第三章 质量数据.pptx

第三章 质量数据 第一节 质量数据的类型 质量数据——用来描述质量特性值的数据 一、质量数据的类型 计量值数据——计量值表现为数轴上的所有点的形式，称连续型数据。如重量、长度等。 计数值数据——计数值是数轴上的整数形式，称离散型数据。如合格品数及不合格品数。 二、质量数据的收集 1、收集数据的目的 为分析问题而收集 为控制质量而收集 为判断质量而收集 2、收集数据的要求 数据要真实可靠。 数据要具有代表性。 收集数据时的背景材料要记录清楚 可疑数据要重新抽取样本再做测量，禁止随意修改或删除。 3、收集数据的方法 收集到的数据必须能充分反映实际情况、对于抽查的数据还应具有充分的代表性。所以收集数据要有科学的方法，这就是随机抽样的方法。 单纯随机抽样法 机械﹝整群﹞随机抽样法 分层随机抽样法 三、质量数据的修约法则 “五下舍，五上入，整五则偶舍奇入” 目的是使舍去与进入的概率相等，误差期望值为零。 例：4.44～4.4 4.46～4.5 4.45～4.4 4.451～4.6 四、质量数据的特性 波动性和规律性 第二节 质量变异的统计规律 一、计量数据的分布规律 当质量特性值具有计量值的性质时，就应用正态分布去控制和研究质量变化的规律。 1、正态分布的平均值和标准差 正态分布的平均值 描述了质量特性值x分布的集中位置，而正态分布的标准差 描 述了质量特性值x分布的分散程度 2、“3 ” 原理 根据标准正态分布规律可以计算以下概率： 若质量特性服从正态分布，那么在 3 范围内包含了0.9973的质量特性值，这就是所谓“3 ”原则。 3、正态分布的概率计算 例1. 某儿童食品包装重量平均值为296克，标准差为25克，假设该包装重量服从状态分布，已知重量规格下限为273克，求不合格品率？ 解：己知， =25，xL=273 设标准正态变量为u， 则 u= 查表得 0.1788 该生产加工工序低于下限的不合格率为0.1788 二、 计数数据的分布规律 1、超几何分布 ﹝1﹞研究对象：有限总体无放回抽样，即考虑样本抽取后对总体素质的影响。用超几何分布计算是最准确的，但当研究的产品批量很大，用超几何分布去研究是十分困难或完全不可能的。 ﹝2﹞计算公式：P﹝d﹞= ﹝3﹞计算示例 例3. 12个乒乓球放入一个盒中，其中有3个不合格，现从中随机抽取样本大小为n=4的样本进行检验，试求发现样本中含有一个不合格的概率？ 解：由己知得N=12，D=3，n=4，d=1， P﹝d﹞= P﹝d=1﹞= =0.509 2、二项分布 研究对象：总体无限有放回抽样。（忽略样本抽取后对总体素质的影响） 二项分布规律主要用于具有计件值特征的质量特性值分布规律的研究。 ﹝2﹞计算公式： P﹝d﹞= ﹝3﹞计算示例： 例4. 有一批零件（1000件），已知批量不合格品率为0.01，现从中随机抽取10个零件，试求发现有 1件不合格品的概率？至少有2件不合格品的概率有多大？ 解：P﹝d=1﹞= = =0.091 P﹝d 2﹞=1- P﹝d2﹞ =1-P﹝d=0﹞-P﹝d=1﹞ =1- - =1-0.904-0.091=0.005 3、泊松分布 ﹝1﹞研究对象：具有计点值特征的质量特性值。 ﹝2﹞计算公式：P=﹝d=k﹞= ﹝3﹞计算示例： 例5. 每个电子线路板上平均焊接不良点数=0.5，求在检验中发现恰有1个缺陷的概率？ 解：P=﹝d=k﹞= = =0.303 三、各类分布的近似转换 1、当N 10n时，可以用二项分布逼近超几何分布﹝超几何分布极限形式是二项分布﹞。 2、当N 10n，P 0.1或np ～5时，可以用正态分布代替二项分布进行近似计算。正态分布是二项分布的极限形式。 3、当 5时，可以用正态分布代替泊松分布。正态分布是泊松分布的极限形式。 第三节 直方图法－－－数据的整理与统计 用直方图描述大量随机现象呈现的集体性规律即统计规律。 直方图也称频数分布直方图，其作用：