第四章质量控制技术与方法.ppt

【例1】随机选取10个零件，测得其直径与标准尺寸的偏差如下（单位：0.01mm）：100.5、90.0、100.7、97.0、99.0、105.0、95.0、86.0、91.7、83.0检验这组数据是否呈正态分布。解：1）将特性值数据从小到大排序；2）计算修正频率；3）将点描在正态概率纸上；4）观察上述10个点的分布状态。 【例2】随机抽取10个电子元件的寿命如下：32.4，310.7，216.5，130.0，93.0，361.3，905.8，2.2，9.7，14.1类似地，在正态概率纸上标出10个点，这10个点明显不在一条直线附近(见图)，所以这组数据的分布不是正态分布。 例2 （2）在确认样本来自正态分布后，可在正态概率纸上求出正态均值 μ 与正态标准偏差 σ 的估计值 求解步骤： ①在图上用观测法画出一条直线L,使这条直线的两边点子大体相等（首末两点可不作考虑） ②在纵轴为(2)从纵轴为0.50处画一水平线与直线l交于a点，从a点落下垂线，垂足m的横坐标便是正态均值μ的估计值； ③　(3)从纵轴为0.84处画一水平线与直线l交于b点，从b点落下垂线，垂足n的横坐标是μ+σ的估计值，故线段mn的长度就是正态标准差σ的估计值。 【例】从某厂生产的一批铆钉中随机抽取10个，测得其头部直径分别为：13．30，13．38，13．40，13．43，13．32，13．48，13．34，13．47，13．44，13．50，1)运用概率纸判断数据是否呈正态分布(x～n(μ,σ2))，2)运用概率纸求总体x的均值μ与标准差σ的估计. 2、数据异常的剔除 在质量管理工作实践中，常发现，即使是在同样生产条件下的一组数据，其中个别数据也可能“不合群”的，即不符合这组数据应遵循的固有分布规律。对于这种看起来“不合群”的数据，首先想到是将其剔除，但在剔除前应准确判断，检验“不合群”的数据是否是真正的数据“异类”。 判定方法： （1）格拉布斯法 （2）四倍法 （1）格拉布斯法 方法： ①将数据按由小到大顺序排列； ②计算数据的平均值和标准差； ③从两头数据检验，对检验 n个数据与相邻两个数据中差异最大的开始检验。 ④将统计量T与Ta比较，如T＞Ta则为异常，应予剔除。 ⑤剔除异常数后，重新计算余下的8个数的平均值和标准差，依次按上述步骤对Xn-1、Xn-2等进行数据检验，直到无异常为止。 格拉布斯表——临界值GP(n) P P n \p 0.95 0.99 n \ p 0.95 0.99 3 1.135 1.155 17 2.475 2.785 4 1.463 1.492 18 2.504 2.821 5 1.672 1.749 19 2.532 2.854 6 1.822 1.944 20 2.557 2.884 7 1.938 2.097 21 2.580 2.912 8 2.032 2.231 22 2.603 2.939 9 2.110 2.323 23 2.624 2.963 10 2.176 2.410 24 2.644 2.987 11 2.234 2.485 25 2.663 3.009 12 2.285 2.550 30 2.745 3.103 13 2.331 2.607 35 2.811 3.178 14 2.371 2.659 40 2.866 3.240 15 2.409 2.705 45 2.914 3.292 16 2.443 2.747 50 2.956 3.336 格拉布斯表——临界值GP(n) 【例3】为验证某批铸件质量，抽查了9件铸件，测得零件重量与该类零件的标准重量差别为（单位：g）。7.46、6.95、7.80、7.25、7.40、7.52、8.47、76.0、7.20①排序6.95、7.20、7.25、7.40、7.46、7.52、7.60、7.80、8.47②计算数据的平均值和标准差 ③从两头数据检验，对检验n个数中的最大值Xn和最小值Xl，为此需计算统计量 ④将统计量T与Ta比较，如T＞Ta则为异常，应予剔除。为此查表，当 =0.05n=9 时的Ta=2.11因Tn=2.19＞2.11 故=8.47为异常,应剔除因Tl=1.31＜2.11Xl=6.95，应予保留 ⑤剔除异常数后，重新计算余下的8个数的平均值、样本方差和统计Tn-1，依次按上述步骤对Xn-1、Xn-2等数据检验，直到无异常数据为止。 二、随机抽样方法4、整群随机抽样法方法：先将总体单位分为若干群（部