二、生产过程状态的统计推断
根据统计推断的参数估计原理,样本平均值x 和样本极差 R 有以下重要性质:
-
样本平均值x 的数学期望就是总体的均值μ,即 E( x )=μ
-
用样本平均值x 估计总体的均值μ,估计的精度与样本大小 n 成反比,
与总体标准差σ成正比,即σ = σ / n;
- 样本极差的平均值R 是总体标准差σ的无偏估计量,即σ = R
/d2。其中人是与样本大小 n 有关的参数,d2 根据数理统计原理计算所得,如表 5.2.1所示。(计算从略)表 5.2.1
样本大小n |
d2 |
d3 |
样本大小n |
d2 |
d3 |
---|---|---|---|---|---|
2 |
1.128 |
0.853 |
14 |
3.407 |
0.762 |
3 |
1.693 |
0.888 |
15 |
3.472 |
0.755 |
4 |
2.059 |
0.880 |
16 |
3.532 |
0.749 |
5 |
2.326 |
0.864 |
17 |
3.588 |
0.743 |
6 |
2.534 |
0.848 |
18 |
3.640 |
0.738 |
7 |
2.704 |
0.833 |
19 |
3.689 |
0.733 |
8 |
2.847 |
0.820 |
20 |
3.735 |
0.729 |
9 |
2.970 |
0.808 |
21 |
3.778 |
0.724 |
10 |
3.028 |
0.797 |
22 |
3.819 |
0.720 |
11 |
3.173 |
0.787 |
23 |
3.858 |
0.716 |
12 |
3.258 |
0.778 |
24 |
3.895 |
0.712 |
13 |
3.336 |
0.770 |
25 |
3.931 |
0.7094 |
所以,在实际中可以用样本平均值x 估计总体的均值μ,用样本极差 R 估计总体标准差σ,统计量x 和 R 在理论上都是无偏估计量。其统计推断的思路如图 5.2.5 所示。这样就解决了实际中的一个重要问题,那就是总体常常是未知的,生产过程状态作为总体是动态的,因此在实际中去求得总体的μ和σ的真值往往是不现实或没有必要的。特别是概率论和数理统计原理指出, 对任意分布,当样本大小 n 充分大时,其样本平均值x 的分布就趋于正态分布。所谓 n 充分大,一般指 n>30 就可以满足条件。关于x 的分布随 n 的增大而变化的情况如图 5.2.6 所示。