青华模具培训学校

 找回密码
 注册

QQ登录

只需一步,快速开始

青华模具培训学院
查看: 791|回复: 0

基本SPC统计基础

[复制链接]
发表于 2014-7-16 16:30 | 显示全部楼层 |阅读模式
基本SPC统计基础
( O5 V( r3 V: p
單元目的+ P# r3 ~3 N) I
將宇宙間的事物與現象數量化、模型化,其主要的目的在於藉著科學的方
3 M6 w2 q6 x: T& Z1 @/ r法,從這些事物與現象中,尋找期規律性,進而分析與探討其特性。在品
! `$ b7 D1 x( W質管制中產品品質特性,就是一種機率分配(機率模型)。從管制圖上所
6 a+ p2 Q* Q0 @7 D$ u  B: k顯示的現象,我們可以了解製程的狀況;或由抽樣檢驗的結果,我們可以
* @7 S4 Z9 v7 U* r. k# A判斷同批產品是否合格,主要都是依據統計學上的各種機率分配與統計量( R) f! l( K& L$ v# z; V
有所了解。4 V- J% k5 x( {8 l  W2 d( ]6 i7 R
單元大綱
# c; F% \$ h" ]  Q, e8 j在本單元所介紹的常用分配,包括:
' }4 i( U" a/ d6 i, d一、基本機率論
4 O0 i0 J5 c  @! W二、數據描述方法. B# h5 a4 H0 H3 @) V5 [& D1 S
三、機率分配(群體分配)
/ P6 |8 p# J6 n- Z0 W0 F1 a1. 不連續機率分配(計數值分配)
2 @* m; w* O8 b/ Ha. 超幾何分配(Hypergeometric Distribution)
$ _. Z, j- H2 q, }; @b. 二項分配(Binomial Distribution)
2 Q  B+ e% K& R3 w2 P% bc. 卜瓦松分配(Poisson Distribution)
8 a& l& K$ W1 ?2. 連續機率分配(計量值分配)
" Y) R9 f7 _, ^. \( S! L$ Ea. 常態分配(Normal Distribution)
' z# f! B4 ?+ X1 Q2 R% |' L* l四、統計量分配(抽樣分配)
* P( ?: j0 H" w1.統計量之抽樣分配+ U* w/ Y4 y1 H' ~# P& R) {
a. 樣本平均數( )之抽樣分配  q  {% V3 G5 f2 H! ]$ |! I
b. 樣本全距(R)之抽樣分配! M0 b  a# ~! h. f
c. 樣本標準差(S)之抽樣分配
$ |- k8 L4 B4 [: P( C# Rd. 樣本變異數( )之抽樣分配5 x% U$ J! C. J# Q4 F
2.定義於常態分配之抽樣分配. W- I9 x5 @- H
a. 卡方分配( distribution)- J1 A/ W; w* o+ \" J/ e# O
b. t分配( o" e! H0 K& I6 ]' d) E8 M
c. F分配
, G& ~3 w) @( v" L% f0 Y基本機率論' ]$ e* x0 T9 y7 l4 F; A
此部份的目的在介紹用在品質改善的基本的統計觀念與技術,因為統計在此扮# [4 q: X6 r  G0 j; t
演一個重要的角色,藉由清楚地瞭解其相關的原理,使大家可以更知道其不同9 H' i7 L4 w+ ~  D1 I
與未來結果的分析。4 ]0 S' e9 J$ q! `9 P$ s4 x
母體與樣本(population and sample)
4 u8 E5 `/ s  }3 Z! A) b% [0 s7 R母體(population):一組包括所有項目的集合。
# I( z; h8 \5 |, g8 J8 Z2 n, iex:假設我們的目的是要知道七月份買進A廠牌湯罐頭的平均重量,* \( x: w4 M$ x
則此case中的母體是公司七月買進所有A牌的罐頭(可能有50000罐),$ d7 ]$ }6 c. b2 J$ @, W
因為我們關心的是A牌的罐頭,所以即使公司還有買進其它牌子的罐1 E2 J: e/ Z% n- [9 C; ?- \
頭,母體仍只限於A牌。
7 v8 j/ p7 _- j( e樣本(sample):母體的子集合。實際上,很多生產線上無法量測所有產品取得
9 ^" i+ [  H  N6 u: H* |. s& d) t2 P所需資料,因為處理如此多的資料非常耗時費工且不可行,利用部份母體中的) v8 B9 w. b9 I4 c1 V2 B
資料來代替在此時是一個可行的選擇。$ T2 S* F& m7 c& u, m! l
ex:承接上個例子,七月份買進的罐頭有50000個,樣本可能是隨機選
- _4 t+ J+ B; b& M4 ^( w4 F( v取500個。9 ]: O- P. N2 `) ~" [. O
參數與統計量(parameter and statistic)' w% i! q* u* C- t8 T9 \
參數(parameter):可以用來描述母體的一個特徵值。
* w2 J* |! L9 A0 V& s  U2 O0 hex:以A牌的罐頭而言,平均值可說是50000罐罐頭的一個參數。" q+ D2 _! I+ @8 g3 f1 {% t7 s
統計量(statistic):是樣本用來推論未知的母體參數的特徵值。) H2 r. q" F" ]) {
ex:500個隨機選取的罐頭平均重量可以來推論50000罐罐頭的平均, {' b% @0 ?" {3 F4 @7 }! G1 V( t1 r" G
值。2 y: [: z$ ?9 Z' h4 [& G$ L* g
機率(probability)) U! v0 {) ]- y& I3 h6 P) b2 Q
機率(probability):發生的可能性。機率函數介於0跟1之間,0表示沒有發生的( b( v8 L5 v  m! D' z
可能;1代表確定會發生。
7 i9 l' g" l  z; O( L機率的相對頻率定義:如果樣本空間所有事件發生的可能性均相同,則事件A
9 k, }+ C& y/ z+ \# d的機率計算方法如下:. ^+ I& {: m$ O& i
P(A) = 4 K: q; h  h* }, p5 T5 @# V
P(A):事件A的機率. D; l- @0 x) b9 J
:事件A發生的方法數目
! y8 I. i" @% h! {N:樣本空間的點數! r3 _; W9 ?+ I3 i9 `
這個定義是機率的相對頻率,只有在樣本空間所有事件的歷史資料均具備的情
2 R4 n  c& ^" O況才能使用。
" H4 B' [- g6 N  o& \5 vex:擲一個骰子出現點數為單數的機率
& F% K) Z4 U7 G$ q假如事件A為擲一個骰子出現點數為單數,則
, e: ^  E  ^5 |% Y1 A' L6 X; u樣本空間S={1,2,3,4,5,6},事件A={1,3,5}% s- L* b  E) E- X7 p
P(A) =  =
6 U& l3 X  C8 d( H# m# S單純事件與複合事件(simple event and compound event)5 [  `. u' h! i6 V
單純事件:無法再分解的事件
: ]3 m; A# S. U  W複合事件:由2個以上的單純事件所組成的事件2 Q  I- q! O0 r1 s8 E
ex:檢驗從裝配線取得的2個電路版,檢查是否合格,試問何者是單純7 j8 l# N! k- Z8 O' v8 H+ @( \. Z
事件?計算出至少有一個電路板合格的機率。) q. R$ a+ I# j$ R# R
sol: ' C. m7 f" i  J0 |% x& N3 s$ l
:第一個電路板合格的事件" \# U. C- b( C$ C& e! _
:第二個電路板合格的事件
+ e- y* h9 J/ }: j, u:第一個電路板不合格的事件
* `% g% I4 U! ?0 Z:第二個電路板不合格的事件
" M" P3 U! `! C: |; F9 B/ @樣本空間S由四個簡單事件所組成
8 O0 U" m9 e" M' K" t# `$ @9 f% D4 FS = { , , , }
- h: T' V- n& A: o: k; g: N各事件可以描述如下:* G; I: U9 T* k7 n; X
={ , }:第一與第二個電路板均合格的事件
1 _8 w+ j6 Y, k7 g={ , }:第一個電路板合格但第二個不合格的事件
$ g/ N8 y! o# ^. e4 a& P4 z) v- \={ , }:第一個電路板不合格但第二個合格的事件
2 u3 g: E/ P* Q  ?( c={ , }:第一與第二個電路板均不合格的事件5 Z( x. U; f5 n4 `/ f
如果事件B代表至少有一個電路板是合格的則B ={ , , },假
( H; ]! p$ B# Z: x3 h設每個事件發生的機率皆相同,. a4 X$ G, Z9 i! ?2 S$ G
5 D+ R4 z3 f; K) t) c: N
QQ截图20140716155534.jpg ' M' `4 J3 o( K8 Q' |
* V; j/ b( t( {. M( ^
加法律:P(A∪B) = P(A or B or both) = P(A) + P(B) -P(A∩B)
3 w$ x2 F7 S9 J2 h乘法律:P(A∩B) = P(A and B) = P(A)P(B∣A) = P(B)P(A∣B)* @: F* `; E% _
條件機率1 u: W% A) O! s- ~# T1 F
P(B∣A)表示給定事件A下,事件B發生的條件機率。如圖8 }. a) q4 [- d; O
1 N5 D1 S: w; z7 C" w
獨立與互斥事件(independence and mutually exclusive event)
9 W# m" ]$ H; W" N. B獨立(independence):A與B的結果相互不會影響稱A與B獨立,所以假如A與B獨
( B' l7 t, o! ~( }9 j' ~: }  D( H立則P(B∣A) = P(B)或者P(A∣B) = P(A),此時P(A∩B) = P(A)P(B)
  V; {0 B4 n6 @7 s互斥(mutually exclusive):A與B假如不能同時發生稱A與B為互斥事件,所以P(A
* h( H+ h# I( [∩B) = 0,P(A∪B) = P(A) + P(B)。因為如果A與B互斥,則兩者不能同時發生,. y* x+ _9 u! T5 z% w
故A與B為相依事件。9 l- Q  U2 `) O5 ]
  R' p4 M# n" R
例題:某鋼鐵公司生產鋼板,根據過去的經驗,有5%的鋼板長度不符合規格要求,有3%的鋼
( H# I$ U  D; T9 i4 Y/ @' g# }板寬度不符合規格,假設長度與寬度的製程不相關,請問- b( }3 d) \! k& v* d
a.生產符合長寬規格的鋼板的機率有多少?
$ q- J, h$ P0 t7 ^  v9 ?/ v, P" Db.鋼板的長或寬不符合規格的機率為何?
  v" T$ H& t0 e+ w8 D* I& wc.鋼板的長與寬皆不符合規格的機率為何?: q% Y3 M3 F- [, |
d.假設鋼板的長與寬的製程並非獨立的,如果長度不符合規格會使切削寬度時的夾具位置不) o; x. l! C0 r3 I( i
正確,使的寬度有可能不符合規格,從經驗得知長度不符合規格時,寬度不符合給格的比例) O+ Y5 d, @; b5 c3 D$ `' ^8 r6 Z: H( o
是60%,請找出長寬同時都不合格的鋼板比例。
5 W! q. O+ n, {& G; ke.在(a)中A與B是否互斥?& O9 B2 B4 P3 l+ g
f.請描述如果A與B事件為互斥的情況下的情形。
3 b$ R3 x- f: O, u0 t! Ysol: 假設A表示長度符合規格的產出;B表示寬度符合規格的產出 7 v& E: I$ G+ e7 I3 m
a. 由題意知道P( ) = 0.05與P( ) = 0.03 ; ^! z. k% c( C. F
P(A) = 1- P( ) = 1 - 0.05 = 0.95+ F9 O, ]# r9 g# Z; X) I1 F! {0 [* o
P(B) = 1- P( ) = 1 - 0.03 = 0.97
/ D; y$ _8 x$ GP(產出的鋼板長寬均符合規格的機率) = P(A∩B) = P(A)P(B) = 0.95 * 0.97 = 0.9215/ z- d7 {, ^! K+ x) M5 b& f
b. 鋼板的長或寬有一個不符合規格的機率 = P( or or both),從加法律得知: $ H* c5 l1 V  j/ \5 f7 o# m& }5 w7 X
P( or or both) = P( )+P( )-P( ∩ )4 a( J2 C5 D9 q+ u) k
=0.05+0.03-(0.05)(0.03)
# W1 w; m. k7 P* h: ^% D( g=0.07854 r4 ^# S% H5 x' f# b, J% b' D
所以有7.85%的工件長寬之中有一個不符合規格要求。
8 D( c3 [6 o- A$ n. i3 ~c. 題意是要找出P( ∩ ),而P( ∩ )=(0.05)(0.03)=0.015 % c6 v8 ~# N4 t1 }- R
所以有0.15%的工件會不符合長與寬的規格。: K( P) ^: A7 N! r: k  {$ S+ b
d. P( ∩ )是此題的目的,而且由題意得知P( ∣ )=0.60從乘法律知道P( ∩
- N" e7 Q0 Y/ g)= P( )P( ∣ )=(0.05)(0.6)=0.03 & Y) L. [, r$ ^. F  j9 K1 ^9 z
所以有3%的鋼板的長與寬都不合格。" s2 l" f# [7 C0 ~6 u
e. 從(a)中得知 P(A) =0.95﹑P(B) =0.97﹑P(A∩B) = 0.9215,如果A與B互斥則 P(A∩B)應該等
+ y/ o. N! z/ o於0,但是實際上並非如此,所以A與B不是互斥事件。
7 I8 l$ u9 C5 N& [f. 如果A與B事件為互斥則P(A∩B)=0,所以生產出的鋼板均不合格。
$ h4 y! w; z3 A* U/ ^# \
4 s" l4 q9 O+ ~0 T! m數據描述方法
/ ]' m3 e/ ^' e2 P[ 中央趨勢量| 分散度]
, @' X8 s1 W& O& V4 U* M
+ F$ _6 `/ g' [# `9 n( n3 A統計是一種收集﹑分類﹑分析與從資料中做出推論的科學,一般可將統計分為
6 p; J  D7 d3 v$ f. f) K敘述統計與推論統計。敘述統計是從收集的資料中取得描述產品或製程特徵
1 z8 N  X. N2 V' h4 F量。而推論統計是利用抽樣所得的資訊對未知的製程參數做出結論。% P+ Z3 R6 z* J7 Z4 Y! d
在此首先要介紹的是敘述統計,主要內容有: 9 G" W$ G: l* @# H. M) Y
1. 中央趨勢量的量測
/ u3 I3 t. r# L2 d4 U; x2. 分散度的量測 . S7 ]3 L1 _; ?; P: U% ^
中央趨勢量的量測
& T: ^1 Z' ]2 b! l1 a& [在SPC中,中央趨勢量的目的是指出資料所處的位置與集中的值,可以幫助我們
7 q1 J+ r9 ^$ W+ a) b1 W' g決定是否要更改製程的設定。包括下列數個具代表性的值:平均數﹑中數﹑眾
& q4 ~0 ]$ x' ]4 _# [+ X1 V數與截尾平均數。
' ?* G+ V( b4 W& A8 ta. 平均數(mean):
; Q" d, L. g( c; D/ g5 ]4 j3 f平均數在SPC中最常用來決定製程是否偏離目標值,樣本平均值以 表示,4 t5 y3 l- f2 \" K/ _
= 。母體平均數以 表示, = 。
) v! k# D2 {% M, E0 D例題a
: g5 ]1 q; w5 |. \7 O
. ?1 T& g0 g/ s7 ub. 中位數(median):位於所有數值的中央稱為中位數,如果數值有偶數個,則取中間兩
' R3 t) S/ V' A  v9 p個數的平均值當中位數。中位數的意義在於有50%的值小於或等於中位數。 ; V; |$ E! ^) s
因為中位數比起平均數而言,較不會被極端值影響,故中位數比較穩健。3 K) _8 ~5 U4 E+ g4 P; y. E+ e# A: d
3 `: n8 P5 E  g6 e6 m9 l
c. 眾數(mode):出現次數最多的數稱為眾數
% }, J. |* U7 z$ B( }) [截尾平均數(trimmed mean):截尾平均是取介於第一與第三四分位數中所有值的平均,
' J% l  R1 o5 E比起平均數,截尾平均數較不受特別大或特別小的值所影響。同時又不是只代表某個
" q! v8 R; a, J: m1 |4 c出現頻率最高的值。
, V& H/ w/ P  [/ y# a# z
$ A+ z/ i* u5 [' A( l6 b5 ]4 S分散度的量測
8 w! o4 o4 f# o5 n分散度的量測提供資料變化分散的程度是SPC的基礎之一
6 k* j% w7 O. ?7 B/ o' d1.Range:在一組資料中最大與最小的差
( \6 |; n4 L! i- I5 ^+ c  p7 kR= Xc - Xs
9 M2 k! M0 c1 u& [7 H↑ ↑
" O# J1 ?5 E8 P7 f最大 最小
: L# i" ]/ B) r3 \( Q, O& d  G+ h2.Variance 變異數:是測量觀測值均值變動的情形6 i, W7 ^4 m! Z
3.標準差9 i, c, U; ]  ]0 z

  x* ^1 ?$ o0 |2 t* l$ [' lEX_a:隨機測量銀行顧客等待服務的時間分別為3, 2, 4, 1, 2分鐘。" C$ h" E9 b+ L5 O
樣本平均或平均等待時間: = 分鐘
& h- ^4 |* M% Y! z( I
' V! L! R% o. U5 `3 j6 G1 eEX_b:隨機抽取十個活塞的直徑(公釐)分別如下:52.3, 51.9, 52.6, 52.4, 52.4, 52.1, 52.3, 52.0, 52.5,
5 I' d# j* L( _2 W52.5,請問中位數為多少?
& x9 g( K" W0 E6 I3 |sol:將測量值排序後如下: 51.9, 52.0, 52.1, 52.3, 52.3, 52.4, 52.4, 52.5, 52.5, 所以中央兩個值分別為5' v9 l6 g& G9 ?' A) W' W. Z
與52.4,兩個值的平均數是(52.3+52.4)/2=52.35
; d5 J  M! c! i9 ]. F8 n8 C8 n

+ y" G* d% E/ ]- J5 PEX_c:某個建材行要決定該儲存何種尺寸的圓形鋸以因應顧客隨時的需求,隨機從歷史銷售資料
: u, s2 E! X% Y8 g4 f! N取30個樣本如下:
5 i0 [$ W+ e2 u1 N由下圖可知眾數是120,所以直徑120的圓形鋸優先考慮要儲存。6 o5 m9 y& N5 l+ H4 g- H- D
80 120 100 100 150 120 80 150 120 84 T' ~% D! n8 i6 ~* o6 K
120 100 120 150 80 120 100 120 80 1
( Z) r$ E- o0 u) g* D, S100 120 120 150 120 100 120 120 100 7 u! I+ c. K: y" ^5 `$ @

( S: G9 _) O9 a$ k& s; V6 q/ q機率分配
* x- D  a( N' n/ \0 ]& r[超幾何分配 | 二項分配 |卜瓦松分配 |常態分配 | 常用分配間之關係]" l% v! m1 H4 K5 S, h# P4 [) L
  S: ^  B( Q2 C. K9 l7 I
機率分配(Probability Distribution)
- }# ^$ C' S7 j' q機率分配是一個數學模式,用以描述一個隨機變數(X)所有可能值出現之機率。機率分配
2 r5 ]- z1 \  F. b5 L7 u可分為連續和不連續兩種。
* y2 j* b& }7 ]/ }) Oa. 連續分配3 q5 O5 y4 s1 R3 |% O% K
若一變數使以連續尺度來量測,則其機分配為連續。如產品之長寬高尺寸。隨機變數
+ R' }' ?. b  r; OX落在a、b兩數值所界定之區域的機率為. P! L! u' ?3 T' R' E. Z  T  A2 L
b. 不連續分配
% ~+ F; O% y0 P5 q( P若變數只能為某些特定值,則稱其機率分配為不連續或離散。如顧客數目。隨. U" N; @- H( r7 O; V
機變數X等於某特定值 之機率為6 D) Y1 g2 C  M: a- Q9 H9 b: T
P{X= }=p( )
; a: W+ m( k5 u( V# q% d$ f/ i" q: @( d2 H4 c  z4 g+ }$ R5 F1 z
QQ截图20140716160521.jpg
, u' Y4 v* o  o/ q
  Z  P5 T7 A2 r超幾何分配& p* T, L% Q4 J' Q8 r! r( P
從有限群體中,隨機抽取樣本而不放回時,需要採用超幾何(Hypergeometric)機率分配。9 v" S, e2 w. S: U; Q) {
1. 定義
, O) j4 Q- e5 y* V) G3 ^+ o7 O如果一批產品共有N件,其中r件不良,其餘N-r件為良品,現自該批產品中隨1 R+ f# W" |' d
機抽取n(n≦N)件產品,則其中有x件不良品之機率為
" O8 y$ i4 Q  k9 b( R' v2 V8 n( d" c: d+ F. G/ N
QQ截图20140716161043.jpg
4 p: G9 ~; V6 T; k1 |3 k3 q' x$ M" M: \5 \4 z3 s" c+ u2 K/ ?  T
若不連續隨機變數x具有上式之機率分配時,稱為超幾何分配(Hypergeometric 1 u# q9 c# [( @- n7 n* V: g
Distribution)
; F8 W1 Y2 u; D$ j, ^1 j7 ?0 l# N' r# l+ ]' ~( ?. L0 p
QQ截图20140716161115.jpg
0 Q5 m1 c+ p' {, l% W
* f# T0 [5 a7 D: F& M& `, b- K二項分配
  v% w* k+ l) n" l) v  Z1 {5 T1. 定義:假設X為不連續隨機變數,若其機率分配為 2 |8 j  |3 _* O# c; Q# w( i' x% T* ~
,x = 0,1,2,…,n ,0<p<16 ]6 J. T0 Y, v8 T' p
f(x)=0, x=其他數
; K) f/ a7 U8 F3 k3 r- j; Y則稱X具有二項分配(Binomial Distribution)一個隨機試驗,其結果可分為兩個互斥事件A和B(如成功與失敗、正面與反面
" b1 W/ s3 ~: }/ K等),若發生A事件之機率為p,而發生事件B之機率為1-p,將該隨機試驗重複: {7 b" n+ k, N: \8 q
試行n次,其中事件A出現x次,則此隨機變數X餒具有二項分配,其計算方式如
9 ^2 @; `, d9 R下:/ w0 e, L+ F/ ^
假設在n次實驗中,最初x次全出現A事件,其餘(1-p)次全為B事件,如上圖,8 C* U3 E5 W8 _7 l6 m& n
此情況之機率為 然而此種組合共有 次,所以其機率為
4 W( X" `/ B* U! E
! e% L4 z  r+ Y9 N. s/ Q+ X超幾何分配用於群體之批量有限個數,而且其取樣的方法是取出不放回。下列
3 ~' y( Q1 C2 x8 I" I三種情形應該採用二項分配:3 X. {8 Q: m1 ?* u1 W
1. 群體批量為無限多。 ; C3 M4 i9 n' a% A" U
2. 群體之批量為有限數,但取樣方法為取出放回。
2 Q7 H& C' c+ Y! I+ z3. 群體之批量為有限數,因相當多,點算不便,且N>10n。
7 r) \' c" m! k0 F2. 二項式的展開: l/ h0 N4 q' C+ `
: z1 w4 m4 e  P  H+ S. V' Y
QQ截图20140716161238.jpg   c+ B5 ^) I6 A1 i
$ `& u* U' w' p$ `+ r" Y1 L: D
p:A事件發生的機率(例如,一個不良率)# f% D1 F  ?$ e. o2 J+ q' E. a$ a
q=1-p:B事件發生的機率: j7 r/ B1 y: b! _
n:試驗次數或樣本大小) h" k' Z" K! ]' v1 U% H1 q
A與B為互斥事件1 k. r4 M9 y: p: ^0 ~
3. 二項分配之平均數與變異數0 {( {2 e. z( w8 s, ~, E2 f( d$ y
平均數: =E(X)=np
3 \4 B" u( X2 x0 d變異數: =V(X)=np(1-q)=npq
  l4 D$ t4 ]2 }1 P7 d" k* qp:群體不良率
% O3 i1 e6 w6 I8 f& i' Qq:1-p
" \6 d/ L8 e3 l: }/ u4 a
# S( g2 p" O2 @- n3 p* Y) V5 j) A1. 定義:如果x為不連續的隨機變數,具有機率分配
3 {0 T5 N# h+ x) O: f QQ截图20140716161357.jpg
  A" ?2 B1 G1 }! O  k3 B
* q+ k- X) I: f7 n則稱X具有卜瓦松分配(Poisson Distribution)。
! Y  R. V* j$ R+ ~% b0 C卜瓦松適用在樣本n很大,且不良率很小的場合。一般而言,可歸納下面三種情' f, t. n0 i  i6 K' L/ ^8 y( x
形:7 d; z2 o8 U2 W8 V
a. n ≧ 16
! B8 B% k3 ]( r6 w% Bb. p ≦ 0.1 3 t0 D7 X" H- y/ m9 A6 s+ O
c. N ≧ 10n
" V6 o) c9 G9 d5 x" c' W; S應用卜瓦松分配的實例很多,常見的有:
4 z1 R, O3 m) P1 Y, r6 Ea. 單位時間內的觀察值。例如便利商店每小時的顧客人數、每天機器故障台數3 V2 L2 T- e4 W6 z' {7 h
等。
4 s: ~; c+ _+ x% i; I) cb. 每一單位數量內的觀察值。例如每平方公分內缺點數、一批產品上的缺點數+ w9 Y6 A" |/ L6 j, T
等。- T: _. Q; ~* b/ y) _
2. 卜瓦松分配的平均數與變異數
& v! w5 ?7 y; n平均數:μ=E(X)=C
0 u. h( q( `  G9 ?變異數: =V(X)=C
! ]! g; }5 N% E; T, Q' u卜瓦松分配的平均數與變異數是計算缺點數管制圖之主要依據。若群體情況未) T* |' b3 G" N0 o/ c/ q
知,則以平均缺點數代替之。* {. z& R( U5 `  D' i0 F# C
# t1 u9 N- C* a, ~0 a% m0 J1 A. X
常態分配
; f7 P8 @3 V# Z) d1 w1. 定義:連續隨機變數X具有機率密度函數
$ A6 Q1 r5 i! z+ S-∞<x<∞, σ>0, -∞<μ<∞μ
( V6 L; U5 P% ?! b則稱X具有常態分配(Normal Distribution),通常以N(μ, )表示。
; `  G5 ]2 O/ e6 F8 ^2. 常態分配之特性
6 j8 h# Q' P5 Z, x4 }; ma. 自然界絕大部分現象之分配均屬常態分配,如身高、體重、品質特性觀察& }7 I: k6 z0 l4 J+ j" k
值等
6 Z/ H, b/ s6 D( `6 U  Sb. 隨機變數x為連續變數,其定義域範圍介於。-∞與∞之間。4 W2 u* a, D5 r# @8 r
c. 有兩個反曲點,在μ±σ處。8 M) q& u1 O. }9 c7 ]9 b4 M; b
d. 為一單峰對稱分配,呈鐘型,以平均數為中心左右對稱。* z& b9 S# A$ T
e. 常態分配的形狀決定於兩個母數,即平均數μ與標準σ。如圖下! ?$ ^* Z/ m& H1 ]3 s
f. 曲線與X軸之間的面積總和等於1。! P) D& p: q. u  I/ f* h

# \% O) e7 I; `: T" g QQ截图20140716161501.jpg $ k0 R9 p- M! m' k1 e6 w
5 f/ N9 G: r9 C: V& U9 C7 x2 I8 h2 f
3. 標準常態分配! b4 W& L. Y& N( h1 D. ~
為使常態分配的計算簡化,可以經由下面這個公式將所有的常態分配轉換成標準常態
. B5 ?3 z+ J& r4 `( n- f分配(μ=0,σ=1):
) i6 z, H; N) y4 m經過轉換的標準常態分配機率值可以查表得知。。而其機率函數如下:4 X2 j  q  |3 u) o6 d0 I
, -∞<z<∞* Z5 g0 j; l* E; s
由標準常態曲線,可以進一步求得±3之間的面積為0.9973,±2之間的面積為0.9544,±19 |  J/ ~0 ~2 A% H* M. O5 }0 O! R6 Q
之間的機率為0.6828,如圖所示,其中μ=0,σ=1。
! s* R' L8 o; h- I: h8 z, J- E/ [2 e4 i" {3 }  Z1 J
QQ截图20140716161542.jpg 2 s( M" Y. p6 p( f4 t! Z

& J9 N! v2 ]# ^2 s$ H" P; D4. 中央極限定理(Central Limit Theorem)% n3 t2 l6 i9 r/ T, b
中央極限定理應用於品質管制上,非常重要,因為從某一群體中,抽取n個樣本,其
( v/ F4 q5 X% J' t/ D/ R品質特性之觀測值分別為X1, X2, …, Xn,平均數與變異數分別為 與 ,則令Y﹦' H. E) w+ O; a) N5 Z0 z

" I$ N) j' Y' u: e當n→∞時,f(Y)為常態分配。
: |& h% `9 a5 y; M( q% M5 l因為一般產品的品質特性值,很難得知屬於何種分配,但是,從中央極限定理得知,( T! z; g) C( ~( C" |1 N7 C' q
在未知群體分配時,只要抽樣的樣本n夠大,其平均數之隨機變數近似於常態分配,5 M$ g4 `4 e/ T& n9 d, W
此定理提供了品質管制中的抽樣理論之學理根據。4 G6 G! x0 I6 @) I
5 J+ O# p' d; x4 j# `2 v
常用分配間之關係# q' \7 S- S) j8 X9 H& s
超幾何分配、二項分配、卜瓦松分配與常態分配之間關係可以用下表簡單說7 E# K+ U$ C$ J" a
明:
5 a+ T- q1 T4 J- E條 件 實 例 可用之近似值計算
# k5 _# ]" D5 K$ W& MN>10n 批量為樣本數的10倍以上時 超幾何分配→二項分配, I3 D& _5 X) p' l* `8 G
p≦0.10
$ g8 F  z7 R# ?7 f2 {! nnp>5! i+ P: ?3 x! j( J
不良率在10%以下,n很大,但
/ S) G2 M7 j# `8 b  u4 E不良數不超過5個時
. ~, l( s# i, [1 w- g二項分配→卜瓦松分配
. \  z, E) x7 i* ^4 W, M" x7 qp<0.503 Q3 l$ q  G3 {6 J: L; x
np>5
; L- z( t: Q; q6 E, r% @+ n8 @不良率在50%以下,n很大,但
3 J+ I& m1 L; n% w, Z4 n不良數在5個以上時
5 \  k! C/ d0 h二項分配→常態分配
7 I. s- {0 L# ~* ^* Anp>10 樣本數很大,不良數有10個以+ U  N1 Z3 ^3 a( _
上時
% y. u1 k7 g9 v; r# W卜瓦松分配→常態分配; z5 P. \, u! b0 l" b. [, P2 `

; G8 h7 d+ Q3 q抽樣分配3 [: F' e2 V7 J
[ 統計量之抽樣分配| 定義於常態分配下之抽樣分配 ]6 Q+ v6 R" n4 r% L+ w4 S
" d$ c% }: i+ y8 n% G1 D" P
統計量之抽樣分配
% P0 }( ]; A* V$ T( ~# F( D9 r" X在研究宇宙間的現象時,由於人力或財力所限,無法對整個群體觀察研究,致使' }* A* Z* d# h* p
無法獲知群體所蘊藏的某種特性,但若能依據某種法則由群體中抽取樣本,即可
  D' Q& v, c+ @3 w由樣本去推測群體之特性或相互關係。3 d: M! u8 @2 \8 Q; X

! Y  A; i$ V& w6 B2 S QQ截图20140716161937.jpg 6 U5 x* C! P4 }' ?. R1 p+ R$ V
! t* S+ S$ O: `0 W
1. 樣本平均數( )之抽樣分配1 ~# B  D& a- M! B" y
假設X為平均數E(X)= 及變異數V(X)= 之隨機變數, 為大小等於n之樣本平均
) O  a1 e8 c7 @" l0 j數,則. x8 F7 |8 u# r4 z7 M. e- i8 K6 t
, t0 G3 n& r! a1 Q. b( ^; u/ M% I
QQ截图20140716162330.jpg 1 h+ S& O5 o6 Q- w" @5 \
# G! c3 \5 b3 K8 N  f+ K9 T
QQ截图20140716162301.jpg ' [. k3 u# i6 C  P! q8 y/ d

5 S$ G8 k4 J2 W% z& G3 X∴不論群體為何種分配,若由群體中抽取大小為n之樣本,樣本平均數分配之平均數等; Q( u/ J# V6 n, [7 x
於群體的平均數,而樣本平均數之變異數等於群體變異數除以樣本大小之商。3 h$ ^' `) M- i4 V
* w2 Q7 z2 ^3 V# z7 s
QQ截图20140716162415.jpg ; u4 e+ Q6 [4 d; O  ?
! e1 R5 `( [+ q
例16:X是常態分配N(30,9),假如從X中隨機抽取大小為5之樣本,使樣本平均數
- a$ i0 F0 R% j9 a7 B9 r構成一抽樣分配,則其平均數與變異數分別為多少?
# E1 ^1 s+ s) kSol:E( )= =30
+ Q9 Z, E" o, |; e- eV( )= =1.8  Q& m- p1 Z$ F+ A- D. h

5 E8 ^, S( ]1 q; Y, E QQ截图20140716162458.jpg   C) u/ u! c+ x9 Z5 U
; A! A* u% @) A9 F) g% o
QQ截图20140716162532.jpg
+ E( C- |" ]" P9 E2 \9 ?% ^% R: J, e. W( r1 b) K9 T
各樣本全距抽樣分配之平均數為 ,標準差為 。但此分配不是一個常態分配。+ S. z7 o. K2 }+ ~7 T8 m

8 F) o: K+ |5 N" }9 b3. 樣本標準差(S)之抽樣分配" o/ E1 z( q& d0 x3 h2 a
0 b8 n/ Q2 n+ F" a6 J
QQ截图20140716162614.jpg , _0 o% M3 J% M9 F
: X! O  L) Y+ i4 \
各樣本全距抽樣分配之平均數為 ,標準差為 。但此分配不是一個常態分配。
' F3 Z! Y& M# u( o2 z  G
$ }0 O' s# p/ b6 A* f- W4. 樣本變異數( )之抽樣分配
6 B  I8 _& b5 U8 u, s) `# MM   M7 o' F( ]1 O* w; E0 e& S
k X1, X2,……,Xn Rk: ^8 \0 U7 {0 K5 p3 G! Z0 N: o& T
   組號 數 據 樣本標準
$ }; x' a# w+ X8 Z% K7 s1 F: O1 r* j; o' S; q2 I7 z7 T: X4 X" h. v
1 X1, X2,……,Xn S1
4 {  D& n- b% ?# ?$ D, A2 X1, X2,……,Xn S2
  Q0 I' X' ], H: r$ `3 k2 PM   M
. d! l: W; _$ C7 d% eM   M
$ Q& [# X( S; z, T! V+ q+ Ik X1, X2,……,Xn Sk3 l, e1 W0 j* G; S" o

2 u, R1 v9 ]* F. n+ H4 i! HE( S)=
. V# n. n6 z) S5 m# N! B各樣本全距抽樣分配之平均數為 ,標準差為 。但此分配
) R! q6 b: d; [. J8 u6 x4 Y不是一個常態分配。
0 N% Q8 i, x3 N  ?' I" L, A- |5 \/ i$ M2 t) q, E: ~! L! s  j0 {  n
& {' g7 t& |. u5 @# l3 T; J
定義於常態分配之抽樣分配1 Q, z4 K( Q" Q1 V* V5 w
假設X為具有平均數μ和變異數 之常態分配。若 為樣本數n之
( P$ h# r! V- u, j8 U" h( g5 C: A隨機樣本,則樣本平均數 將會符合 之分配。另外,根據中央及
5 o" w: a# E; f8 x限定裡可知,即使母體不為常態分配,當樣本數n逐漸增大時,樣本平均數 之4 q) w$ ~; t4 T5 _* |  H; T
抽樣分配將會趨近於常態分配。以下將介紹數種定義於常態分配之抽樣分配,包2 ^8 f5 ^! t/ T6 L2 l! e
括卡方分配( distribution)、t分配和F分配。
) G! R9 d% B2 B# J% Q) \5 g卡方分配8 ^4 G$ G& w* h6 b0 ~; G/ d/ K3 U3 S
假設n個獨立之常態隨機變數 ,其平均數分別為 ,# K- a( }9 {; ]8 a
   組號 數 據 樣本變異
2 ^. S. G+ {6 {9 G( z. g. R1 d
. t% R; f( C9 t1 m. m QQ截图20140716162655.jpg
' [. c& L; A1 |9 t" I, p
: o$ x. t) g/ ]! p& a/ R1 U
; C: g; |! q3 _% |1 r3 w+ o3 g% E$ Y. Z7 |; e
定義於常態分配之抽樣分配
( ~1 s8 r& T: E1 i8 I, v假設X為具有平均數μ和變異數 之常態分配。若 為樣本數n之9 U8 [/ p8 w3 E* \+ G
隨機樣本,則樣本平均數 將會符合 之分配。另外,根據中央及& Y5 z$ z8 o% _" q7 g5 w! \7 k, `8 H
限定裡可知,即使母體不為常態分配,當樣本數n逐漸增大時,樣本平均數 之
/ H2 l* A! l) T抽樣分配將會趨近於常態分配。以下將介紹數種定義於常態分配之抽樣分配,包& g, Z! y+ B/ f7 v' V% ~3 @6 t; p. i
括卡方分配( distribution)、t分配和F分配。
2 G  k) b5 X3 O. F& a/ x卡方分配9 |1 d& C  R) T" [8 M$ ~( H
假設n個獨立之常態隨機變數 ,其平均數分別為 ,
5 h3 h, M, |6 n   組號 數 據 樣本變異
; O1 P( _% p' O4 l7 T0 m8 B
! I+ R9 L6 Z; @! L% E
" M/ S  @' T; Y1 X1, X2,……,Xn
! i# H# o" B  U% Q: ?. `2 X1, X2,……,Xn
& B  V- J  w% EM   M) \8 ?& i* Z+ N3 D1 E; k* p
M   M( P2 x3 T# k* z+ H$ v$ X) U
k X1, X2,……,Xn; a! f* s5 X  `( d# D' u# P) M2 k
變異數為 。
& i4 b5 L& H" q, w5 D+ s
! I; m8 ]( l8 ^, H7 ~
; N! k. _; U  Q0 ~5 b) y% x

% }  B$ g; m* T# P8 j# Y% A+ M3 }! Z( r
您需要登录后才可以回帖 登录 | 注册

本版积分规则

QQ|关于我们|sitemap|小黑屋|Archiver|手机版|UG网-UG技术论坛-青华数控模具培训学校 ( 粤ICP备15108561号 )

GMT+8, 2024-11-22 03:23 , Processed in 0.078864 second(s), 26 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表