中级质量专业理论和实务讲义精选2.docVIP

　　第六讲 常用分布(二) 　　一、 考试要求 　　1. 了解均匀分布及其均值、方差与标准差 　　2. 熟悉指数分布及其均值、方差和标准差 　　3. 了解对数正态分布及其均值、方差和标准差 　　4. 熟悉中心极限定理，样本均值的(近似)分布 　　二、内容讲解 　　(三)其他连续分布 　　正态分布是实际中最常用的分布，但在实际中还有很多非正态的连续分布也很有用，在质量管理中最常用的是均匀分布、对数正态分布与指数分布，现分别介绍如下。 　　1.均匀分布 　　均匀分布在两端点a与b之间有一个恒定的概率密度函数，即在(a, b )上概率密度函数是一个常数，见图l.2-25(a)，它的全称是在区间 (a, b)上的均匀分布，常记为U(a,b)。这里均匀是指随机点落在区间(a, b)内任一点的机会是均等的，从而在相等的小区间上的概率相等。 　　(1.2-10) 　　图1.2-25(a)即是U(a,b)的概率密度函数的图形。 　　比如，若一随机变量X服从均匀分布U(10,15)，它的概率密度函数为： 　　其图形U(10,15)(见图1.2-25(b))，则X在小区间(11，12)与小区间(12.5，13.5)上的面积相等，即： 　　均匀分布U(a,b)的均值、方差与标准差分别为: 　　(1.2-11) 　　如图1.2-25(b)上所示的均匀分布U(10,15)，它的均值、方差与标准差分别为： 　　2.对数正态分布 　　对数正态分布可用来描述很多随机变量的分布，如化学反应时间、绝缘材料被击穿的时间、产品维修时间等都是服从对数正态分布的随机变量。它们有如下共同特点: 　　(1)这些随机变量都在正半轴 (0, )上取值。 　　(2)这些随机变量的大量取值在左边，少量取值在右边，并且很分散，这样的分布又称为 右偏分布(见图1.2-26(a))。如机床维修中，大量机床在短时间内都可修好，只有少量机床需要较长时间维修，个别机床可能需要相当长的修理时间。 　　(3)最重要的特征是:若随机变量 X服从对数正态分布，则经过对数变换Y=lnX (ln是自然对数)后，随机变量Y服从正态分布。 　　(4)若记正态分布的均值为 ，方差为 ，则相应的对数正态分布的均值 与方差 分别为 　　(1.2-12) 　　(5)为求对数正态变量X的有关事件的概率，经过对数变换后可转化为求相应正态变量Y=lnX的相应事件的概率，如： 　　见图 1.2-26(a)与1.2-26(b)上的两块阴影面积。 　　[例1.2-16]，略，见书第45页 　　3. 指数分布 　　用以下指数函数 　　表示的概率密度函数称为指数分布。其中的 称为指数分布函数的参数，常记为 。其概率密度函数的图形如图1.2-27所示。 　　事件 X在区间 (a, b)上取值的概率为图1.2-27上阴影的面积，它的计算公式为: 　　指数分布的参数 的均值、方差与标准差分别为： 　　[例1.2-17] 某种热水器首次发生故障的时间T(单位：小时)服从参数 =0.002的指数分布，它的概率密度函数与分布函数分别为： 　　则该种热水器在300到500小时内需要维修的概率为： 　　该种热水器首次发生故障的时间的均值与方差分别为: 　　现将上述常用分布总结在表1.2-1 　　常用分布表 　　五、中心极限定理 　　中心极限定理叙述了统计中的一个重要结论:多个相互独立随机变量的平均值 (仍然是一个随机变量)服从或近似服从正态分布。为介绍这个定理先要作一项准备。 　　(一) 随机变量的独立性 　　两个随机变量X1与X2相互独立是指其中一个的取值不影响另一个的取值，或者说是指两个随机变量独立地取值。比如，抛两颗骰子出现的点数记为X1与X2，则X1与X2是相互独立的随机变量。 　　随机变量的相互独立性可以推广到三个或更多个随机变量上去。 　　以下要用到一个假定: 几是n个相互独立且服从相同分布的随机变量。这个假定有两个含义: 　　(1) 是n个相互独立的随机变量，如在生产线上随机取n个产品，它们的质量特性用 表示，那么可认为 是n个相互独立的随机变量。 　　(2) 有相同的分布，且分布中所含的参数也都相同，比如，都为正态分布，且都有相同均值 和相同方差 。又如，若都为指数分布，那么其中的参数 也都相同。 　　今后，把n个相互独立且服从相同分布的随机变量 的均值称为样本均值，并记为 ，即: 　　(二)正态样本均值的分布 　　定理1 设 是n个相互独立同分布的随机变量，假如其共同分布为正态分布 ，则样本均值 仍为正态分布，其均值不变仍为 ，方差 。 　　这个定理表明:在定理1的条件下，正态样本均值 服从正态分布 。 　　[例1.2-18] 设 是相互独立同分布的随机变量，共同分布为正态分布N(10，52)，则其样本均值: 　　服从 。这表明: