第七章 抽样检验.pptxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第七章 抽样检验

第一节 抽样检验概述;一、基本概念;一、基本概念;一、基本概念;一、基本概念;5、计数抽样检验和计量抽样检验 (1)计数抽样检验:是指在判定一批产品是否合格时.只用到样本中不合格数目或缺陷数,而不管样本中各单位产品的特征的测定值如何的捡验判断方法。 (2)计量抽样检验:是指定量地捡验从批中随机抽取的样本,利用样品中各单位产品的特征值来判定这批产品是否合格的检验判断方法,计数抽样检验与计量抽样检验的根本区别在于,前者是以样本中所含不合格品(或缺陷)个数为依据;后者是以样本中各单位产品的特征值为依据。;1.按检验特性值的属性分: 计数抽样方案              计量抽样方案 2.按抽样方案制定的原理分: 标准型抽样方案 挑选型抽样方案 调整型抽样方案 连续生产型抽样方案 3.按检验次数分: 一次抽样方案 二次抽样方案 多次抽样方案;第二节 抽样检验基本原理;总体;一、 样品中出现的不合格品的概率 设交验批的批量N为有限值,其中包括D个不合格品,不合格频率为p,先从中抽取大小为n的样本,其中包含不合格品数为d的概率是一个随即变量,其概率分布服从超几何分布; 因为D=Np ;二、抽样方案 抽样方案主要包括一下两个参数 ① 样本量n ②作出批合格判断时,样本中所允许的最大不合格数,也称合格判定数,用c表示,抽样方案用(n,c)或(n/c)表示 三、接收概率 根据规定的抽样方案(n,c),判定一批产品合格而被接收的概率称为接收概率,用L(p)表示, 则 L(p)=p(0)+p(1)+p(2)+….p(d)= ;三、接收概率 (1)当批量N为有限情形时,可用超几何分布表示: L(p) = = 例1:某产品的批量N=10, p=0.3,抽检方案为n=3,c=1,求该批被判为合格批而接收的接收概率。 L(0.3) =0.466 这是准确计算接收概率的表达式,但用该式计算相当复杂。在某些特定情况下,可用二项分布或泊松分布近似计算 ;三、接收概率 (2)二项??布表达式 当N/n=10时,L(p)可用二项分布近似计算,即 L(p)= 从二项分布的近似计算中,可以看出L(p)已与批量大小无关,仅决定p,n,c。可查二项分布表,不必繁琐的计算。 ;三、接收概率 (2)二项分布表达式 例2:已知一批螺钉的批量为N=1000个,若批不合格频率p=0.01,求采用方案(50,1)进行验收时的接收概率。 解:根据已知条件,可采用二项分布近似计算 L(0.01)= =0.911 当0.00001p0.1时,L(p)值可查二项分布累计概率表求的。 ;三、接收概率 (3)泊松分布表达式 根据泊松分布定理,对于二项分布,若np=是个常数,即当n很大p很小时,泊松分布即为二项分布的近似,在实际工作中,只要满足N/n〉=10,p=0.1,L(p)可用下式计算:L(p)= 例2:试用泊松分布计算接收概率。 解:根据已知条件,np=50X0.01=0.5 L(p)= = =0.9098 ; 4、抽样特性曲线 p–L(p) 简称oc曲线 (1). 理想方案的抽样特性曲线 ; (2)线性抽样方案L(p)=1-p ;(3)实际采用的OC曲线 ;抽样检验特性曲线;(4)OC曲线的影响因素 ① (n,c)一定,N对OC曲线的影响。 L(P) A(1000,20,0) B(100,20,0) C(50,20,0) P(%) 甚微,可

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档