- •ОГЛАВЛЕНИЕ
- •ВВЕДЕНИЕ
- •1.1. Основные понятия и определения теории вероятностей
- •1.2. Функции распределения вероятностей случайной величины
- •1.3. Числовые характеристики случайных величин
- •1.5. Случайные процессы и их основные статистические характеристики
- •1.6. Корреляционные функции случайных процессов
- •1.7. Спектральные плотности случайных процессов
- •1.9. Прохождение дискретного случайного процесса через дискретное динамическое звено первого порядка
- •ЗАДАЧИ
- •2. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •2.1. Общие понятия и определения
- •2.2. Простейшие оценки
- •2.3. Интервальные оценки. Доверительный интервал
- •2.4. Проверка статистических гипотез о параметрах распределения
- •2.5. Критерии согласия
- •2.6. Последовательный анализ
- •2.7. Особенности статистического вывода
- •2.8. Статистики и измерения стационарного случайного процесса
- •2.9. Оценка корреляционной функции
- •2.10. Оценка спектральной плотности
- •ЗАДАЧИ
- •3. МОДЕЛИ ОБЪЕКТОВ УПРАВЛЕНИЯ
- •3.1. Средства и этапы описания объектов управления
- •3.2. Характеристика моделей объектов управления
- •3.3. Динамические модели объектов управления
- •3.4. Преобразование и исследование динамических моделей
- •3.5. Статические модели
- •3.6. Графическое представление статических моделей
- •3.7. Пример описания объекта управления
- •4. МЕТОДЫ ИДЕНТИФИКАЦИИ
- •4.1. Дисперсионный анализ
- •4.2. Метод регрессионного анализа
- •4.3. Рекуррентные алгоритмы идентификации линейных моделей
- •4.5. Идентификация параметров динамических моделей
- •4.6. Сглаживание временных рядов
- •ЗАДАЧИ
- •5. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА
- •5.1. Общие требования к плану эксперимента
- •5.2. Полный факторный эксперимент
- •5.3. Дробный факторный эксперимент
- •5.4. Планы для квадратичных моделей
- •ЗАДАЧИ
- •СПИСОК ИСПОЛЬЗУЕМЫХ АББРЕВИАТУР И ОБОЗНАЧЕНИЙ
|
|
S S |
||
S |
|
|
. |
|
|
|
|||
|
|
|
|
|
|
|
|
||
По заданной вероятности p |
находим значение функции Лапласа |
Ф0 (t) p .
По значению Ф0 (t) из таблиц [1] находим t -аргумент функции Ф0 (t) .
Находим необходимый объем выборки
t S N .
Кроме рассмотренных возможны многие другие постановки задач проверки статистических гипотез, приведенные в [1].
2.5. Критерии согласия
Критерием согласия называется критерий гипотезы о том, что генеральная совокупность имеет распределение предполагаемого типа. Эти критерии основаны на выборе определенной меры расхождения между теоретическим и эмпирическим распределением. Если такая мера расхождения (т. е. критерий) для рассматриваемого случая превосходит установленный предел, то гипотеза бракуется. Одним из наиболее распространенных параметриче-
ских критериев является критерий (критерий Пирсона).
Рассмотрим проверку гипотезы о нормальном распределении генеральной (теоретической) совокупности.
Пусть имеем эмпирическое распределение, полученное по результатам выборки (см. 2.2),
x* , x* ,...,x* |
- варианты (центры k - интервалов квантования) |
||||
|
|
|
k |
|
|
|
|
|
- частоты (число попавших значений выборки в интервал |
||
n |
, n ,...,nk |
||||
квантования). |
|||||
|
|
|
|
||
|
|
При этом желательно, чтобы число n j . Если в каком-то интервале |
|||
n j , |
то его объединяют с соседним интервалом так, чтобы n j . При |
этом число интервалов k уменьшится.
Для проверки гипотезы при уровне значимости q необходимо:
1)вычислить выборочное среднее x и дисперсию S ;
2)вычислить теоретические частоты
74
|
|
|
nT |
N x |
t |
|
,i , k , |
||||||||||
|
|
|
|
|
|||||||||||||
|
|
|
|
i |
S |
|
|
i |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где N ni — объем выборки, x - интервал квантования, |
|||||||||||||||||
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
xi* x |
, |
t |
|
|
|
|
|
|
e ti / . |
||||
|
i |
|
|
|
|
|
|
|
|||||||||
|
|
|
S |
|
|
|
i |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
3) сравнить эмпирические и теоретические частоты с помощью кри- |
|||||||||||||||||
терия Пирсона. Для этого находят |
|
|
|
n |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
nT |
|
|
|||||
|
|
|
|
|
|
k |
|
|
|
|
|||||||
|
|
|
|
|
|
i |
|
|
|
i |
|
|
|
; |
|||
|
|
|
|
набл |
|
|
nT |
|
|
|
|
||||||
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
- по таблице распределения для уровня значимости q и числа сте- |
|||||||||||||||||
|
|
|
|
|
|
|
) ; |
|
|
|
|
|
|
|
|
||
пеней свободы k находят крит (q, |
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- если набл крит , то нет оснований отвергать гипотезу о нормально-
сти распределения генеральной совокупности. Другими словами, выборочные (эмпирические) и теоретические частоты различаются незначимо (слу-
чайно). Если , то гипотезу о нормальности отвергают.
набл крит
Если гипотеза принимается, то можно выровнять гистограмму с помощью функции плотности вероятности нормального распределения. Далее можно проводить анализ отклонений теоретической и эмпирической функций распределения.
Пример проверки гипотезы о нормальном распределении генеральной совокупности по выборке объема N в системе Mathcad приведен на рис. 2.3.
Алгоритм проверки гипотезы о равномерном, показательном, Пуассона, биноминальном распределении генеральной совокупности по критерию Пирсона с примерами приведен в [1].
Сведения о непараметрических критериях согласия Колмогорова, Смирнова можно найти в литературе по математической статистике.
75
N 100 |
|
|
|
|
m 5 |
|
|
|
|
|||||||||
k 1 3.2 log(N) |
k 7.4 |
|
|
|
|
|||||||||||||
xmin m in(x) |
|
|
xmax m ax(x) |
|
||||||||||||||
dx |
xmax xmin |
dx 2.975 |
|
|
|
|||||||||||||
|
|
|
|
k |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
i 0 k |
|
|
|
|
inti xmin dx i |
|||||||||||||
f |
hist (int x) |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
||
F(r) dx dnorm(r m ) |
|
|
|
|
||||||||||||||
|
|
|
|
1 |
N 1 |
|
|
|
|
|
|
|
|
|
|
|||
mx |
|
xi |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
i 0 |
|
|
|
|
|
|
|
|
||||
|
|
|
1 |
|
N 1 |
|
|
|
|
|
|
|||||||
s2 x |
|
xi mx 2 |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|||||||||||
|
|
N 1 |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
i 0 |
|
|
|
|
|
|
|||
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
s2 x |
|
|
|
|
|
|
|
|
|
|
|||||||
j 0 k 1 |
|
|
|
|
|
|
|
|
tj 2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
tj |
intj mx |
|
|
|
|
j |
|
1 |
e |
2 |
||||||||
|
|
|
|
s |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
k 1 |
fi N nTi 2 |
|
|
|
|
||||||
2набл |
|
|
nTi |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
i 0 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
k 3 |
|
|
|
|
0.05 |
|
|
|
||||||||||
2набл 2крит |
1 |
|
|
|
|
|
|
4 |
x rnorm(N m ) |
k ceil(k) |
k 8 |
xmin 6.603 |
xmax 17.193 |
int int 0.5 dx
r m 3 m 3 0.1 m 3 mx 4.398
s2 x 15.432
s 3.928
nTj N dx j s
2набл 4.692
2крит qchisq(1 ) |
2крит 11.07 |
Пос кольку 2набл 2крит, то нет ос нований отвергать гипотезу о нормальнос ити рас пределения генеральной с овокупнос ти
|
xmin |
|
xmax |
0.2 |
|
|
|
f |
|
|
|
F(r) |
|
|
|
0.1 |
|
|
|
0 |
|
|
|
10 |
0 |
10 |
20 |
|
|
int r |
|
Рис. 2.3. Проверка гипотезы о нормальном распределении генеральной совокупности
76
2.6.Последовательный анализ
Взадачах статистического контроля качества продукции имеется класс задач приемочного контроля по признаку «годен-негоден» или «исправнодефектно» и контроль распределения продукции по сортам.
При этом случайная величина X принимает два значения: 0 — годная деталь и 1 — дефектная деталь. Пусть p означает относительное число де-
фектных изделий. Тогда величина X с вероятностью p примет значение 1 и с вероятностью p значение 0. Таким образом, задача о пригодности дан-
ной партии, решение которой дается на основании выборочной проверки, сводится к проверке гипотезы о том, что p p' , против гипотезы p p' .
Здесь p' — граничная вероятность или допущенное относительное число
дефектных деталей.
Это так называемый качественный контроль. Наиболее часто используют три вида контроля по качественному признаку: однократная выборка, двукратная выборка и последовательный анализ.
Суть однократной выборки состоит в том, что из партии объемом N случайным образом отбирается n изделий. Если после проверки всех n изделий в них оказалось m дефектных изделий и m m , то вся партия N де-
талей бракуется. Здесь m — это приемочное число, которое заранее рассчи-
тывается исходя из характеристик партии и требований к качеству продукции. Метод прост, но число подвергаемых к испытанию изделий n значительно, а следовательно значительны и издержки на контроль.
При двукратной выборке из партии объема N методом случайного отбора составляется первая выборка n , как правило, меньшая, чем при одно-
кратной выборке для одних и тех же условий. Если число дефектных изделий m m , то партия признается годной. Если m m m , то партия бракует-
ся. А при условии, что m m m , назначается вторая выборка объемом n . Если число дефектных изделий в двух выборках превосходит заданное число m , то партия бракуется. Здесь m , m , m — приемочные числа.
Издержки двойного контроля 0.67-0.75 от издержек однократной выборки. Последовательный анализ был предложен А. Вальдом [5]. Суть его со-
стоит в том, что на каждом испытании вычисляют последовательный критерий отношений вероятностей гипотезы H относительно конкурирующей
гипотезы H .
H : p p , (2.25)
H : p p .
Если на m -ом шаге (испытании)
77
|
p m |
A , |
(2.26) |
|||
|
|
|
||||
|
p m |
|
|
|
|
|
то процесс заканчивается отклонением гипотезы H . |
|
|||||
Если |
|
|
|
|
|
|
|
p m |
B , |
(2.27) |
|||
|
|
|
||||
|
p m |
|
|
|
|
|
то процесс заканчивается отклонением гипотезы H . |
|
|||||
Если |
|
|
|
|
|
|
|
B |
|
p m |
A , |
(2.28) |
|
|
|
|
||||
|
|
|
p m |
|
|
|
то производится следующее испытание. |
|
|||||
Здесь p m — вероятность получения выборки x , x ,...,xm с параметром |
||||||
p , а p m — соответственно с параметром p , где p и |
p — верхняя и ниж- |
|||||
няя границы относительного числа дефектных изделий. |
|
|||||
Значения |
|
|
|
|
|
|
|
A |
|
, |
(2.29) |
||
|
|
|
q |
|
|
|
|
B |
|
|
, |
(2.30) |
|
|
|
|||||
|
q |
где q — вероятность ошибки 1-го рода, — вероятность ошибки 2-го рода. На практике вместо неравенств (2.26, 2.27, 2.28) используют следую-
щие эквивалентные неравенства |
|
dm rm , |
(2.31) |
dm am , |
(2.32) |
am dm rm . |
(2.33) |
Здесь
|
|
|
|
|
|
|
|
|
|
|
p |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
ln B |
|
|
|
|
ln |
|
|
|
|
|
||
am |
|
|
|
|
|
m |
|
|
|
|
p |
— приемочное число; |
||||
|
p |
|
|
p |
|
|
p |
|
|
|
p |
|
||||
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
||||||||||
|
ln |
|
|
ln |
|
|
|
ln |
|
|
ln |
|
|
|
|
|
|
p |
|
p |
|
p |
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
ln A |
|
|
|
|
ln |
|
|
|
|
|
||
rm |
|
|
|
|
|
m |
|
|
|
|
p |
— браковочное число; |
||||
|
p |
|
|
p |
|
|
p |
|
|
|
p |
|
||||
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
||||||||||
|
ln |
|
|
ln |
|
|
|
ln |
|
|
ln |
|
|
|
|
|
|
p |
|
p |
|
p |
|
|
p |
|
dm — число дефектных изделий среди первых m проверенных, т.е. на m -ом испытании.
78
Поскольку значения q , , p , p задаются до начала испытаний, то
нетрудно видеть, что приемочное и браковочное числа представляют собой прямые линии, зависящие только от m и могут быть вычислены и построены
заранее (априори).
Пример 2.8. Пусть p . , p . , q . , . [5].
В табл. 2.1. представлены результаты табличного метода проведения контроля. Число дефектных изделий dm задается. Остальные параметры рас-
считываются.
Таблица 2.1
Результаты контроля
m |
номер |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
наблюдения |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
||
(испытания) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
am приемоч- |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
.. |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
||
ное число |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
dm число |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
дефектных |
0 |
0 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
3 |
4 |
4 |
5 |
5 |
5 |
5 |
6 |
6 |
6 |
6 |
7 |
||
|
изделий, |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
всего |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
rm брако- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вочное чис- |
.. |
.. |
.. |
4 |
4 |
4 |
5 |
5 |
5 |
5 |
5 |
6 |
6 |
6 |
6 |
6 |
7 |
7 |
7 |
7 |
7 |
7 |
||
|
ло |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Втабл. 2.1. приведено округление am до ближайшего целого числа
am , rm соответственно до ближайшего целого числа rm .
Результаты графического метода проведения контроля по данным табл. 2.1 и расчета в системе Mathcad представлены на рис. 2.4.
Пусть Х – случайная величина, распределенная по нормальному закону с неизвестным математическим ожиданием mx и известным средним квадра-
тическим отклонением x . Необходимо, используя последовательный анализ, проверить гипотезу
|
|
|
|
|
H : mx |
|
, |
|
|
|
(2.34) |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
H |
|
: m |
|
, |
|
|
|
|||
|
|
|
|
|
|
x |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
где |
|
, |
– нижняя и верхняя граница приемки контролируемого параметра |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
изделия (например, диаметра детали). |
|
|
|
|
|
||||||||||
|
Если m |
x |
, то следует забраковать партию, при m |
x |
|
|
– принять, |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
иначе продолжить испытания (зона безразличия).
Процесс проверки гипотезы (2.34) последовательным анализом выглядит следующим образом. Для каждого текущего испытания m проверяется неравенство
79
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
am xi rm , |
|
|
|
(2.35) |
|||||||||
|
|
i |
|
|
|
|
|
|
|
|
|
||
где приемочное число |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
x |
|
|
|
ln B m |
|
|
|
, |
m |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
и браковочное число |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
|
|
|
x |
|
|
|
ln A m |
|
|
, |
|
|
|
|
|
|
|
|
|
|
|
||||
m |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
A , B – определены выражениями (2.29) и (2.30).
xi ,i ,m – последовательно наблюдаемые значения X (например, диаметра детали).
80
d ( 0 0 1 1 1 1 1 1 2 2 3 4 4 5 5 5 5 6 6 6 6 7 7 ) |
|
|
|
|
|
||||||||||||||||
d dT |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p0 0.1 |
|
|
p1 0.3 |
|
q 0.02 |
|
|
0.03 |
|
|
|
|
|
|
|
|
|
||||
m 0 row s(d) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
ln |
|
|
|
|
|
ln |
1 q |
|
|
|
ln |
1 p0 |
|
|||||||
|
1 q |
|
|
|
|
|
|
|
|
1 p1 |
|
||||||||||
h0 |
|
|
|
h1 |
|
|
|
s |
|
|
|
||||||||||
p1 |
|
|
|
1 p1 |
|
p1 |
|
|
|
1 p1 |
|
|
p1 |
|
|
1 |
p1 |
||||
ln |
ln |
ln |
ln |
|
ln |
ln |
|||||||||||||||
p0 |
|
1 p0 |
|
p0 |
|
1 p0 |
|
|
p0 |
|
1 |
p0 |
|||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||
a(m) |
h0 m s |
|
|
r(m) |
h1 m s |
|
|
|
|
|
|
|
|
|
|
|
|||||
8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dm |
|
|
|
|
Партия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
бракуется |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
r(m) 4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a(m) |
|
|
|
|
|
|
|
|
|
|
|
Контроль |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
продолжается |
|
|
|
|
|
|
|
||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Партия прини- |
|
||||||
0 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
мается |
|
|
|
|||
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
20 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.4. Результаты графического метода приемки последовательным анализом |
Если условие (2.35) выполняется, то процесс испытания (контроля) продолжается.
Как только в первый раз на m-ом шаге
m
xi rm ,
i
81
партия бракуется, и если
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
xi am , |
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
партия принимается. |
|
|
|
|
|
|
|
|
|
Пример 2.9. Пусть |
|
, , q . , . , |
x |
. |
|||||
|
|
|
|
|
|
|
|||
Результаты наблюдений и расчетов приведены в табл. 2.2 [5]. |
|||||||||
|
|
|
|
|
|
|
|
|
Таблица 2.2 |
|
|
|
|
Результаты контроля |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
m |
am |
|
|
х |
|
x |
|
|
rm |
|
|
|
накопленная |
|
|
||||
номер наблю- |
приемочное |
|
|
наблюдаемые зна- |
|
браковочное чис- |
|||
|
|
|
сумма наблюдае- |
||||||
дения |
число |
|
|
чения |
|
|
|
ло |
|
|
|
|
мых значений |
|
|
||||
|
|
|
|
|
|
|
|
|
|
1 |
… |
|
|
151 |
|
151 |
|
|
334 |
2 |
139 |
|
|
144 |
|
295 |
|
|
476 |
3 |
281 |
|
|
121 |
|
416 |
|
|
619 |
4 |
424 |
|
|
137 |
|
553 |
|
|
761 |
5 |
566 |
|
|
138 |
|
691 |
|
|
904 |
6 |
709 |
|
|
136 |
|
827 |
|
|
1046 |
7 |
851 |
|
|
155 |
|
982 |
|
|
1189 |
8 |
994 |
|
|
160 |
|
1142 |
|
|
1331 |
9 |
1136 |
|
|
144 |
|
1286 |
|
|
1474 |
10 |
1279 |
|
|
145 |
|
1431 |
|
|
1616 |
11 |
1421 |
|
|
130 |
|
1561 |
|
|
1759 |
12 |
1564 |
|
|
120 |
|
1681 |
|
|
1901 |
13 |
1706 |
|
|
104 |
|
1785 |
|
|
2044 |
14 |
1849 |
|
|
140 |
|
1925 |
|
|
2186 |
15 |
1991 |
|
|
125 |
|
2050 |
|
|
2329 |
16 |
2134 |
|
|
106 |
|
2156 |
|
|
2471 |
17 |
2276 |
|
|
145 |
|
2301 |
|
|
2614 |
18 |
2419 |
|
|
123 |
|
2424 |
|
|
2756 |
19 |
2561 |
|
|
138 |
|
2562 |
|
|
2899 |
20 |
2704 |
|
|
108 |
|
2670 |
|
|
3041 |
21 |
2846 |
|
|
… |
|
… |
|
|
3184 |
22 |
2989 |
|
|
… |
|
… |
|
|
3326 |
23 |
3131 |
|
|
… |
|
… |
|
|
3469 |
24 |
3274 |
|
|
… |
|
… |
|
|
3611 |
25 |
3416 |
|
|
… |
|
… |
|
|
3754 |
Результаты графического метода контроля по данным табл. 2.2 и расчета в системе Mathcad представлены на рис. 2.5.
Пусть X – случайная величина, распределенная по нормальному закону, с известным математическим ожиданием mx и неизвестным средним
квадратическим отклонением x . Необходимо, используя последовательный анализ, проверить гипотезу H относительно конкурирующей H
82
H : x , |
(2.36) |
|||||
H |
|
: |
|
|
, |
|
|
x |
|
||||
|
|
|
|
|
где , – нижняя и верхняя граница приемки контролируемой партии по
среднему квадратическому отклонению.
Пусть x , x ,...,xm соответствуют результатам последовательных на-
блюдений случайной величины X . Процесс испытаний партии продолжается, если
|
|
|
m |
|
|
|
|
|
|
|
|
rm , |
|
|
|
|
|
|
|
|||||||
|
|
|
am xi |
mx |
|
|
|
|
|
(2.37) |
||||||||||||||||
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
где приемочное число |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ln |
|
|
|
|
|||||
|
|
|
|
|
|
ln B |
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
am |
|
|
|
|
m |
|
|
|
|
|
|
|
, |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
и браковочное число |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ln |
|
|
|
|
|
||||
|
|
|
|
|
|
ln A |
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
rm |
|
|
|
|
m |
|
|
|
|
|
|
|
. |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Как |
только xi mx rm , |
партия объявляется нестандартной, и |
||||||||||||||||||||||||
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
процесс испытаний прекращается. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если же xi mx am , партия объявляется стандартной, и процесс |
||||||||||||||||||||||||||
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
испытаний прекращается. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
m |
|
|
|
rm , |
|
|
|
|
|
|
||||||||||||
|
|
|
am xi x |
|
|
|
|
(2.38) |
||||||||||||||||||
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где x |
|
xi , am , rm |
– рассчитанные на (m ) шаге приемочное и бра- |
|||||||||||||||||||||||
|
||||||||||||||||||||||||||
|
m i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ковочное числа.
83
x1 ( 151 |
144 |
121 |
137 138 136 155 160 144 145 ) |
|
|
|||||||||
x2 ( 130 |
120 |
104 |
140 125 |
106 |
145 |
123 |
138 108 ) |
|
|
|||||
x augmentx1( x2) |
|
|
x xT |
|
|
|
|
|
|
|||||
x1 x1 |
|
i 2 rows(x) |
xi xi 1 xi |
|
|
|
|
|||||||
T |
|
|
1 |
|
2 |
|
3 |
|
4 |
|
5 |
6 |
7 |
8 |
x |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
151 |
|
295 |
416 |
|
|
553 |
691 |
827 |
982 |
1.142·10 3 |
|
0 135 |
|
1 |
150 |
q 0.01 |
|
0.03 |
25 |
|
||||||
0 |
135 |
|
1 |
|
150 |
q 0.01 |
|
0.03 |
25 |
|||||
s |
0 1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
h0 |
|
2 |
|
|
|
h1 |
|
2 |
1 |
|
|
|
||
|
ln |
q |
|
|
ln |
|
|
|
||||||
|
|
0 1 |
1 |
|
|
0 1 |
q |
|
|
|||||
m |
0 30 |
a(m) h0 m s r(m) |
h1 m s |
|
|
|
||||||||
|
|
4000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3000 |
|
|
|
|
|
|
|
|
|
|
|
|
xm |
|
|
|
Партия |
|
|
|
|
|
|
|
|||
|
|
|
бракуется |
|
|
|
|
|
|
|
||||
a(m) 2000 |
|
|
|
|
|
|
|
|
|
|
|
|||
r(m) |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
Партия |
|
|
|
|
|
|
|
|
|
|
|
|
|
принимается |
|
|
|
|
|
1000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 0 |
|
|
5 |
|
10 |
|
|
15 |
20 |
|
25 |
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
Рис. 2.5. Результаты графического метода контроля диаметра |
|
|||||||||
|
|
|
|
|
|
партии деталей последовательным анализом |
|
|
Если математическое ожидание mx неизвестно, процедура (2.37) вы-
глядит следующим образом [5]
Пусть X – случайная величина, характеризующая качество продукта,
84