- •5.Математическое ожидание и дисперсия дискретной и непрерывной случайных величин и их свойства.
- •1. Для произвольной функции g (ξ): rr:
- •2. Математическое ожидание постоянной равно этой постоянной:
- •9. Понятие способности процесса и оценка характеристик его способности.
- •10. Понятие контрольных карт регулирования процесса и их классификация.
- •12. Построение контрольных карт регулирования по качественному признаку – p–карты, np–карты (альтернативный признак).
- •Построение контрольных карт регулирования по качественному признаку (Attributes Control Charts) – u–карты, c–карты.
Построение контрольных карт регулирования по качественному признаку (Attributes Control Charts) – u–карты, c–карты.
с - карта контроля числа несоответствий в выборке (применяются только при постоянном объеме выборки);
u - карта контроля числа несоответствий на одно изделие в выборке (применяются как при постоянном, так и при переменном объеме выборки).
При использовании контрольных карт для альтернативных данных достаточно одной карты, так как предполагаемое распределение имеет только один независимый параметр - средний уровень.
- и -карты -карты основаны на распределении Пуассона.
-карты могут быть применены при постоянном объеме подгруппы, -карты - в любой ситуации.
Когда объем подгруппы изменяется от выборки к выборке, для каждой подгруппы рассчитывают свои контрольные границы, при этом чем меньше объем подгруппы, тем шире полоса между этими границами, и наоборот. Если объем подгрупп меняется несущественно, то можно ограничиться одним набором контрольных границ, основанным на среднем объеме подгруппы. Для практических целей достаточно, если объемы подгрупп находятся в пределах ±25% целевого объема подгруппы. Альтернативная процедура для ситуаций, в которых объем подгруппы меняется существенно, - использование нормированных переменных.
8. Оценивание характеристик корреляции и регрессии в задачах менеджмента качества.
Корреляционная зависимость возникает тогда, когда один из признаков зависит не только от второго, но и от ряда случайных факторов или условий, от которых зависят оба фактора. Корреляционные связи не могут рассматриваться как свидетельство причинноследственной зависимости. Они свидетельствуют лишь о том, что изменения одного признака, как правило, соответствуют определенному изменению другого. При этом неизвестно, находится ли причина изменений в одном из признаков или она оказывается за пределами исследуемой пары признаков.
Виды корреляционных связей между измеренными признаками могут быть линейными и нелинейными, положительными или отрицательными.
Варианты корреляционных связей отражены на рис. Возможна также ситуация, когда между переменными невозможно установить какую - либо зависимость. В этом случае говорят об отсутствии корреляционной связи.
В задачи корреляционного анализа входит:
- установление направления (положительное или отрицательное) и формы (линейная или нелинейная) связи между варьирующими признаками,
- измерение тесноты связи (значения коэффициентов корреляции),
- проверка уровня значимости коэффициентов корреляции.
Корреляционную зависимость между переменными X и Y можно выразить с помощью уравнений типа Yх = F(x) или Xy = F(Y) , которые называются уравнениями регрессии. В этих уравнениях Yx и Xy являются средними арифметическими переменных X и Y.
Графическое выражение регрессионного уравнения называют линией регрессии. Линия регрессии выражает наилучшее предсказание зависимой переменной Y по независимым переменным X.
+ добавить про кор.отношение, крамера….