- •Введение
- •1. Сведения из теории вероятностей
- •Значение статистических методов исследования
- •1.2. Экспериментальные основы теории вероятностей
- •1.3. Вероятность события. Свойства вероятности событий
- •1.4 Соединения или комбинации
- •1.4.1. Размещения и перестановки
- •1.4.2. Соединения и выборки
- •1.4.3. Сочетания
- •1.4.4. Задачи о размещении элементов по ячейкам.
- •2. Распределения вероятностей
- •2.1. Биномиальное распределение
- •2.2. Гипергеометрическое распределение
- •2.3. Расчеты вероятностей числа дефектных изделий в выборке
- •2.4. Функция распределения и плотность вероятности случайной величины
- •2.5. Распределение Пуассона.
- •2.5.1. Применение распределения Пуассона в задачах качества
- •2.6. Показательное распределение времени ожидания сбоя
- •2.6.1. Функция надежности.
- •2.6.2. Функция распределения времени ожидания сбоя.
- •2.6.3. Метод дополнительной вероятности.
- •2.6.4. Зависимость интенсивности отказов от времени. Практические случаи - кривая в форме «ванны».
- •2.6.5. Среднее время между отказами
- •2.7. Нормальный закон распределение и его приложения в задачах качества
- •2.7.1. Нормальная плотность вероятности и ее параметры.
- •2.7.2. Функция Лапласа и расчеты вероятностей при нормальном распределении
- •Значение функции
- •2.7.3. Возможность (осуществимость) процесса.
- •2.7.4. Статистическое управление качеством (процессами).
- •3. Статистическая выборка [7]
- •3.1. Выборочный контроль и оперативная характеристика.
- •3.2. Планы выборочного контроля
- •Планы типа однократной выборки
- •Планы типа двукратной (многократной) выборки
- •Планы типа последовательного анализа
- •3.3. Оперативная характеристика
- •3.4. Методы выборочного контроля
- •3.5. Программы выборки на основе риска производителя
- •3.6. Программы выборки на основе риска потребителя
- •Процент брака
- •3.7. Соотношение между различными программами выборки
- •3.8. Решение задач с использованием таблиц выборочного контроля
- •3.9. Общие требования, предъявляемые к стандартам выборочного контроля
- •4. Контрольные карты статистически управляемых процессов [7]
- •4.1. Примеры построения контрольных карт
- •4.1.1. Карта динамики процесса
- •4.1.2. Карта (диаграмма) управляемости процесса
- •4.2. Методика выбора формы контрольной карты
- •4.3. Контрольная карта числа дефектных единиц продукции .(np – карта)
- •4.4. Контрольная карта числа дефектов (с-карта)
- •4.5. Сигнальные признаки. Предельные отклонения
- •Сигнальные отклонения
- •Дополнительные признаки
- •5. Контрольные карты количественных и интегрально-суммарных признаков [7]
- •5.1. Вычисление предельных отклонений для нормального закона распределения
- •5.2. Контрольные карты для средних арифметических значений и размахов: и r
- •5.3. Диапазон как замена стандартного отклонения
- •Задание № 1 для самостоятельной работы
- •Алгоритм построения контрольных карт и r
- •Задание № 2 для самостоятельной работы
- •Сигнальные отклонения
- •5.4. Интегрально-суммарные контрольные карты
- •5.3. Интегрально-суммарная карта,
- •6. Cтатистические методы анализа динамических рядов [7]
- •6.1. Метод скользящей средней
- •6.2. Метод взвешенной скользящей средней
- •394026 Воронеж, Московский просп., 14
2.7. Нормальный закон распределение и его приложения в задачах качества
Нормальное распределение - это основной закон статистики.
Кривая нормального распределения носит также название кривой Гаусса (1777—1855)—по имени знаменитого немецкого математика, положившего основы теории случайных ошибок и метода наименьших квадратов, широко используемых в науке и технике.
Нормальное распределение выделяется своим фундаментальным значением среди остальных распределений. Ему подчиняются непрерывные случайные величины , значения которых зависит от большого числа случайных воздействий. Это в равной степени могут быть случайные ошибки эксперимента и множество случайных воздействий на технологический процесс.
Важным для практики свойством нормального закона является то, что он является хорошей аппроксимацией биномиального и пуассоновского распределений при достаточно больших и . Распределение вероятностей для среднего значения
выборки обычно близко к нормальному закону даже, если отдельные выборочные значения распределены существенно иным образом.
2.7.1. Нормальная плотность вероятности и ее параметры.
Нормальной плотностью вероятности называется плотность, определяемая равенством
для любого значения , где —произвольные числа [параметры распределения), причем положительно.
Рис. 2.6.
Нормальная плотность вероятности называется также дифференциальной функцией нормального распределения. График дифференциальной функции нормального распределения показан на рис. 2.6.
В соответствии с выше доказанным ранее, интегральная функция нормального распределения определяется в виде
Легко видеть, что при любом каковы бы ни были параметры и всегда
С другой стороны, полная площадь под всей кривой выразится интегралом
который путем замены переменного на откуда и преобразуется в интеграл
Ввиду того, что в двух последних равенствах верхнему пределу соответствует такой же верхний предел и аналогичное соответствие имеется между нижними пределами этих интегралов.
Очевидно, что площадь под «любой» нормальной кривой (при любых и ) такова же, как под нормальной кривой с параметрами и .
Другими словами, эта площадь не зависит от параметров; и значение интеграла равно единице.
Таким образом, выполнены условия для плотности распределения вероятности и функция n (х; а; ) при всех возможных значениях параметров является плотностью распределения.
График интегральной функции распределения показан на рис. 2.7.
……рис. 2.7.
Из рисунка видно, что плотность нормального распределения симметрична относительно ординаты, отвечающей значению x=a
Это значение является поэтому центром группирования (математическим ожиданием) распределения.
Если изменять , то кривая будет перемещаться вдоль оси х, сохраняя свою форму.
С возрастанием абсолютной величины отклонения т. е. по мере удаления точки от точки , ордината кривой быстро убывает; наибольшая ордината, отвечающая значению
и меет величину
Эта ордината и является осью симметрии кривой. При имеем семейство центрированных (т. е. с центром в начале координат) нормальных кривых
зависящих от одного параметра
Когда параметр уменьшается, начальная ордината кривой растет.
Подъем кривой в центральной части компенсируется более резким спадом ее к оси , так что общая величина площади, как мы видели, остается неизменной и равной единице.
При очень малых значениях кривая становится похожей на тонкую иглу, направленную вдоль оси Почти вся площадь под кривой сконцентрирована на небольшом интервале с центром в нуле.
При возрастании наоборот, происходит «сплющивание» кривой, принимающей все более плосковершинную форму (рис. 2.8).
Чаще всего, однако, рассматривая величину, подчиненную нормальному закону переходят к нормированному распределению.
Рис. 2.8
Нормирование распределения, вообще говоря, заключается в переходе от величины к вспомогательной линейной функции
для которой
При нормальном распределении будем иметь:
откуда после замены переменной интегрирования на новую переменную и подстановки получим:
Дифференцируя по верхнему пределу, получим:
Таким образом, если произвести нормирование распределения т. е. осуществить переход от величины к величине то плотность вероятности выразится полученным равенством, в котором уже отсутствуют параметры и
Все вопросы, связанные с нормальным распределением величины решают, переходя к вспомогательной величине , т. е. нормируя это распределение.
Нормирование распределения, как нетрудно понять, ведет просто к перенесению начала координат в центр группирования, т. е. к «центрированию», и к выражению абсциссы в долях которое, как мы дальше увидим, представляет среднеквадратическое отклонение величины т. е.