概率及分布理论 .pptxVIP

概率和概率分布; ? 产品领域的概率;? 数据的类型; 可归类的数据: 计数不良品和产品擦伤的数据 - 钢盘擦伤 - 每页技术报告的输入错误 - 每小时收到的电子邮件 ;? 数据的形式从产品领域获得;? 概率分布的应用;? 二项分布;下图是从程序不良品比率p=0.16 时的全部制品中精选的“n=30” 张时的检验结果. 它象征不良品货物数量的相关频率.; 二项分布 函数: 当我们用两种方法进行分类试验时，例如良品/不良品或者成功??/失败的，可进行“N’次. 成功的数量如下被称为二项分布;练习 )某制品工序不良品率是 1%. 制品总数 n=10 个样品中1个以下不良品的概率是多少？ 平均值和偏差是多少 (使用Minitab) ;( Minitab用法 1 );步骤 2. 输入如下 计算 Probability Distribution Bionomial;步骤 3. 确认结果;Step 1. 输入如下 计算 Probability Distribution Bionomial;步骤 2. 确认结果 ;? 泊松分布; 泊松分布函数:; 例 ) 在信用卡公司记帐部门愿意设法解决帐单错误。如果每一帐单按照泊松分布其错误数量平均数是0.01, 那么随意记录帐单发生的错误在1个以下时的概率是多少? (使用 Minitab) ;(Minitab 用法1 );步骤 2. 在下面输入 Calc Probability Distribution Poison... ;步骤 3. 确认结果 ;步骤 1. 输入 Calc Probability Distribution Poison... ;步骤 2. 确认结果;? 正态分布; 正态分布形状 ; 正态分布形状与平均值和标准偏差是一致的 ; 正态分布在领域中的范例: -锣钉的外部直径 - 轴承的直径 - 粘合剂粘合时间 - 金属合金钢的可拉伸长度 - 建筑物基底平滑程度 - 接收电子邮件的时间 - 产品填充物的重量 - 在化学加工程序中产品的纯净程度 - 汽车引擎活塞的直径; 正态分布函数: - 如果数据服从正态分布，规格上限（USL）可如下获得。;;;步骤 1. 输入 Calc Probability Distribution Normal Distribution ;步骤2. 确认结果; (b) 计算 P [ X ? 30 ] P [ X ? 30 ] = 1 - P[ X 30] ;步骤 1. 输入 Calc Probability Distribution Normal...;推算出结果 1 - 0.9772 = 0.0228;步骤 1. 在如下工作表中输入数据 ;步骤 3. 确认结果;例) 碳钢可拉伸长度为正态分布，平均值是171 kg/mm2.标准偏差 约为5 kg/mm2 当我们测量样品拉伸长度时有损于钢盘，拉伸长度在165 kg/mm2 以下时的概率是多少？ ;( 使用 Minitab );步骤 2. 确认结果;;0;Sigma水平和Z 之间的关系: 如果仅有 USL - Zsl 计算结果=(USL- m )/ s 平均值 Sigma-level. - Zusl 值越大，工序特性越好;? 练习;4. 货物在工序中填充物的重量平均是5kg，偏差是0.5kg， 求5 kg ≤ 重量＜5.5 的概率是多少 ? 5. 新进检验部件的不良品率是10% 当我们检验100件时 (a)不良品货物在15个以下的概率是多少？ (b)不良品货物超过25个以上的概率是多少 ?;9、春去春又回，新桃换旧符。在那桃花盛开的地方，在这醉人芬芳的季节，愿你生活像春天一样阳光，心情像桃花一样美丽，日子像桃子一样甜蜜。6月-206月-20Thursday, June 11