统计方法基础知识概述.pptVIP

二项分布来源于独立重复试验； 每次试验结果出现的概率都不依赖于其 它各次试验的结果； 对于 n 次独立的试验，如果每次试验只 有两个可能结果： A 与 A 2. 二项分布 设随机变量所有可能取的值为零和正整 数： 0,1,2, … ， n ，且有 其中 p ≠ 0 ， q 0 ， p + q =1 ，则称随机变量 服从参数为 n 和 p 的二项分布，记作 B ( n,p ) 。 k n k k n n q p C k P ? ? ) ( k =0,1,2… ， n 注意： 一批产品，批量为无限大， 假定产品总体的不合格品率为 P 。 从总体中抽取容量为 n 的样本，样 本中恰含有 x 个不合格品的概率服 从二项分布。 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，如图所示； 图 n 值不同的二项分布比较 图 p 值不同的二项分布比较 （ 2 ）当 p 值趋于 0.5 时，分布趋于对称， 如上图所示； （ 3 ）对于固定的 n 及 p ，当 k 增加时， P n ( k ) 先随之增加并达到其极大值，以 后又下降。 (4) 服从二项分布 B ( n,p ) 的随机 变量之平均数 μ 、标准差 σ 与 参数 n 、 p 有如下关系： μ=np , σ ＝ npq 在 n 较大， np 、 nq 较接近时，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，超几何分布可利用二项分布来近 似计算概率。 3. 泊松分布 若随机变量只取零和正整数值 0 ， 1 ， 2 ， … ， 且其概率分布为 k =0 ， 1 ， …… 其中 λ ＞ 0 ； e =2.7182… 是自然对数的底数， 则称服从参数为 λ 的泊松分布，记为 X ～ P ( λ ) 。 ? ? ? ? ? e k k X P k ! ) ( 泊松分布的重要特征： 即 μ = = λ 。 2 ? 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 ( 如图所示 ) 。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。 图 不同λ的泊松分布 应当注意，二项分布的应用条件也 是泊松分布的应用条件。 二项分布要求 n 次试验是相互独立 的，这也是泊松分布的要求。 对于二项分布，在 n →∞, p →0 ，且 = λ ( 较小常数 ) 情况下，二项分布 趋于泊松分布。在这种场合，泊 松分布中的参数 λ 用二项分布的代 之。 np 在质量管理中，泊松分布的 典型用途是用作单位产品上 所发生的缺陷数的数学模型。 例：在产品的加工过程中，观察产 品在装配中发现的缺陷，经统计 每台产品的平均装配缺陷 数 ，试求在检验中发现 恰有 1 个缺陷的概率是多大？ 5 . 0 ? ? 3033 . 0 6065 . 0 5 . 0 ! 1 5 . 0 ! ) 1 ( 5 . 0 1 1 ? ? ? ? ? ? ? ? ? e e k X P k k ? ? 解：∵ ∴ 5 . 0 ? ? 四 总体与样本 总体（母体）：是指在某一次统计分析中 研究对象的全体。 个体：组成总体的每个单元（产品）叫做个体。 有限总体：被研究对象是有限的，如一 批产品的总数； 无限总体：被研究对象是无限的，如某个企业、 某个生产过程从前、现在、将来生产的全部产品。 四 总体与样本 样本（子样）：是指从总体中随机抽取出来并且 要对它进行详细研究分析的一部分个体（产品）；样 本是由 1 个或若干个样品组成的。 样本容量（样本大小）：样本中所含的样品数目， 常用 n 表示。 总体容量（总体大小）：总体中所含的个体数， 常用 N 表示。 四 总体与样本 抽样：是指从总体中随机抽取样品组 成样本的活动过程。 随机抽样：是指要使总体中的每一个 个体（产品）都有同等机会被抽取出来 组成样本的活动过程。 统计方法基础知识概述 一 统计方法及其用途 二 产品质量波动 三 统计数据及其分类 四 总体与样本 五 随机抽样方法 六 统计特征数 七 两类错误和风险 一 统计方法及其用途 ( 一 ) 什么是统计方法 ( 二 ) 统计方法的性质 ( 三 ) 统计方法的用途 （一） 什么是统计方法 统计方法 ：是指有关收集、整理、分析和解释统 计数据，并对其所反映的问题作出一定结论的方法。 描述性统计方法： —— 是对统计数据进行整理和描述的方法； —— 常用曲线、表格、图形等反映