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: 814|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

& S3 ]/ p% [) D% o1 q. V
單元目的; X1 h0 ^! v# A2 `: E! Y
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0 g8 O; Z/ B% v' T1 ?/ n$ V
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) g) r/ I2 }0 t$ m( v
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
2 l$ l' y* {, i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
/ J2 o, W& m  U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
; K: n- V& o8 E, E有所了解。
/ L, A2 _. J4 L單元大綱
0 {" ]! D. B3 l7 r. F5 S" N在本單元所介紹的常用分配,包括:
- v6 o2 r# I5 p5 S一、基本機率論
1 e2 V' |+ }) Z. `! Z0 C' n二、數據描述方法/ w! B, N) W1 x7 Y% C* W6 y" @
三、機率分配(群體分配)- W0 Z; `% W- h, o
1. 不連續機率分配(計數值分配)
9 j4 f$ y) o5 K1 B8 n( za. 超幾何分配(Hypergeometric Distribution)
* X! }; y& v7 I. I; d3 Pb. 二項分配(Binomial Distribution)
+ M& V7 J2 c; Ic. 卜瓦松分配(Poisson Distribution)
) o# ~4 h2 z" o  b- A. N2 ^2. 連續機率分配(計量值分配)1 o) A3 J- O  N* S4 c  m  K
a. 常態分配(Normal Distribution)- F' V* H/ g# c7 ?% m
四、統計量分配(抽樣分配)4 R6 Y  U2 b3 p- s
1.統計量之抽樣分配: D& r' o- J* s2 s
a. 樣本平均數( )之抽樣分配
4 X0 e# `( Y: Q9 s8 Xb. 樣本全距(R)之抽樣分配1 P6 M1 t- O* J/ v3 @
c. 樣本標準差(S)之抽樣分配3 x% A) K) |, j2 S7 I  b3 F4 K4 s" [
d. 樣本變異數( )之抽樣分配
# L. |: P, Q& L7 V5 _2.定義於常態分配之抽樣分配1 N, O5 p) o' O8 A8 G2 q' ~( W! q
a. 卡方分配( distribution)
' P& Y: U3 s( e+ J) Rb. t分配. w1 g6 W5 I/ H$ p: D
c. F分配 . h5 A6 U1 Q' j) R, P+ {
基本機率論; `1 ^9 F1 |, Z* B" N
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 h& S& b1 J, i* d$ n3 m# d" t7 I1 }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2 a& p: v" y, ~: U
與未來結果的分析。6 \. f5 h1 T5 w0 `8 f4 q6 `
母體與樣本(population and sample)5 J/ x: e! ~5 U- K! b0 g
母體(population):一組包括所有項目的集合。
& d7 Y' x7 W* \( c  K4 x- C4 pex: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,4 h; L2 B% I7 Z7 E, j4 q
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),* @! V% h& W+ m' m# U- J2 a
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0 [5 d7 W  E' Z  M9 M6 f5 ]3 c/ k
頭,母體仍只限於A牌。2 _: }* C; C% A
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( S! j, a0 |& l$ D+ m) M1 x
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/ U4 ]" s5 v9 ~* u& H6 p+ d6 n
資料來代替在此時是一個可行的選擇。# [1 v* O+ |" m1 n1 R5 S: c8 _4 C+ F' h
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
3 Z! ?% s# L! e5 C取500個。. p& m* V8 h2 ?
參數與統計量(parameter and statistic)+ G7 X& t' \( c# W% _
參數(parameter):可以用來描述母體的一個特徵值。  Q& V9 G- n0 z- F; P# w" m
ex:以A牌的罐頭而言,平均值可說是50000罐罐頭的一個參數。
8 G8 S8 n! S/ \+ Y; ]9 S統計量(statistic):是樣本用來推論未知的母體參數的特徵值。* ~' F; g: b  B# E0 `
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
8 y% q" B( ]) c0 `3 }值。
9 U( ^! v6 Z; m* ~9 W4 ~' w, L) ^機率(probability)
" t/ M3 g6 }' a& |% D* u# k! d- a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
/ C% h* S6 f% c; f2 S2 g可能;1代表確定會發生。8 Z! f2 i+ n, W! n5 Q8 w# h
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A4 W& S) V- Y3 @
的機率計算方法如下:
2 U& F! P1 q! J1 H3 {) W* x* oP(A) = 9 ?: Y$ _: R% d1 j2 W
P(A):事件A的機率$ w! {7 `1 E+ n9 q/ L1 V$ o
:事件A發生的方法數目
" _/ M1 W7 w" r2 TN:樣本空間的點數
& c$ k1 g% F* O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
9 ?4 r0 \0 Y% e* {$ L" Z5 j2 y況才能使用。# Q( h/ _( K1 \  q. w
ex:擲一個骰子出現點數為單數的機率% L. [. y: z# G1 F  J5 _& h
假如事件A為擲一個骰子出現點數為單數,則
- P  f9 {# H9 U  K! m5 K5 ]( O樣本空間S={1,2,3,4,5,6},事件A={1,3,5}
# [# ^( E- Y" I5 r' N7 I7 [, s. F5 ?P(A) =  =
' x( t; _, r( L. L0 {& `$ i7 |單純事件與複合事件(simple event and compound event)
) v) G. R7 i- Q5 l9 ~( k* |  x單純事件:無法再分解的事件
# ^* X$ I9 K% F: V0 a' D複合事件:由2個以上的單純事件所組成的事件8 t8 a/ L4 q' m, t( ]
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
% d% P, R* W# I. q事件?計算出至少有一個電路板合格的機率。
, _, _; p$ [) p* n9 j" \sol: & B; F( C- a6 d. q1 c$ W9 H, K
:第一個電路板合格的事件
0 k1 y# m0 u/ O8 R:第二個電路板合格的事件5 b6 u# v+ g8 _. }# `9 w
:第一個電路板不合格的事件
  |# F1 Q8 l. _+ I2 S4 |8 z* I: P:第二個電路板不合格的事件
" u3 D2 }0 o% u4 ]' ~3 v9 a7 S樣本空間S由四個簡單事件所組成+ d  B" E( P. L8 W6 }, K
S = { , , , }; [& q+ ^: d7 v4 P6 q5 Q& H
各事件可以描述如下:9 @' m' g) _# s3 R
={ , }:第一與第二個電路板均合格的事件
5 T* x8 s6 o& |" |! _$ A) O={ , }:第一個電路板合格但第二個不合格的事件
7 P: `: V2 p3 f={ , }:第一個電路板不合格但第二個合格的事件3 `9 j# s* n- g  T1 T3 X
={ , }:第一與第二個電路板均不合格的事件
# G; z+ I1 {+ A1 x3 k# d如果事件B代表至少有一個電路板是合格的則B ={ , , },假
2 O+ x$ [0 X1 A% w設每個事件發生的機率皆相同,
. w+ e' l1 A  x7 b0 A: l* v& l9 Q5 U0 x+ W- L
QQ截图20140716155534.jpg ( G% ~/ t3 G, {" v1 n

3 j% q$ Q" b9 X) C7 M) g6 g! |加法律:P(A∪B) = P(A or B or both) = P(A) + P(B) -P(A∩B)( T- c% r" I5 T$ J( [4 Z
乘法律:P(A∩B) = P(A and B) = P(A)P(B∣A) = P(B)P(A∣B)# e0 {6 H  M8 C( x- s
條件機率& K- K1 l& j2 N# d/ o; C) _
P(B∣A)表示給定事件A下,事件B發生的條件機率。如圖
# b" K- n: J( D5 L% V. U. D* I4 l. N" m" T) o5 V* T
獨立與互斥事件(independence and mutually exclusive event)
$ S& C3 i+ [; c8 j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  G6 |- y( Y% u  f6 B: T  y
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 c( E  e0 a1 `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
' K0 Y& ^5 `% ^( p2 ?( y∩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,
( i- o! t& U+ t/ k% d( o故A與B為相依事件。
# _& ?1 W" _5 ]
' ^; t1 q, ]0 O5 ?  Z4 J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
& [. W5 v: V) x- ^板寬度不符合規格,假設長度與寬度的製程不相關,請問% ~! b; }% H2 u$ W( S! U4 U( p5 b% w
a.生產符合長寬規格的鋼板的機率有多少?
8 a- D  }8 E2 {( q! Fb.鋼板的長或寬不符合規格的機率為何?  l9 d& o# z& `4 y2 l9 Q! d4 E( ^
c.鋼板的長與寬皆不符合規格的機率為何?
% _; [9 E7 ~& M, S+ G' Z8 s) q: c$ R" Pd.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
& b8 q8 y2 O. K4 D" {- s) ]2 t1 x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
- S- g# \- B9 N8 e) d/ n! d是60%,請找出長寬同時都不合格的鋼板比例。
, i% Y! p& Q  n$ U1 P) I! D* Ne.在(a)中A與B是否互斥?/ b6 t, M3 V( U* y; e& B( w
f.請描述如果A與B事件為互斥的情況下的情形。1 r, e. Y8 ?4 [8 n" w) {; J
sol: 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 ) ]1 f* o  w! }" t1 y
a. 由題意知道P( ) = 0.05與P( ) = 0.03
5 ~0 c; \& g* z; N: RP(A) = 1- P( ) = 1 - 0.05 = 0.95
* d* o% F" T( C- h: wP(B) = 1- P( ) = 1 - 0.03 = 0.97: \+ c" u! B/ A  c* F2 c
P(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
1 y, z# `, C- [, q2 j- P! P' cb. 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:
$ K7 t4 x7 w1 `7 U2 ]0 ~P( or or both) = P( )+P( )-P( ∩ )1 y- h  r/ T3 s2 B' ]
=0.05+0.03-(0.05)(0.03)1 p0 r2 P, e9 W% O9 h4 J; v6 z+ I
=0.07857 n9 E) z# z3 k
所以有7.85%的工件長寬之中有一個不符合規格要求。( B; O2 g6 ]2 `& Y# R
c. 題意是要找出P( ∩ ),而P( ∩ )=(0.05)(0.03)=0.015
# q" T# X; X* D' c% E4 v! v. ?所以有0.15%的工件會不符合長與寬的規格。
/ C& L" \( y! h% {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( ∩
: E% Z: M. C! a7 }5 d( J)= P( )P( ∣ )=(0.05)(0.6)=0.03
/ a. d' B  q" z5 b! O所以有3%的鋼板的長與寬都不合格。
. I5 g! b% z! j2 r& \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2 W+ x8 }7 P0 I# O
於0,但是實際上並非如此,所以A與B不是互斥事件。 6 W6 L" Z# S) j5 }- X
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。
' t  G* |6 W/ g4 v/ l
1 U6 _3 \/ E7 u" l( x數據描述方法+ n3 f4 ^4 c9 B5 }+ [- f2 j
[ 中央趨勢量| 分散度]
) ~) R1 c* y+ Y5 ~  x
0 Y* U9 p$ Z4 C  G2 Z" L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
7 @- I/ R; @* D! m6 x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
: v0 K# r8 Q: G% s. g5 q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。
5 I1 A5 {' ]" L3 x; f% L2 y, O在此首先要介紹的是敘述統計,主要內容有: 7 O7 g& v* ~- ?
1. 中央趨勢量的量測 0 {" _( Z. Q3 z  Y  B
2. 分散度的量測 9 U! ?; r) J7 ^
中央趨勢量的量測( ^2 Y' _( W# A4 {5 b3 b4 v6 e
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
! z2 T$ S. H: ]$ {- l( o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9 J- j; Y6 d/ m" S3 K6 |& h
數與截尾平均數。& g' y" Y0 J' |( k
a. 平均數(mean): 6 _( l) M4 ?# V' ~, u) N
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,
. m" T" D0 z' N: U= 。母體平均數以 表示, = 。
5 z8 \0 u- b9 {例題a
. d) B9 n/ d6 P. Y1 [2 |
( y6 t5 n$ ]+ y' r, Vb. 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
! Q$ |  |4 [& w! O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。 * Q( ?3 _3 d4 h$ M) G7 `
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。$ M& r  w# u; [! k  E  W+ x8 p

; m# G( f' @& b, \. E; ]" H: Qc. 眾數(mode):出現次數最多的數稱為眾數 6 q; @: y# [3 B5 y" V% o
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,
* ?3 O- F. g( H) [. G8 s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; ?( B) N! x( V) Y/ p' v0 ~
出現頻率最高的值。 4 g' T# e1 v' @% {3 T8 D- F
7 c3 J- ~0 I) Z; ~! Q8 t' V
分散度的量測0 B4 V7 r8 `4 }7 z+ K
分散度的量測提供資料變化分散的程度是SPC的基礎之一
! M4 T4 s' z7 f1.Range:在一組資料中最大與最小的差
' L- g4 y, G7 K0 r; sR= Xc - Xs
) o( s  w, D& j↑ ↑
% y  O, ?% \3 S7 @, y* K5 v6 P最大 最小
9 u0 E6 b. ^4 t6 q; b1 R  j2.Variance 變異數:是測量觀測值均值變動的情形/ Y' G% S- r/ n2 h% Z6 L# b. ?$ A
3.標準差/ D7 a; l7 W' t/ d4 B
! B8 I+ t9 o5 R8 B# L# k7 g
EX_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。
, n; L3 H$ f# d; Q+ B4 v樣本平均或平均等待時間: = 分鐘) {- [9 D2 y7 a, q

0 d4 g" n" X% J1 ~# FEX_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,
- ^1 I- p) l/ p# Y52.5,請問中位數為多少?3 P0 n7 ^6 L$ B3 u, ?( J
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50 b4 k: M# a+ H3 o* l0 r
與52.4,兩個值的平均數是(52.3+52.4)/2=52.35
& ~$ [) b" U- v- [
+ w% U, `% t. d) D3 u$ T
' l" c- N% a. [* FEX_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
2 O# q) f3 H# }% E6 m7 ~& [; c取30個樣本如下:. n" l+ T7 U9 R; C8 u& O
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。
, z3 p, m* g) b' C80 120 100 100 150 120 80 150 120 8
6 g" t/ L, U. J! E120 100 120 150 80 120 100 120 80 1" f+ [; k9 {, i" W
100 120 120 150 120 100 120 120 100
" L; D8 ^9 }2 n/ }% C/ o1 \
, x! v& t7 }0 ]* I$ j9 r" o機率分配1 v" W  D4 A) N+ P9 k: A* B  |. W# X( l
[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]
2 j# u' K  u& J: ]* Y/ a7 I. J2 E: w) ?2 p$ m. e: d
機率分配(Probability Distribution)* j# x" A9 n! V- O3 [
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
" {  R5 x+ `3 w- _8 X: ]) K9 M1 R可分為連續和不連續兩種。
. C! p; {1 g  B# s, }/ t" R+ Ta. 連續分配6 @$ h+ H$ o- M. [- w, b& O
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: D1 G' m4 n' Y6 ^1 E
X落在a、b兩數值所界定之區域的機率為
5 C) G3 l# S1 C& W7 N# e$ Pb. 不連續分配0 x0 o0 l" N( Z! H, F5 M) t. z  A
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
, O1 p  T) L8 M8 j+ M機變數X等於某特定值 之機率為
5 _" \' T% d  NP{X= }=p( )
' l. l- Q, s2 N# O. s9 Z
- h$ ~  c# P: A$ L) {) ? QQ截图20140716160521.jpg 1 [, }- y& o/ a, ^. c. |

7 S% W  n. Z2 Z: d/ ]' j- \" @超幾何分配
- ?# {3 b8 B3 S) J/ @; m) l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。0 i( ?; n5 p9 y. p  F: y( X9 \! Y/ Q% U
1. 定義% k0 Z6 ]4 k) t0 y6 N9 `
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
& O/ u5 U1 A% h9 I( n! i: _! ~. G機抽取n(n≦N)件產品,則其中有x件不良品之機率為
. N: f- `# D# ?0 z) _& u
8 \& b2 x2 U- e5 i) ?$ i8 e) _2 D QQ截图20140716161043.jpg
4 F: D9 Y4 S8 m# P6 Y6 x! [4 Z3 v5 |: e9 ~
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 ! Y# @6 |: L4 j9 x) E9 t
Distribution)6 j/ ]. d( B2 J( j9 e' u9 ]# T

8 \9 U, a, Z1 d  N" e6 u; U, [9 h QQ截图20140716161115.jpg 8 U4 n( y' j, t) ]0 j
& U$ Z) n+ p8 ^; |/ ?% v8 w: t/ a
二項分配
- l$ @, v# W# F( v+ x7 t: }1. 定義:假設X為不連續隨機變數,若其機率分配為 ) x8 A; H* @) S  N# O0 [2 s
,x = 0,1,2,…,n ,0<p<1
" ^. z6 Y* y* h  @+ q% If(x)=0, x=其他數* p% `9 Z( O% ]) p, Q' y: q
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( i( z* A0 T& s6 E
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% J/ ]. W) S# I$ J4 U
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
2 `7 d  M% @. H& }0 ]0 y& f下:
3 e  f" c- L% |( n! \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,! Q9 l3 t4 Z* S* l
此情況之機率為 然而此種組合共有 次,所以其機率為
; E3 ?, t0 E# w" s6 S
- p% C' H. E! _5 [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, v( I$ n! U* \
三種情形應該採用二項分配:
; K" _( P, ~) A$ i5 z) H, S4 Q1. 群體批量為無限多。 & Y" [7 c/ T- I! m" e3 s  y
2. 群體之批量為有限數,但取樣方法為取出放回。
6 Q" B: W, ]% f3. 群體之批量為有限數,因相當多,點算不便,且N>10n。 " r6 g/ y3 V5 |6 r6 H: F6 b
2. 二項式的展開
# M% |5 w1 }9 s1 U8 t$ E
& `, o5 g  ~9 Q" |- J' f6 o QQ截图20140716161238.jpg ; w4 t( r5 H# C$ t5 h
2 i# }  b/ y+ `' x- Z
p:A事件發生的機率(例如,一個不良率)! ^+ [8 d4 w( F3 W* h$ ]6 Q
q=1-p:B事件發生的機率
( U4 a& d! h; Y: H+ U1 v, B. ^n:試驗次數或樣本大小# m3 Z# x. f# |9 q+ R9 O
A與B為互斥事件2 g- t5 o- ^  `! G/ q
3. 二項分配之平均數與變異數( M+ s. c9 S. y- c( d$ a
平均數: =E(X)=np& d- \8 Q, v* d7 ^" T7 }# p
變異數: =V(X)=np(1-q)=npq
8 r' S) K# j$ l2 g) l1 kp:群體不良率
  f: [5 Z/ P' C! p! T7 C5 Z+ J4 Aq:1-p
' P: j( k4 \0 b5 C- U$ G) l
- p  J* T, I9 `! _6 n  r& ^1. 定義:如果x為不連續的隨機變數,具有機率分配
% ]3 c6 q% O' {1 [. p# f4 B! ?& U6 p QQ截图20140716161357.jpg
3 Y- \( D6 O7 n# R5 f* u1 F# I% N# v, G  p' f
則稱X具有卜瓦松分配(Poisson Distribution)。
2 s+ m# |$ j, c. e0 a- _卜瓦松適用在樣本n很大,且不良率很小的場合。一般而言,可歸納下面三種情( X7 r  f1 u5 U, P$ x% J0 F  N
形:/ u0 e6 m/ ~0 d. ~+ T
a. n ≧ 16
5 j0 @6 Y  @7 h% b- c4 Cb. p ≦ 0.1 9 n4 l' ~+ S# f& k
c. N ≧ 10n 5 C$ ^6 U6 f. ~& k" m) O
應用卜瓦松分配的實例很多,常見的有:
8 {3 }1 d: F( }: Q$ h' @a. 單位時間內的觀察值。例如便利商店每小時的顧客人數、每天機器故障台數$ \% |" A+ D: m  h' D
等。
+ b) }: M# _; G- Vb. 每一單位數量內的觀察值。例如每平方公分內缺點數、一批產品上的缺點數
) l2 D& r/ ?$ R5 p; [2 p; C等。. }9 R( u/ h9 w8 r. J$ e
2. 卜瓦松分配的平均數與變異數
. G& j  z7 k+ ~4 r5 E平均數:μ=E(X)=C
% j/ l4 K- i; A- ?6 U/ [變異數: =V(X)=C* s9 G$ K; Z2 O0 _: x8 l
卜瓦松分配的平均數與變異數是計算缺點數管制圖之主要依據。若群體情況未
2 P2 V, M. l6 ^3 b9 m知,則以平均缺點數代替之。
; M$ h. `# V; B. Y
/ v" F" p/ K0 M# E+ C1 o常態分配. {1 _! p9 ~( W4 E" D. i& x
1. 定義:連續隨機變數X具有機率密度函數
8 q+ W! t- ~/ c# F4 C" V! U0 ^7 z) d-∞<x<∞, σ>0, -∞<μ<∞μ
6 g' ^% @2 P  B( T則稱X具有常態分配(Normal Distribution),通常以N(μ, )表示。
6 W' _4 e* U, K2. 常態分配之特性& ?3 L9 R( a2 y( w% t
a. 自然界絕大部分現象之分配均屬常態分配,如身高、體重、品質特性觀察( k1 G, p( X. W: [. G
值等
# H0 v+ Y, G$ \) w  e8 u" wb. 隨機變數x為連續變數,其定義域範圍介於。-∞與∞之間。
6 q$ A# q1 g2 \, ~3 Cc. 有兩個反曲點,在μ±σ處。
, _5 E' J0 q$ [6 M' `4 Hd. 為一單峰對稱分配,呈鐘型,以平均數為中心左右對稱。6 w1 z- T1 e  o# n
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
9 f7 w5 J6 f( ]f. 曲線與X軸之間的面積總和等於1。
% j8 Z& v0 U  B# n  Y2 i4 p5 B7 Q. n+ t  {2 d- ~: u+ o$ l
QQ截图20140716161501.jpg * p! A/ e2 W, w* O: a( [0 U

: h! t: N9 c- n0 q: V5 S- q  P3. 標準常態分配) O* n& u- E9 j. V1 L
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2 T+ q  b" z( |2 d' Z  A* b5 q4 Y
分配(μ=0,σ=1):
: Y9 }: q( b7 f. A, F2 G4 l/ a  R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:" d) _' L$ V; [
, -∞<z<∞+ R) Y" F# x9 A8 n/ p( u  F
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,±1( z+ G% G. D* q. e
之間的機率為0.6828,如圖所示,其中μ=0,σ=1。8 {9 [6 F, J- L: ~# s* l  F4 F

( Q! \1 m% g/ o  Y: B QQ截图20140716161542.jpg
$ f9 y: u) Y- q, S
+ _1 P2 l5 t/ j% w4. 中央極限定理(Central Limit Theorem)6 T9 a9 i4 u6 d- ^
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+ p' j* e7 W$ v: h) g
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﹦
) r# {; |: ?' w' f( D# f3 i0 G0 a* t+ Z: d$ O( ~7 A
當n→∞時,f(Y)為常態分配。
+ Z5 d3 g1 v& f5 E% ~7 @9 |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,
! S7 M( Y! T. C% z  |% p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,
3 x0 b6 F& h4 i2 b, o. @1 T- c0 L$ @此定理提供了品質管制中的抽樣理論之學理根據。$ [) ]0 Y' X% s/ _1 J" @* w( F
' H" u* }. A2 w  J
常用分配間之關係
) J2 s/ R( t* |! w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
" W" y' J! z+ G2 d+ M1 q明:# [- Y3 v* K5 m) G4 N
條 件 實 例 可用之近似值計算/ H8 X3 U% [# T4 ]. N
N>10n 批量為樣本數的10倍以上時 超幾何分配→二項分配9 Y  W- @0 e* R$ I; N$ r8 U
p≦0.10; V. y! J/ w, R5 c& p
np>56 T7 W2 {* c6 @4 e- v
不良率在10%以下,n很大,但( [% K& F1 j# I/ a% _0 x- J; z
不良數不超過5個時0 c2 M, u1 [( g+ [' W
二項分配→卜瓦松分配
4 }# U: w) V4 e& [9 b3 P$ Pp<0.50, t; u$ ]8 b9 ?; o) P  b
np>5: R7 R4 v2 d4 q7 E8 T# C* d
不良率在50%以下,n很大,但2 P; w7 a- C4 ^5 u* s0 g$ ~! W
不良數在5個以上時
8 M% ]5 {/ w9 ?8 z9 W0 S0 F二項分配→常態分配7 ^9 s5 j$ r$ d3 l$ K& Y: d
np>10 樣本數很大,不良數有10個以
' b3 T# ]1 Y- G! c, ^6 [% q上時
6 v2 {7 P, F& f卜瓦松分配→常態分配
& X3 j. E1 p' p" t. @" r% [; q5 X, w5 B
抽樣分配# G" t- E5 D8 \8 w+ z  u( y) L/ ]
[ 統計量之抽樣分配| 定義於常態分配下之抽樣分配 ]4 K# V( q( p: o7 @

6 q6 ]$ n: ?) B! n統計量之抽樣分配0 ^. f" J  J6 V7 N, |; o
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0 h% I, R0 s0 v  |( s3 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
# g0 r9 D3 G* b6 S# {4 g+ Z由樣本去推測群體之特性或相互關係。
2 [% m1 D' K  c4 h' \: U& x3 _: x% r2 I) {/ A1 C
QQ截图20140716161937.jpg
* F6 T5 r* M( r9 x1 }" p. E
% N6 l. e- k8 x* d! |3 z1. 樣本平均數( )之抽樣分配
( B- v) ~; V  z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
' w) {4 D4 Q/ \6 I: f+ D數,則
4 Y, V& L  X) l3 G* W( l" t+ x/ f4 J
QQ截图20140716162330.jpg
/ g! c% M+ ~- C/ j: E. C9 @3 Y9 h4 W0 }
QQ截图20140716162301.jpg 8 T" [9 O9 z' r0 g( H9 S
; W* ^7 y" r( W* Z/ G# l, 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
( m1 z+ o* g+ b, N: A  C9 k. ]$ G$ z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。
* u* d! ~& {! N# y% e
6 b& N2 x* o) l/ R+ J& Y$ M% ^ QQ截图20140716162415.jpg % @5 M, X9 U5 u6 J

% I6 W$ ]5 i; a' N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+ F$ w( U3 v* T1 m2 s: a3 ^
構成一抽樣分配,則其平均數與變異數分別為多少?
" ^9 B7 \  Z# P- `Sol:E( )= =30  Y! }, {- Q5 o' \
V( )= =1.8
; l4 z: E0 y% `
1 b3 ]4 D$ |2 l% q/ [# E+ z2 X QQ截图20140716162458.jpg
5 T7 i3 i" ^8 Q; K0 U
+ p9 E! F' ^0 L4 H+ p QQ截图20140716162532.jpg
0 R" [# F; t3 p( @* R. P9 V6 f9 N) L
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。
2 W8 ~% e1 c9 P' U! I& J
! m1 `% ~: {. _8 C+ c' q3. 樣本標準差(S)之抽樣分配/ R3 [3 n; g6 j  v- U; ~
1 C+ G3 Q' e- M/ S/ r
QQ截图20140716162614.jpg
& Z# H0 H6 l4 K. |& z- e4 ~
% X8 a! t+ F5 v8 V; z5 b8 d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。
: A& e# t: z2 K6 ~9 L- `6 B
% `9 v1 n! J3 V8 x. |4. 樣本變異數( )之抽樣分配
4 I2 M# `# o% XM   M2 b& @+ q9 ^7 k5 x3 @
k X1, X2,……,Xn Rk1 p: p6 `5 o; k& |% A
   組號 數 據 樣本標準4 {! a+ Z2 H7 G

3 C- n" Z# o# C4 E3 Q1 X1, X2,……,Xn S1+ m1 {/ M# z4 t. O8 F
2 X1, X2,……,Xn S2
1 y, U& d  h' ]3 B9 j2 l+ {# wM   M
& G3 }5 T" v0 O: k( K4 W* UM   M- _( C# V5 }/ L; Y
k X1, X2,……,Xn Sk
8 ?& |2 R% z* K6 @) V/ q4 S5 l. p$ ~5 ?* Z) d8 X
E( S)=
" s$ U. t6 l: D3 D6 }# w' i& @3 n各樣本全距抽樣分配之平均數為 ,標準差為 。但此分配
0 J, D% Y9 ?9 A; P6 b- y: b不是一個常態分配。
2 p, G9 E2 B+ k: u" w: f" D* N
- A9 R; [9 g: F/ o* G: p
0 l: F: K: C! r6 ~, J定義於常態分配之抽樣分配4 O4 T- b& C6 K& H$ _
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
8 M& `* M& x# U' Q# B  [" Q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 ~: g: \1 k0 Y! @0 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
" _  |1 Z; x5 c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
$ F4 z2 @' i& H# A" _% s括卡方分配( distribution)、t分配和F分配。/ B2 ]: t2 _  Z# U
卡方分配/ o! S* i  g( ~5 K
假設n個獨立之常態隨機變數 ,其平均數分別為 ,
' t9 z% K# @, c0 V   組號 數 據 樣本變異% M, l) ~8 {& q2 ^5 `

  t0 ^; {1 Z! I. g% ? QQ截图20140716162655.jpg : W$ n5 a" d5 v' ~5 U
5 p& O% V% n5 W  s1 m4 w
8 @  x/ b' x9 D' E  H/ m' a
! f3 p* O& y( y9 _
定義於常態分配之抽樣分配
+ m: N4 I# s  l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5 j7 ]3 \% |5 d- [6 i2 B
隨機樣本,則樣本平均數 將會符合 之分配。另外,根據中央及- S9 n3 K6 X0 U# d2 @5 p# H4 u
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
1 t, B# o& V  Y) M7 Q8 V6 @: ]- @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7 Y# s, `4 g8 W, V+ A  |5 b
括卡方分配( distribution)、t分配和F分配。
: x* n* `* p7 w) z, z卡方分配
$ n9 s& s$ f% K9 C3 O7 v2 k) i2 w假設n個獨立之常態隨機變數 ,其平均數分別為 ,6 `6 f/ M3 w) B: M5 W
   組號 數 據 樣本變異
# J, J0 ^, K+ s/ i- t% E! D$ \* E0 a7 j( C

- }; J* b0 e9 g* q# R0 d' h# J1 X1, X2,……,Xn" V6 j4 l6 M7 D5 p
2 X1, X2,……,Xn
% q! V2 J* Q. q0 I4 O( h, ~! FM   M$ F" E  e  Y% ^. ^3 ~* M
M   M
9 r6 l/ e" O7 B* k  `- E7 Bk X1, X2,……,Xn5 l, N5 }! s4 l1 o( |' ?( I' J
變異數為 。
: I7 A# @& P6 y# A3 Q. b1 p% Z4 l0 v

, V# f: `' u- K% ^0 o

, ]& D9 K( @8 l. S& M5 [7 \
& S- F3 {# V( O
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, 2025-4-4 18:53 , Processed in 0.105214 second(s), 27 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表