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: 848|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

# d- e! U. c+ s9 q
單元目的
$ g1 f" M' c9 f" a( ~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
) t7 p( r2 j" w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
8 o6 T$ U( w! W7 X' G" S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
0 x! L: x6 c: }$ m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( u- y6 c7 @$ g
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
) F/ J' X) F4 }有所了解。
  ^3 W9 x* E/ J) T4 B  j9 ]$ `單元大綱8 r) C5 M; E' [: b  m
在本單元所介紹的常用分配,包括:
- I) l% ]" o$ t* l一、基本機率論0 r2 _9 O2 W9 e8 s5 J
二、數據描述方法
; S6 N" [7 P2 Z) c3 x三、機率分配(群體分配)0 _# j9 w8 ]# K) \
1. 不連續機率分配(計數值分配)
8 y) [5 f) e6 i% m; za. 超幾何分配(Hypergeometric Distribution)! a2 `) [1 p7 E0 b$ N3 r/ U! Q
b. 二項分配(Binomial Distribution)
# z5 ]% X: {# I+ F% Ic. 卜瓦松分配(Poisson Distribution)
- A* I# N2 @' W: a+ Q7 z  [2. 連續機率分配(計量值分配)/ e$ R8 a0 ^/ M' P& h
a. 常態分配(Normal Distribution)3 m( X6 T0 t2 n1 k* I( ^
四、統計量分配(抽樣分配)$ t  C! v5 Q3 W9 V  T6 H* W
1.統計量之抽樣分配
: H) t* a) A; c& s: y2 h$ D/ `# y2 R5 oa. 樣本平均數( )之抽樣分配
% [  r7 R" Y) s6 Ib. 樣本全距(R)之抽樣分配, x# E3 U) i; G, T" m
c. 樣本標準差(S)之抽樣分配* A9 o4 q4 K1 S; j
d. 樣本變異數( )之抽樣分配) b% R' k. Y3 D1 \
2.定義於常態分配之抽樣分配
# y9 g6 A% ]3 G5 Sa. 卡方分配( distribution)( \1 Z# f0 o( {% G3 P6 ~
b. t分配, O3 z6 _- M1 t% y" k! [
c. F分配 ! D! K! h8 P* G8 j# z" {# c, z) e
基本機率論
7 X% s5 Q( i2 j) k7 a  c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) C8 j. j' f; Z4 J8 a
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
+ a! a4 _6 e# ~, x0 S與未來結果的分析。7 L* F! M- h& m& n! j# W
母體與樣本(population and sample). @% n: X) T$ X; J+ ]  Y
母體(population):一組包括所有項目的集合。
( J) r2 T  c: Y" e1 tex: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,
: h1 S! H5 [: o% J- \- b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),5 w7 y+ X9 w8 h
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
; ^: y# p/ R+ m$ [4 J9 I% B頭,母體仍只限於A牌。
% ~% D$ A* q3 H2 v2 B2 a" ?1 K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! M2 L! r) _' @' l0 d- `' f
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
; v" u( T  {$ k: _資料來代替在此時是一個可行的選擇。
& u$ Q7 r/ X4 `0 }* xex: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
) W! E& T0 x% P; m取500個。4 I* u( B. ~8 H$ {8 _( o# X
參數與統計量(parameter and statistic)
% U. e, V* j/ _9 H% ]1 k參數(parameter):可以用來描述母體的一個特徵值。- [& P9 U0 F5 p. X! w5 _, O
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 L* _1 ~: B! ?$ p統計量(statistic):是樣本用來推論未知的母體參數的特徵值。/ ~, q  m5 D. Q
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6 E" j6 Z! ]0 @7 _; _3 D# ^9 r* t  K3 s
值。+ }. @/ v/ e9 E* r
機率(probability)
  O4 }) e1 H5 M9 T8 C7 m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( V, B: G6 V3 P7 [, ?
可能;1代表確定會發生。
5 h: d* N2 q* t3 L6 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A
) l* m5 S# n$ |# g的機率計算方法如下:4 m; i4 l# h+ A* o* a
P(A) =
8 |, u+ @0 v; d7 a4 uP(A):事件A的機率3 g! C% Y6 h, i; e6 y( _
:事件A發生的方法數目
# A, x( X3 \' O4 s. eN:樣本空間的點數
" r1 f7 A& A$ |5 }0 R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/ U; q% i* q" q9 m2 d( r# s
況才能使用。1 T6 m- c- r2 d" F, z
ex:擲一個骰子出現點數為單數的機率
& F0 ~& U9 z) t假如事件A為擲一個骰子出現點數為單數,則
2 {0 k" J) C. N8 q樣本空間S={1,2,3,4,5,6},事件A={1,3,5}3 C* F/ ?: X- T& g* u8 L& R
P(A) =  =
4 z! `+ e9 H8 m, w& K. d單純事件與複合事件(simple event and compound event)
5 x! J, x; `: ?9 k* y. M單純事件:無法再分解的事件
7 s6 o7 H* |5 X複合事件:由2個以上的單純事件所組成的事件
6 s, F( y. P1 q8 ~% L* |, ~8 f: oex: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$ o+ c* z" `2 f" k/ x+ R- i% Q2 f
事件?計算出至少有一個電路板合格的機率。
# T% U- \( g7 Nsol:
8 U: e" C  r' m9 Y8 @5 l, A:第一個電路板合格的事件
4 @, o, U! C( z5 P$ G( x  {:第二個電路板合格的事件
3 B( t+ v8 U$ I3 R. q3 W  Z5 C:第一個電路板不合格的事件" ?( H8 A' d% G( T: x9 s, y- z3 Y: p5 J
:第二個電路板不合格的事件& A, V, M4 d( c5 y
樣本空間S由四個簡單事件所組成
( {7 |) y$ m: T1 C% lS = { , , , }
, w% N& z8 ]9 Z+ p* ?- e# V各事件可以描述如下:" D: @1 H. k( V" k
={ , }:第一與第二個電路板均合格的事件
$ H' L5 y7 }: A& Q& ~6 A( q={ , }:第一個電路板合格但第二個不合格的事件& p7 q; W* f& U- y9 R1 u
={ , }:第一個電路板不合格但第二個合格的事件8 [6 C3 A1 {' J+ @% C( D& A% G( C. {+ U
={ , }:第一與第二個電路板均不合格的事件
/ S3 P+ H. k$ Q( p  @) W7 |如果事件B代表至少有一個電路板是合格的則B ={ , , },假
: m: g' J4 S  w設每個事件發生的機率皆相同,6 y" M( ?$ v4 p" O

8 z0 E& G2 I: U7 } QQ截图20140716155534.jpg
4 B( j3 B9 Z9 `
9 F4 O0 q5 [. U8 D加法律:P(A∪B) = P(A or B or both) = P(A) + P(B) -P(A∩B); q' l4 r8 b3 p
乘法律:P(A∩B) = P(A and B) = P(A)P(B∣A) = P(B)P(A∣B)
% c& F( l1 J2 \# K% }# l條件機率- n, k2 K+ U* _- ~1 O: z
P(B∣A)表示給定事件A下,事件B發生的條件機率。如圖8 p/ g# j- [6 m) m; q! e4 ~
9 q2 f; c/ T# m" t
獨立與互斥事件(independence and mutually exclusive event)
% u8 |: N. w. }1 Y! ?- d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
! `$ `% u9 U8 V6 b; J& E7 f立則P(B∣A) = P(B)或者P(A∣B) = P(A),此時P(A∩B) = P(A)P(B)5 l0 k2 }7 q. D( b! I
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
. p2 {) ^2 B0 ]$ p, P∩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,
7 v. X: k# \3 C故A與B為相依事件。( f! d. v' {0 W* i/ p
2 {1 b6 }( U! `  h7 B
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
1 Q8 L: Y4 \+ ^3 J7 ]) A板寬度不符合規格,假設長度與寬度的製程不相關,請問9 m8 N) `, C& R* P+ U
a.生產符合長寬規格的鋼板的機率有多少?& t. e$ h, [4 V. v% o
b.鋼板的長或寬不符合規格的機率為何?2 p% \6 P9 l& G
c.鋼板的長與寬皆不符合規格的機率為何?' L1 R; h& a1 ?6 [% I0 X. b
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! G0 B6 B7 {. q6 S0 _
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6 a: ]) F' M# a
是60%,請找出長寬同時都不合格的鋼板比例。5 k) c$ V- q, Q# m0 W# A0 Z# O
e.在(a)中A與B是否互斥?/ n, [2 Z. I* l
f.請描述如果A與B事件為互斥的情況下的情形。
: @7 w7 T: ?6 c* O$ a3 ]4 X7 ]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   O5 n% X0 ^' z# I# R1 r) H
a. 由題意知道P( ) = 0.05與P( ) = 0.03 # u' M: n5 }7 f9 R$ d
P(A) = 1- P( ) = 1 - 0.05 = 0.95! J! \# |/ g) ?! b7 Y: [1 S
P(B) = 1- P( ) = 1 - 0.03 = 0.97* U3 v$ e4 ?2 B8 L4 g+ m
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 = 0.92155 v; C0 T1 x4 z* _! x$ j
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: , }* F- }: W8 O9 R$ o. x7 F. r
P( or or both) = P( )+P( )-P( ∩ )
# G4 \) T7 b- d1 d. B/ n5 N; Z=0.05+0.03-(0.05)(0.03)
, C1 }$ o# u' j$ e=0.0785& J) G4 d7 [$ y- z! [* g% h  g# v
所以有7.85%的工件長寬之中有一個不符合規格要求。0 t& F$ d. Z5 G" A
c. 題意是要找出P( ∩ ),而P( ∩ )=(0.05)(0.03)=0.015
$ }. V  I' l, b# G% b1 \& e  C所以有0.15%的工件會不符合長與寬的規格。
/ J! G. _: n+ z7 Wd. P( ∩ )是此題的目的,而且由題意得知P( ∣ )=0.60從乘法律知道P( ∩. z$ H8 \) Q8 U4 H- w
)= P( )P( ∣ )=(0.05)(0.6)=0.03
' a( B. i' x* x3 C9 n3 v" b4 z所以有3%的鋼板的長與寬都不合格。
% M0 n4 Z: v9 S6 H! Ze. 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
: D5 d. V- W+ E9 R於0,但是實際上並非如此,所以A與B不是互斥事件。
3 {2 C0 |3 @& \. nf. 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。' x+ Q; a$ I2 Q9 S
# C! U! L& v/ [7 B" J
數據描述方法' I) J& v+ s# l5 e- \7 \  p
[ 中央趨勢量| 分散度]
! T( e- M( J2 s" H* ?5 |; f& y! `8 V9 I
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2 r, ~  J! [/ W" p$ I; a/ r" g5 V- r" s
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# \$ d7 D' t" J' e. p( {" i
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。
: l/ R( `4 D+ l: R; ]7 |在此首先要介紹的是敘述統計,主要內容有:
8 U' o; ]) z, \& Y- J5 ]1. 中央趨勢量的量測
# B  z/ X$ u8 ^2. 分散度的量測 . j( }2 C/ p  f; [8 ]" R5 p
中央趨勢量的量測: e9 ]; o  L& w) U
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
) @0 E& M# Q( [9 [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
5 S) U+ s6 U7 l; y( c& U數與截尾平均數。7 X/ T# E' \7 _7 H
a. 平均數(mean):
- G8 L" R6 `4 p; D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,
, G% C$ t" `. T- a" U: y3 p$ d= 。母體平均數以 表示, = 。7 A0 ~5 g  ]8 {# R( X
例題a
& E& ^+ b$ J/ J* l! |4 P: o
! E& n* v  [& j+ Yb. 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# W0 h( X8 q1 `
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。 3 Z. _( J' u1 W* U4 f
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。
( G% u6 @: T/ d% @+ p! z, i
+ B( ~8 A& P& ?c. 眾數(mode):出現次數最多的數稱為眾數
5 G, \; R: L" `& ^* |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,. |/ E6 F9 B" ^' Z" J
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4 Y$ W/ v" Z3 x1 R: C
出現頻率最高的值。
) a' M/ v- p* C8 ?. t1 H
, z" G) F  T  ^; f  s分散度的量測" C; S, d9 @9 ?2 R  e) u
分散度的量測提供資料變化分散的程度是SPC的基礎之一1 `+ @3 q# Q" p' z3 K, t, Z$ M3 [
1.Range:在一組資料中最大與最小的差
( u* u+ @/ u4 W( G; H/ P, R2 JR= Xc - Xs
0 p1 [: n- b2 @: ?/ z" B7 T( |↑ ↑
6 P, _4 h7 h3 K9 S3 o! C* e最大 最小
/ l! l0 T" s  T- \$ ?9 H8 ]6 `2.Variance 變異數:是測量觀測值均值變動的情形  N$ V, d7 B0 h# ?# H
3.標準差
% }- W% Q9 }% I
, r& i8 c9 @# ?3 |% c! q9 q8 \8 J. oEX_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。
# d( X" K% O1 H: f$ f樣本平均或平均等待時間: = 分鐘8 B6 j1 h, t9 H* f3 A7 e2 ]

* Z% F6 L7 k' K+ C: t( D& a2 hEX_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,
; @+ ?9 |% f  Q# L52.5,請問中位數為多少?; n8 n5 A2 R  {6 C- s  `
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  J5 W- Z  Q) U4 y* ~/ e1 H
與52.4,兩個值的平均數是(52.3+52.4)/2=52.35
2 U8 I6 p9 i3 B
, c* Z- _2 _2 h0 k! s' ^! u  L# {
EX_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0 D: ], ^, M; W' F* d/ m% V- x
取30個樣本如下:" u7 @1 P) J$ c. W5 Z8 P
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。
* E9 l: x0 ~" l3 N80 120 100 100 150 120 80 150 120 8* I6 l  y. v9 s+ j
120 100 120 150 80 120 100 120 80 1
' A" i. ?1 d1 E0 a2 y" U100 120 120 150 120 100 120 120 100
/ [) S4 r' b. G3 D6 E
* n  p2 Q- e" X. e2 p$ U機率分配
7 t+ ~2 |% v1 b3 U7 ^6 y[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]( @$ ?3 |% K3 G
& H1 O! e5 u+ c% K, V3 w8 `; \7 q
機率分配(Probability Distribution), u; a! s( _! L  Y
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' a" j# j/ K3 W
可分為連續和不連續兩種。   j# d5 ]0 ^. u* n( R! T0 t
a. 連續分配+ ^+ a( S1 v6 S. _' ]5 K7 [) x! 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" ]8 a; f& Y- y, I0 m
X落在a、b兩數值所界定之區域的機率為
4 i3 y6 l# y5 L2 V8 |4 Bb. 不連續分配# X6 J8 |' C; ~
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  R# I2 H) p! X- w
機變數X等於某特定值 之機率為
$ ~" \/ V6 m) [2 _7 `/ i7 KP{X= }=p( )
1 L: U5 E4 z" D6 j
' g4 w0 H1 Y  N. Y+ ] QQ截图20140716160521.jpg # ~6 E  m7 f# B5 w5 B
$ e* n( e) b# ^4 m# {' ?1 V+ Y
超幾何分配+ v% H; N# s4 e2 n: ]
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。& o" R" \( @* K2 O9 ~! Y, M  u# s7 e
1. 定義) Y: K- h" `3 H- v5 y. V
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& i/ ~, x! b: A9 E' u8 \, u
機抽取n(n≦N)件產品,則其中有x件不良品之機率為
: y" e# h3 |, Y3 T1 d; f5 _7 `+ P! n' w, @$ \8 A
QQ截图20140716161043.jpg 8 G+ O( l: V/ s- N: L8 O  {

: R1 z+ U0 V. n: P0 ?) 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 5 B) P( U9 g; l& e
Distribution)
9 r- t0 k; F: w$ K7 q" L% @
+ y+ h+ J) _% U: x6 b' [ QQ截图20140716161115.jpg 0 y; s$ a! \: P
  `& b9 B1 W- z' h/ l* y
二項分配1 n( B! Z) F. u  z& q! ^; f4 }% S6 w
1. 定義:假設X為不連續隨機變數,若其機率分配為
( Y; t7 A2 D" }/ O& R,x = 0,1,2,…,n ,0<p<1
& |  \" s4 \- n5 Of(x)=0, x=其他數
6 }3 P; E; G/ d! H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2 O  A% H/ y  {" `0 n
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; }4 h% a/ O2 r
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
: j# H2 i; i! ?: o( l下:
0 Z6 [9 \: d/ ^5 b# ^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,
2 y# g" E- K5 [& u: z此情況之機率為 然而此種組合共有 次,所以其機率為
( e: s5 i0 \- F* n# h  `* ^
# D& }5 I3 \. w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; t* m  c7 z+ n5 @
三種情形應該採用二項分配:  w8 G4 [: }; T1 I! Z( _
1. 群體批量為無限多。
' e% _9 Q. U  J, [: l* \. @1 N! k2. 群體之批量為有限數,但取樣方法為取出放回。
2 V7 r& H8 t/ Y: s3. 群體之批量為有限數,因相當多,點算不便,且N>10n。 6 e3 ?  A0 \/ S. Z7 D4 e, a5 K
2. 二項式的展開2 F: \2 I$ ^1 n, m8 u

/ {8 V% \6 \, y& y. D QQ截图20140716161238.jpg
  m5 d# {; v$ f) c" w
, n0 d0 M" T& ~% e. Op:A事件發生的機率(例如,一個不良率)
. v4 N/ R7 G; J7 g  L* ~q=1-p:B事件發生的機率* F7 @# W. F. d6 E2 S8 N. E4 l7 b
n:試驗次數或樣本大小
* I/ H2 g" D" Q! J/ \8 hA與B為互斥事件
$ S) M3 B& C8 L7 C$ ]7 S, V7 h. S3. 二項分配之平均數與變異數
( t- [3 A/ f$ L$ B. y: L" {0 [! g平均數: =E(X)=np8 r8 B& U1 t& s& J8 ]* _, R% M
變異數: =V(X)=np(1-q)=npq( c8 S& h% @$ u  k- r
p:群體不良率
- z% \/ u- Z; H0 }q:1-p+ F$ s, D5 \- ~/ W& f

' K) J' o( \  B6 }/ e1. 定義:如果x為不連續的隨機變數,具有機率分配2 Y- K; L( F; H% }) [3 R2 G
QQ截图20140716161357.jpg
, y9 g2 N5 f; T, ?( ?, C7 Z
) J0 Y2 G$ |& k' Y3 t則稱X具有卜瓦松分配(Poisson Distribution)。
* \4 h) @9 c* Q$ B5 |# i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/ p( Q- f3 _+ r. E' `
形:+ S+ X! L! S- s2 z6 c9 s
a. n ≧ 16
/ C# j  B; I: O, Zb. p ≦ 0.1
$ @+ E( P  W8 G8 V. ?& gc. N ≧ 10n   o' R  y. N1 \+ F) t* m
應用卜瓦松分配的實例很多,常見的有:5 j6 w  Z+ w, C/ @
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  i5 r8 a  Z+ ?
等。
; H( }1 j: ~0 nb. 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
' n3 C! B: D9 U4 X1 d等。, V% ]  w# v5 }2 A# ]  ~7 D* ?
2. 卜瓦松分配的平均數與變異數: ?! T9 }0 Q. w) T  q( [0 J2 W! s
平均數:μ=E(X)=C
: W# j8 T+ j' a. ~9 S( l- R2 @變異數: =V(X)=C! `1 ]. T2 `* C! Q* c
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5 s  Z8 a1 j$ c% j" x1 i# R
知,則以平均缺點數代替之。
: E5 y1 L' F% e1 B1 b/ n- D1 M) Y3 `  B! i' O; H$ i9 b* ?
常態分配2 ^  u+ e, j* n/ h
1. 定義:連續隨機變數X具有機率密度函數
) H. d$ p/ f& R; c9 I-∞<x<∞, σ>0, -∞<μ<∞μ1 N; @' d- L! V, r
則稱X具有常態分配(Normal Distribution),通常以N(μ, )表示。5 p) `0 @* s5 Y
2. 常態分配之特性
; Y2 |* b) G, g: S9 [1 P# l9 _# b0 Ja. 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
( W& X# E4 C/ R值等
/ h. Z1 E- W$ gb. 隨機變數x為連續變數,其定義域範圍介於。-∞與∞之間。
- X" m( W( [! J" I3 H  qc. 有兩個反曲點,在μ±σ處。
% W: X9 H, Z& m/ Y: S  F, h' Rd. 為一單峰對稱分配,呈鐘型,以平均數為中心左右對稱。' Q! A! D' l% t/ X" d- p& L" w( x
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0 C- t/ X, f1 p; J7 Z
f. 曲線與X軸之間的面積總和等於1。( Y* p3 @( T& }0 r, F5 t. h/ T4 J
8 o3 B2 r! \6 w# W( g7 k
QQ截图20140716161501.jpg . I2 @; W; S6 B5 c3 [; t- D

/ a7 ^( [" X8 I" E. T7 h, b% |# y3. 標準常態分配) A+ r' k# u  q6 Q
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
$ c% l$ e' ]1 r8 E% P* l$ X分配(μ=0,σ=1):8 Z6 K2 s6 [" x6 M  X
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:
* p9 y+ U0 d& d1 ~! ?4 }5 M! n7 D, -∞<z<∞+ {- Q; J" _$ h% e  C4 |" Q% u2 [
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
' b1 H2 Q& ]+ k3 L5 ~! \, q- _之間的機率為0.6828,如圖所示,其中μ=0,σ=1。
9 b6 ~( s, g5 e2 u) b) G3 ~$ o1 y
QQ截图20140716161542.jpg 5 C7 Q, S3 l# Z

6 }; {6 R$ D5 \! ~! B4. 中央極限定理(Central Limit Theorem), X3 z: g5 p! w5 ~& [, Z
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8 K" Z5 X# N* u0 p! k( V7 f; x4 o
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﹦$ k2 `# v0 u' Q! a* Z0 i/ i# ^
) x$ `- K- i" n" B" K9 L- I) T: P
當n→∞時,f(Y)為常態分配。% s) D4 R& N% @$ ~  L) w. t
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,
: M8 A4 G# ^4 X8 ^" |; ?; o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$ i& r. U5 K7 K# J此定理提供了品質管制中的抽樣理論之學理根據。: j4 |" P2 C! ~% E
4 Y9 g+ h  R8 E* T. F
常用分配間之關係
1 J7 W0 r  n- D7 N6 z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
5 }% \9 C# x8 f" P2 g# A  R明:0 B2 z$ `" m# L5 ^6 l( x
條 件 實 例 可用之近似值計算
. x# G3 |/ h2 x1 hN>10n 批量為樣本數的10倍以上時 超幾何分配→二項分配
6 O% [3 O& e7 n/ b: fp≦0.106 y; X' A% J2 c6 B. ?" N; n8 J
np>5. b" `2 m8 C$ o. n1 ~
不良率在10%以下,n很大,但
& m- y( e! f$ C/ X不良數不超過5個時5 |9 R; g5 G& z6 Q/ H
二項分配→卜瓦松分配
) Y& u) g7 j8 g" k! a' ?5 `# Cp<0.50) c* r( ]  ^. j3 `- G! `2 v
np>5: N& A6 r3 E7 Y1 Y
不良率在50%以下,n很大,但" X3 J7 }% C3 j& a
不良數在5個以上時
; h+ b1 ^! y% o1 C1 ~  [3 R- A0 `二項分配→常態分配* R- t7 |; W0 N; F% ]5 N- P
np>10 樣本數很大,不良數有10個以9 t' d* T( \; Q, P4 T( Y
上時" r0 _) v$ @/ }* [# q& f, x7 m
卜瓦松分配→常態分配
, R* p8 Y6 b6 l+ u( L+ ]  l/ t3 S1 D: x1 ^. L
抽樣分配
- k7 V) g- y; `1 b) e: H[ 統計量之抽樣分配| 定義於常態分配下之抽樣分配 ]
* |' q) x7 }  X/ |' g& O4 E
" g- K$ u9 y6 x統計量之抽樣分配
% Q) b- z! h( t4 [. |+ e# K' B/ ?' f( J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
" i- O/ d! _/ I. T+ s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
8 L+ M1 V  L+ r! W( W由樣本去推測群體之特性或相互關係。
8 k' N! [4 F9 X- a
* Q9 i9 e; E+ g$ `, F( n* g QQ截图20140716161937.jpg
0 o7 v- s) B( x, m: ^% Q( k) N  ?+ f6 H! H5 f. j
1. 樣本平均數( )之抽樣分配
3 i/ h" K+ m+ n8 E) s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+ A. o, D* G* H' d! U/ J$ \$ g
數,則
3 U+ P* M- h$ {" X
: H4 _( m' T2 q" z7 g QQ截图20140716162330.jpg . ~( O2 `; D) i) S; ?

5 T$ F: a" x* u8 S% e5 i+ [  S+ X QQ截图20140716162301.jpg
! }6 b( D* F- ~  O3 N$ m: T; w9 E6 v  {# y
∴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' N# H5 J. q; e$ A# D7 Q0 f& k
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。4 J, v* N: K8 w6 u$ _  D! O
- Y  y2 w; W* s: X1 E" s% j: }# R0 F# Z
QQ截图20140716162415.jpg + C: A. `' P2 Q
, \$ V- P7 y  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
" R3 G/ Z3 |6 k- v構成一抽樣分配,則其平均數與變異數分別為多少?4 t4 F9 M  Z4 h3 X. Z# e' N
Sol:E( )= =30
; D% j6 |6 S2 Q0 @) G- z& L  ^V( )= =1.8$ y  i/ f0 x! U: A  c8 E

' |% a: @0 j* i* X QQ截图20140716162458.jpg
5 Y+ [% o9 f' A9 }1 R& D0 D' z9 p) }+ w5 b* P  I( E0 M
QQ截图20140716162532.jpg , @8 K! s/ A. m) v8 }; B
; i) Q. Y$ B  B' ?1 j
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。
  C9 x3 e* d+ j' \2 }( |6 w* i5 z" p1 g* q& ?
3. 樣本標準差(S)之抽樣分配8 L& F: O! a1 q2 [3 R% h
5 i4 E3 Z2 y1 X
QQ截图20140716162614.jpg ; A; t/ @4 v: U

% i) d8 z+ W! v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。
- Y% c2 p& ?3 T' w" m' ]8 |$ U  t& v6 T* M/ e$ A2 @2 t% F/ z8 o. u5 L' T
4. 樣本變異數( )之抽樣分配
/ {- D2 ^; Z, u9 N+ K& X( YM   M
& E1 T4 m& V4 E- j: Y! @k X1, X2,……,Xn Rk
2 r! B9 a8 s0 n5 b5 D5 S   組號 數 據 樣本標準4 P% ^+ [( d, w, K/ Q4 Q

- }7 _& L3 N+ s1 X1, X2,……,Xn S1
4 q+ ^* i5 @' U* ^( x; r/ L2 X1, X2,……,Xn S2) Q7 P3 {6 s! z7 p5 q' h& P
M   M6 P7 }3 D0 `) s) ~
M   M, ]5 F: d, u  L# W; _$ G
k X1, X2,……,Xn Sk4 F1 A* O1 U. o* l7 i6 V1 h
7 k2 J( `( f" t
E( S)=
$ C) Q+ m+ i! \, Q各樣本全距抽樣分配之平均數為 ,標準差為 。但此分配
/ [& i2 e& p% _不是一個常態分配。
9 |) A7 f3 S7 {/ \; P
9 p& O: w( a, P5 k% l- d6 J6 A7 z  ^/ H, D, j# r
定義於常態分配之抽樣分配# I% {; x9 ~6 j" r9 i
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2 e7 N$ d9 f% E, l, g; w1 Z2 N( z
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 N2 \" Z; c% Q( M9 h7 a, w  w# d! ^; B
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
% E7 ?: y0 N/ x- I9 S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
+ ^$ D. H% A' R7 U: o" P- _* [括卡方分配( distribution)、t分配和F分配。3 n( c2 G' Q9 L1 b8 O# f
卡方分配% X  `. q; t$ X  h
假設n個獨立之常態隨機變數 ,其平均數分別為 ,, x3 {9 b' b* d
   組號 數 據 樣本變異
9 q: B, O7 U: ^) K& V
% U' D! _2 [3 h7 q. m QQ截图20140716162655.jpg / {  g8 y7 y& y/ C4 G

0 \9 d: i/ x$ M9 B# o* W
& c8 w! }, b* n6 U& i' C8 Z
: Z$ T6 x0 c" K- d% q$ O定義於常態分配之抽樣分配* \  O4 |& I6 Y
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 }" P0 j& `" U, d( ^* `
隨機樣本,則樣本平均數 將會符合 之分配。另外,根據中央及
- a" D* I' N$ 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
3 I: M% w- |0 Q6 \& M& M* ]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
' y) s" \4 C/ ?+ m1 k9 X括卡方分配( distribution)、t分配和F分配。, y- E6 I/ F# m8 `, S5 _
卡方分配
- K; H/ r  U& m& K9 s; w假設n個獨立之常態隨機變數 ,其平均數分別為 ,
* d7 L2 ~: d# A7 W  g. E   組號 數 據 樣本變異7 U. j* L! |' Z* c

3 N- _% z" U0 i% G# l% J( p  t& T4 y/ |( c' A/ X+ a
1 X1, X2,……,Xn
- U8 g# K' ?3 z% W2 X1, X2,……,Xn
2 x# ?" p: b8 x- x& W/ C) g( ^M   M7 j2 x( k6 {: ~- c$ h& ]% q' \
M   M
3 \% ?/ ^  X! K. Wk X1, X2,……,Xn! a, N6 x# P! ?" J: A; h* A* E* g
變異數為 。6 v+ K; i; o; O

0 Z/ ^! o& E% h3 X$ |! B$ `
, }5 D6 ~$ M) i  D# W/ I$ I, P2 R

; {" p. `6 ]/ @( G+ N; g9 h8 w7 [  U1 v. a6 D# W( Q
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, 2025-8-7 13:35 , Processed in 0.069672 second(s), 27 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2025 Discuz! Team.

快速回复 返回顶部 返回列表