一）质量特性数据的分布特点 1、分散性（波动性、变异性）即随机性 由于异常原因、随机因素和系统因素的存在，使我们收集到的质量特性数据具不确定性和波动性。一般即使人、机、料、法、环、测各种条件相同，生产的同一批产品的质量也不完全相同。 2、规律性 当生产过程处于统计控制状态，数据的波动服从一定的分布规律，即统计规律。一般来说，离散型随机变量遵循二项式分布、泊松分布、超几何分布等。连续型随机变量遵循正态分布、指数分布、t分布等。 （二）常见的几个数据分布 -4 -2 0 2 4 6 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 1 ． 计量值服从正态分布 ) , ( 2 s m N 密度函数： 2 2 2 ) ( 2 1 ) ( s m s p - - = x e x p 分布函数： dy e x F y x 2 2 2 ) ( 2 1 ) ( s m s p - - ￥ - ò = 其中 m 为均值， 2 s 为方差， +￥ ￥ - x . 标准正态分布： N （0，1） 密度函数 2 2 2 1 ) ( x e x - = p j dy e x y x 2 2 2 1 ) ( - ￥ - ò = F p ， 分布函数 2、二项式分布（b（n，p）） 条件：当产品批量N为无限大或N虽为有限量但N很大，并进行返回检查。 样本容量n ，Nn,重复n次试验但相互独立。 每次试验只有两种可能性。 几个量：总体的不合格率p，合格率q=1-p， 样本容量n ，其中不合格品数——d，合格品数——n-d 则 p（d）样本中出现d个不合格品的概率服从二项式分布： P（d）= 二项式分布的数学期望和方差为： E(d) = np V(d) = =n p q = n p(1-q) 二项分布由n和p两个参数决定： （1）、当p值较小且n不大时，分布是偏倚的。但随着n的增大 ，分布逐渐趋于对称，如图2—8 所示； （2）、当p值趋于0.5时，分布趋于对称，如图2—9所示； （3）、对于固定的n及p，当k增加时，Pn(k)先随之增加并达到其极大值，以后又下降. (4) 、在n较大，二项分布近似于正态分布；当n→∞时，二项分布的极限分布是正态分布。 在产品质量检验中，当采取有放回的抽样时，这时样本中取到的次品数的概率服从二项分布。不放回的抽样在样本量相对总体很小时，也可以近似看作为放回抽样，这时，超几何分布可利用二项分布来近似计算概率。 图2—8 n值不同的二项分布比较 图2—9 p值不同的二项分布比较 例：某种产品的不合格品率为0.005。试问在360件此产品中， (a)有不多于3件的不合格品的概率；(b)恰有3件不合格品的概率。 3、计点值服从泊松分布（The Poisson Distribution） 泊松分布常常用在单位产品上所发生不合格数的数学期望。计点值服从泊松分布。 如：一定时间内电话总站接错电话的次数；每一页书中印刷错误；在一个铸件上的气泡或砂眼数；每一米布上的疵点数等。 条件： 样本容量n1, 总体不合格率p1 令 λ = np，d 表示 不合格数，可取任意一组自然数1、2、3、4,….….，那末发生 d个不合格数的概率服从泊松分布。，即 泊松分布的数学期望和方差为： E（d）= λ V（d）=λ 图2—11 不同λ的泊松分布 λ是泊松分布所依赖的唯一参数。λ值愈小分布愈偏倚，随着λ的增大，分布趋于对称(如图4-11所示)。当λ=20时分布接近于正态分布；当λ=50时，可以认为泊松分布呈正态分布。所以在实际工作中，当λ≥20时就可以用正态分布来近似地处理泊松分布的问题。 As an example, suppose that the number of wire-bonding defects per unit that occur in a semiconductor device is Poisson distributed with parameter λ = 4. T