质量统计应用基础.pptVIP

质量统计应用基础培训教材 工程人员成长路线图 一、引子 谁能说明一下10%与15%的不合格率有多大差异？ 10%和20%？的不合格率呢？ 你相信判断的准确度有多大？ 2．二项分布 在n次重复独立试验中，用随机变量X来表示事件A出现的次数，且P(A) = p，则： 称X服从参数为n，p的二项分布，记作X ~ B ( n, p ) 。定义中表示的是，在n次试验中事件A出现k次的组合数，其具体的计算公式为： 3．超几何分布 对应于二项分布适用的抽样条件：有放回抽样或总体较大时的无放回抽样；而当对一个有限总体进行无放回抽样时，其样本中具有某种特征的个体数目，则不再适用二项分布，而是服从超几何分布。超几何分布的概率为： 4．泊松分布 如果一个随机变量X的可能取值为0，1，2，…，k，…，且其概率为： 其中，自然对数底e = 2.71828…，k = 0，1，2，…；则称服从参数为的泊松分布，记为X ~。 松分布的数学期望与方差为： 5、计量数据特征描述 5、计量数据离散趋势 5、计量数据离散趋势 6、正态分布 1）．正态分布的定义 正态分布的概率密度函数，有时也简称正态函数，或称为Gauss函数。 其具体形式为： 2）．正态分布曲线 3）．标准正态分布 特别地，当时，称服从标准正态分布或单位正态分布，即：Z～N(0,1)。并将其密度函数记为： 4）．正态分布的标准化 对于一个非标准的正态分布，可以将其标准化，变换为标准正态分布，进而通过查表进行计算。变换公式为： 进而可得，对于一般正态分布的概率分布函数F (x)： 7、 学生氏t分布 于实际应用上，族群变方 通常都是未知的，因此以样品数据求得样品均方 来代替族群变方 学生氏t分布 8．指数分布 若随机变量的概率密度函数为： 则称服从参数为的指数分布，记为X～E（）,其中。 其相应的概率分布函数为： 指数分布的均值和方差分别为： 1、犯第一类错误的概率也称为弃真概率，用α表示，称做生产方风险： α=1-Pa(Po)。 即α= 2、GB2828-2003正常一次抽样方案 3、抽样检验的分类 四、计量抽样检验方案 利用样本数据计算统计量，与判定标准比较，判定产品批是否合格的活动 1、计量抽样检验基本原理 对于给定的产品特性值X，若规范上限是TU，下限是TL，则X＞TU 或 X＜ TL 就是不合格品 2、EXCEL表CPK与不良率计算公式 3、计量型数据摘要 4、MINITAB的过程能力分析结果理解 4、容差分析EXCEL表 2、控制图的选择方法 6、QC七工具应用路线图 七、分组研讨时间： 抽样检验：125件，3收4退，已抽到3件，顺手抽发现第126件是不合格品，如何处理？ 40件有2件不良，3件不良，与400件有20件不良，30件不良，不良率一样，差异是否一样？ 抽样方案AQL=1.0，抽检10批有2批拒收，批供货的不合格率是20%吗？如何准确评估出货产品的合格率？ 新产品按GB2828-2003设计抽样方案有否问题？ 装配公差设计：组合公差链应如何低成本设计？ 温控器温度特性的分布、接触电阻分布分别是什么类型分布？特性如何？ 抽样数n/N小于0.1，其抽样特性接近什么分布？ 如果P值0.20能否说明两者间真实情况没有差异？ 弃真与存伪有什么差别？风险一样吗？风险取向如何定？ 数理统计 描述 排列分层 抽样检验 相关分析 回归分析 SPC 生产控制 假设检验 非参数检验 CPK 过程能力 数据仿真 试验设计 抽样设计 正态分布 超几何分布 二项分布 泊松分布 T分布 判断风险 计数型数据 计量型数据 指数分布 威布尔分布 可靠性分析 五、质量统计的应用 1、质量统计类型 确定要制定控制图的特性 是计量型数据吗？ 否 关心的是不合格品率？ 否 关心的是不合格数吗？ 是 样本容量是否恒定？ 是 使用np或p图 否 使用p图 样本容量是否桓定？ 否 使用u图 是 是 使用c或u图 是 性质上是否是均匀或不能按子组取样—例如：化学槽液、批量油漆等？ 否 子组均值是否能很方便地计算？ 否 使用中位数图 是 使用单值图X-MR 是 子组容量是否大于或等于9？ 是 否 是否能方便地计算每个子组的S值？ 使用X—R图 是 否 使用X—R图 使用X— s图 注：本图假设测量系统已经过评价并且是适用的。 3、假设检验路线图 数据类型 连续变量 数据正态 正态理论 检验 平均值的 检验 标准偏差 检验 数据 非正态 非参数的 检验 位置的 检验 离数的 检验 逻辑变量 比例数 可计数 数据 4、常用的假设检验 连续变量 平均值的检验