- •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
3. Определение контрольной величины и ее распределение в случае принятия гипотезы
Чтобы проверить сформулированную гипотезу, то есть высказать статистическое суждение о значении параметра распределения признака качества генеральной совокупности, анализируется выборка объемом . Значения признаков качества в выборке образуют выборочный вектор. При проверке гипотезы в качестве контрольной величины вместо вектораприменяют скалярную функциювектора. Эта функция (ее значение называют такжеконтрольной или тестовой величиной) должна быть удобной для оценки достоверности и. Таким образом, ее распределение должно зависеть от того, какая из гипотез правильна. Кроме того, распределение применяемой в качестве контрольной величины выборочной функциидолжно поддаваться вычислению при верности. Значение распределенияпри верности гипотезынеобходимо для определения уровня значимости. В случаеилираспределениеопределяется на краю области задания гипотезы, то есть при.
Для проверки гипотезы о неизвестном математическом ожидании или дисперсиигенеральной совокупности в качестве контрольной величины чаще всего применяют выборочное среднееи выборочную дисперсию.
4. Задание уровня значимости и определение области отклонения гипотезы
Перед проверкой гипотезы нужно вычислить возможную наибольшую вероятность ошибки первого рода. Эту верхнюю границу
(2.71)
вероятности ошибки первого рода называют уровнем значимости. При заданном значении уравнение (2.71) рассматривают как определение для областиотклонения гипотезы, то есть, задавая, определяют областьотклонения гипотезы.
При дискретной контрольной величине не всегда возможно точное соблюдение (2.71). Тогда пытаются выполнить условие
(2.72)
при заданном так, чтобылежал как можно ближе к. Это неравенство также позволяет при заданномнайти областьотклонения гипотезы.
Примечание. ТерминsupSyозначает, что множествоSyдействительных чиселyимеетточную верхнюю границу. ТерминinfSyозначает, что множествоSyдействительных чиселyимеетточную нижнюю границу. Если множествоSyконечно, то его точная верхняя граница равна наибольшему числу, а точная наименьшая граница равна минимуму.
Вероятность ошибки относится здесь к критерию проверки гипотез в целом, а не к отдельному результату проверки. Последнее означает, что если проверка при уровне значимостипроводится достаточно часто, то примерно в 5 % случаев гипотезабудет отклоняться, хотя она в действительности верна. Утверждение, что гипотеза, если она отклоняется, не верна с вероятностью 0.95 в любом случае нельзя считать корректным.
Уровень значимости критерия ограничивает вероятность нежелательной ошибки 1-го рода, но его нельзя выбирать произвольно малым, так как уменьшение связано с увеличением вероятности ошибки 2-го рода. Распространенными значениями, как уже отмечалось выше, являются 0.1; 0.05; 0.01; иногда применяют 0.001.
5. Принятие решения и его интерпретация
Если полученное значение контрольной величины при данной выборке приходится на критическую область, то нулевую гипотезуотклоняют.
Отклонение гипотезы не означает, что она ложна. Важно то, что вероятность принятия неверного решения (риск производителя) ограничена сверху уровнем значимости. Нулевая гипотезаможет считаться в этом случае статистически противоречивой, конкурирующая гипотеза - статистически достоверной.
Соответственно нельзя интерпретировать принятие как доказательство ее верности. Принятиеозначает, что выборочная характеристикане противоречит, поэтомуможно оставить как рабочую гипотезу. Утверждение о верностистатистически неподконтрольно, так как вероятность принятия в действительности неверной гипотезы(ошибка 2-го рода) ничем не ограничена, как это было в случае отклонения на самом деле верной гипотезы. Рассматриваемая здесь вероятностьошибки в худшем случае может достигнуть значения.