第章_计数值的假设检验与估计.docVIP

第5章_计数值的假设检验与估计第五章 计数值的假设检验与估计在我们所收集的数据中，除了计量值外，还有根据标准被认定为不合格产品数及划痕、事故数等以1，2，3，…表示的量，以及用百分比表示的不合格品率，每单位的不合格数等计数值数据。如第三章所述，计数值数据服从二项分布或泊松分布，假设检验与估计的基本思路与计量值数据相同，但由于统计量不同，假设检验公式也不同。质量管理统计第五章 计数值的假设检验与估计利用二项分布或泊松分布的公式或图表可以直接求出计数值数据分布的概率。由于这些分布同F分布卡方分布有关，在质量管理中我们获得的数据量一般都相当大，用正态分布近似计算数据分布可使假设检验和估计变得简单，且不影响实际应用。质量管理统计第一节 不合格品率的假设检验与估计一、总体不合格品率的假设检验与估计A工序不合格品率高达7.3%。最近，对工序做了部分调整，寻求降低不合格品率的对策。新工序生产的250个产品中，有9件不合格品，调整工序是否真正使不合格品减少了？能估计出新工序的不合格品率是多少吗？质量管理统计总体不合格品率的假设检验与估计假设工序调整后不合格品的发生情况与原来相同，还是0.073。从不合格品率为P的总体中取n个样品，其中包含r个不合格品的概率服从二项分布，其平均个数?a name=baidusnap78? 和标准差?8?如下面公式所示。质量管理统计总体不合格品率的假设检验与估计在 时，即，如果不合格品及合格品的期望值都在5以上，二项分布近似于正态分布，可以用正态分布求其概率。因此：质量管理统计总体不合格品率的假设检验与估计上面的问题是n=250，P=0.073，因为满足正态分布的近似条件，所以可以利用这个公式进行假设检验。质量管理统计总体不合格品率的假设检验⑴建立假设，确定显著性水平。⑵利用公式计算U0。⑶查表得并比较。⑷所以，拒绝原假设，即调整工序降低了不合格品率。质量管理统计总体不合格品率的估计新工序的不合格品率可以用下式进行估计。点估计： p=r/n区间估计，置信度(1-?8?): 质量管理统计总体不合格品率的估计新工序不合格品率的点估计： p=r/n=9/250=0.036置信度为95%的置信区间为：质量管理统计二、2组产品不合格品率之差的假设检验与估计用A、B两台设备加工产品，A设备生产的350个产品中有64个不合格，B设备生产的200个中有22个不合格。两台失败的不合格品率是否不同？如果不同，能估计出其差异有多大吗？质量管理统计2组产品不合格品率之差的假设检验与估计利用2组样本的个数nA，nB，以及各自的不合格品数rA，rB计算不合格品率pA，pB。两组产品不合格品率是否存在差异的假设检验就是利用下面公式计算U0与正态分布表中的值相比较。质量管理统计2组产品不合格品率之差的假设检验与估计 是所有样本的不合格品率。置信度(1-?8?)下，2组产品不合格品率之差的置信区间可用下面公式求得。质量管理统计两组产品不合格品率之差的假设检验⑴建立假设，确定显著性水平。⑵计算各设备的不合格品率pA，pB 及平均不合格品率。⑶利用公式计算U0。质量管理统计两组产品不合格品率之差的假设检验⑷与正态分布表的值比较，并作出判断。所以在显著性水平?8?=0.05条件下，拒绝原假设。A、B两台设备的不合格品率不同。质量管理统计两组产品不合格品率之差的估计利用以上学过的公式估计两组产品不合格品率之差。点估计：区间估计：pA-pB=0.183-0.110=0.073质量管理统计两组产品不合格品率之差的估计即A、B两台设备的不合格品率有7.3%的差别。在置信度有95%的条件下的置信区间为1.4%~13.2%。可利用前面的公式可以分别对A、B两台设备的不合格品率的区间进行估计。比如A的置信区间为：质量管理统计两组产品不合格品率之差的估计也可以利用后面叙述的拟合度检验或分割表法对不合格品率进行假设检验和估计。3组以上不合格品率之差的假设检验，参阅本章的列联表。质量管理统计第二节 不合格数的假设检验与估计产品的瑕疵、气泡等的出现数量，设备的故障、工厂事故等发生次数服从泊松分布，可以利用上一节同样的方法进行假设检验和估计。A工厂最近的6个月共发生非停产的事故42起。同类企业相同规模的工厂每月发生11起。与此相比，是否可以认为A工厂非停产事故的发生次数少？A工厂每月事故发生次数的估计值是多少？质量管理统计不合格数的假设检验与估计瑕疵数、事故次数等服从泊松分布，参数为m的泊松分布其均值和标准差分别为：如果mgt;5，泊松分布近似于正态分布。设从参数为m的泊松分布抽取大小为n样本的平均值为 。如果m≥5，则：质量管理统计不合格数的假设检验与估计以上公式可以对上述数