- •Клевлеев в.М. Статистические методы контроля и управления качеством
- •1 Качество и обеспечение качества
- •1.1 Качество как стратегическая цель предприятия
- •1.2 Различия в качестве и их причины
- •1.3 Обеспечение качества
- •Обеспечение качества
- •1.5 Систематизация методов статистического обеспечения качества
- •Статистическое обеспечение качества
- •2 Основы статистического обеспечения качества
- •2.1 Распределение признаков качества
- •2.1.1 Распределение дискретных признаков
- •2.1.1.1 Равномерное распределение и некоторые понятия теории статистических распределений
- •2.1.1.2 Распределение Бернулли
- •2.1.1.3 Гипергеометрическое распределение
- •2.1.1.4 Биномиальное распределение
- •2.1.1.5 Распределение Пуассона
- •2.1.2 Распределение непрерывных признаков
- •2.1.2.1 Равномерное распределение
- •2.1.2.2 Экспоненциальный (показательный) закон распределения
- •2.1.2.3 Нормальный (гауссовский) закон распределения
- •Замечание. Очевидно, что события, состоящие в осуществлении неравенства и, противоположные. Поэтому, если вероятность осуществления неравенстваравна, то вероятность неравенстваравна.
- •2.2 Статистическая проверка статистических гипотез
- •2.2.1 Процедура проверки статистических гипотез и свойства параметрических критериев
- •2.2.1.1 Процедура проверки статистической гипотезы
- •1. Определение генеральной совокупности и типа распределения
- •2. Формулировка гипотезы
- •3. Определение контрольной величины и ее распределение в случае принятия гипотезы
- •4. Задание уровня значимости и определение области отклонения гипотезы
- •5. Принятие решения и его интерпретация
- •2.2.1.2 Примеры проверки статистических гипотез
- •2.2.1.2.1Доверительные интервалы для оценки математического ожидания нормального распределения
- •2.2.1.2.1.1Среднее квадратическое отклонениеизвестно
- •2.2.1.2.1.2Среднее квадратическое отклонениенеизвестно
- •2.2.1.2.1.3Доверительные интервалы для оценки среднего квадратического отклонениянормального распределения
- •2.2.1.2.1.4Оценка значимости отношений дисперсий двух нормально распределенных совокупностей
- •2.2.1.2.1.5Проверка гипотез относительно параметров нормально распределенных генеральных совокупностей
- •2.2.1.2.1.6 Последовательный анализ
- •2.3 Выборки значений показателей качества
- •2.3.1 Основные понятия теории выборочного метода
- •2.3.2 Методы реализации случайного отбора выборок штучной продукции
- •0 1 2 . . . . . . . . . . . 2 1 0
- •2.3.3 Обеспечение представительности выборок
- •2.3.4 Выборочные характеристики и их свойства
- •3 Приемочный контроль
- •3.1 Основные понятия
- •3.1.1 Общие требования
- •3.1.2 Выбор планов и схем статистического приемочного контроля качества и требования к достоверности контроля
- •3.2 Статистический приемочный контроль по количественному признаку
- •3.2.1 Взаимосвязь между долей брака в партии и уровнем настройки производственного процесса
- •3.2.2 Планы выборочного контроля при одностороннем ограничении и известной дисперсии
- •3.2.2.1 Описание метода контроля и выбор контрольных величин
- •3.2.2.2 Оперативная характеристика и ее параметры
- •3.2.2.3 Построение плана выборочного контроля при заданных рисках производителя и потребителя
- •3.2.3 Планы выборочного контроля при одностороннем ограничении и неизвестной дисперсии
- •3.2.3.1 Контрольные величины
- •3.2.3.2 Оперативная характеристика и построение плана контроля при заданном риске потребителя и производителя
- •3.2.4 План выборочного контроля при двустороннем ограничении
- •3.2.5 Национальные стандарты приемочного контроля по количественному признаку
- •3.2.5.1 Выборочный контроль по количественному признаку на основе приемлемого уровня качества
- •3.2.5.2 Выборочный контроль по количественному признаку на основе нормативного уровня несоответствий
- •3.2.5.3 Последовательные планы выборочного контроля по количественному признаку
- •3.2.5.4 Выборочный контроль нештучной продукции
- •3.3 Статистический приемочный контроль по качественному признаку
- •3.3.1 Однократные планы контроля
- •3.3.1.1 Описание метода контроля. Использование теоремы Моода
- •3.3.1.2 Оперативная характеристика при гипергеометрической функции распределения числа дефектных изделий
- •3.3.1.3 Биномиальная оперативная характеристика
- •3.3.1.4 Оперативная характеристика при распределении Пуассона
- •3.3.1.5 Сравнение трех оперативных характеристик
- •3.3.2 Параметры простых планов контроля
- •3.3.2.1 Квантили оперативных характеристик
- •0 0.1 Р0 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
- •3.3.2.2 Средний выходной уровень дефектности, предел среднего выходного уровня дефектности (и)
- •3.3.2.3 Среднее число проконтролированных изделий в партии и доля проконтролированных изделий (и)
- •3.3.2.4 Контроль с прерыванием и средний объем выборки ()
- •3.3.3 Построение простых планов контроля с заданными свойствами
- •3.3.3.1 Задание риска потребителя и риска поставщика
- •3.3.3.2 Другие исходные данные
- •3.3.4 Двукратные планы выборочного контроля
- •3.3.4.1 Описание метода контроля
- •3.3.4.2 Оперативная характеристика
- •3.3.4.3 Средний объем выборки
- •3.3.4.4 Другие параметры плана
- •3.3.4.5 Эквивалентные однократные и двукратные планы выборочного контроля
- •3.3.5 Многократные планы контроля
2.1.1.3 Гипергеометрическое распределение
Пусть из урны с шарами,из которых черные, а остальныешаров белые, т.е. из распределенной по Бернулли конечной совокупности, берется выборка объемомбез возвращения. Вытягивание черного шара означает «успех». Тогда общее число успехов в выборке имеетгипергеометрическое распределение.
Гипергеометрическое распределение типично для контроля по качественному признаку. Генеральной совокупностью в этом случае является проверяемая партия объемом , в которойизделий дефектны (значениенеизвестно). Обнаружение дефектного элемента интерпретируется как «успех». Введенное в (2.8) отношение, обозначающее в приемочном контролеуровень дефектности или долю брака, характеризуют качество партии изделий.
Гипергеометрическое распределение имеет вид:
при
,
в противном случае,
где .
В зависимости (2.16) в знаменателе стоит число всех возможных выборок объемомиз генеральной совокупности сэлементами (выборки берутся без возвращения и без учета последовательности отобранных изделий). Вчислителе стоит число всех тех выборок (без возвращения и без учета последовательности отобранных изделий), которые содержат «успехов» из общего возможного числа «успехов», и«неудач» из общего возможного числа «неудач», то есть. Поэтому выражение (2.16) дает пример классическогоопределения вероятности: отношение числа «успехов» к числу всех возможных случаев.
Для функции распределения следует:
при
,
при
,
при
.
Функцию распределения (2.17) нельзя упростить и представить аналитически, но можно вычислить и/или табулировать, что частично проделано и представлено в специальной литературе (см. табл.3.1).
Учитывая, что при контроле по качественному признаку, математическое ожидание и дисперсия гипергеометрического распределения соответственно равны:
, (2.18а)
. (2.18б)
На практике часто используются рекуррентные (возвратные) соотношения:
, (2.19а)
. (2.19б)
Гипергеометрическое распределение симметрично относительно параметров и, поэтому
; (2.20а)
. (2.20б)
Если элементы выборки и остатка партии, распределенной по закону Бернулли, разделить на две части по принципу «успех» (дефектные элементы) - «неудача» (годные элементы), то получим результаты, представленные в табл.2.1.
Таблица 2.1. Результаты деления выборки и остатка партии
Совокупность |
Проявление |
Объем совокупности | |
Успех |
Неудача | ||
Выборка | |||
Остаток партии | |||
Генеральная совокупность |
Каждую из четырех величин, записанных в средней части табл.2.1, рассматривают как реализацию случайной переменной, имеющей гипергеометрическое распределение, каждый раз с другими параметрами. Эти параметры стоят в конце соответствующей строки или столбца. Поэтому распределение вероятностей иногда представляют в виде:
, (2.21а)
, (2.21б)
. (2.21в)
Следует отметить, что и границы ив (2.16) можно получить из табл.2.1, если учесть, что величины во внутренних полях таблицы должны быть положительными.
Аналогично (2.11) для функции распределения имеем:
, (2.22а)
, (2.22б)
. (2.22в)
Гипергеометрическое распределение трудно представить в виде таблицы, поскольку оно зависит от трех параметров и.
Пример 2.6. На предприятие поступает партия конденсаторов объемом , из которыхизделий дефектны. Из этой совокупности берут выборку без возвращения объемом. Пустьобозначает число дефектных конденсаторов в выборке. Вычислите вероятностивозможных значений. Вычислите также моду, математическое ожидание и дисперсию.
Случайная величина , имеет распределение. Поскольку границыисоставляют, а, то дляможно записать:
.
Значения дл не внесены в многие таблицы, поэтому сначала вычислим, используя определение биномиальных коэффициентов,. Поэтому:
0.310563.
Другие вероятности вычисляем с помощью рекуррентных (возвратных) соотношений:
,
,
,
,
.
Таким образом, мода , а математическое ожиданиеи дисперсияравны соответственно:
, .
Пример 2.7. Докажите справедливость (2.20а)
Равенство можно доказать, воспользовавшись (2.16) и подробно расписав выражения для соответствующих биномиальных коэффициентов
,
.
Как видно, представленные выражения тождественны.
При рассмотрении контроля с прерыванием по качественному признаку очень часто используется так называемое отрицательное гипергеометрическое распределение. Оно базируется на следующей модели: из урны с шарами, из которыхшаров черные, а оставшиесябелые, берут шары без возвращения до тех нор, пока не вытянут-ый черный шар (). Черным шарам при контроле качества соответствуют дефектные элементы в партии. Тогда проверяемой переменной в этой модели будет общее числотех шаров, которые следует вытянуть, чтобы встретился-ый черный шар, то есть- это случайный объем выборки (или число проконтролированных изделий). Отрицательное гипергеометрическое распределение называют такжегипергеометрическим распределением времени ожидания.
Распределение вероятностей выглядит следующим образом:
при
,
в противном
случае.
П
при
,
в противном случае.
Второй сомножитель в (2.23а) определяет условную вероятность получения черного шара при -ой попытке, если перед этим было вытянуточерных шаров.
Выписывая биномиальные коэффициенты в (2.23а) и объединяя их со вторым сомножителем, можно получить третью форму представления отрицательного гипергеометрического распределения:
в противном
случае.
при
,
Функцию распределения вначале представим в виде
при
,
при
,
при
.
После некоторых преобразований с учетом функции (2.17) гипергеометрического распределения получим другую форму представления:
. (2.24б)
Без доказательства приведем следующие свойства случайной переменной , имеющей отрицательное гипергеометрическое распределение:
, (2.25а)
. (2.25б)
Аналогично имеют место рекуррентные соотношения:
, (2.26а)
. (2.26б)
Пример 2.8. Из генеральной совокупности , в которой дефектных изделий, берутся конденсаторы до тех пор, пока не обнаружат третий бракованный. В этом случае величинаобозначает достигаемый объем выборки (число конденсаторов, отобранных до обнаружения третьего дефектного элемента). Вычислите вероятность того, что объем данной выборки составитконденсаторов. Вычислите соответствующую вероятность дляи. Вычислите математическое ожидание и дисперсию?
Случайная величина имеет отрицательное гипергеометрическое распределение с. Так как все указанные объемы выборок лежат междуи, то из (2.23а) следует, что
.
С учетом того, , получим.
Другие вероятности вычисляем с помощью рекуррентных соотношений:
.
.
.
.
Математическое ожидание и дисперсия составляют:
;
.