关于SPC上下控制线计算的疑惑,3sigma控制线不严格?n小于30为什么不用t分布?
请各位大神耐心看下
-------------------------------------------------------------------------------------------------------------------------------------
以Xbar图为例大家都知道上下3σxbar即3σ/√n为控制线,σ=Rbar/d2,所以上下线也是3Rbar/(d2*√n)
在公式中表示为A2Rbar,那么得出
A2=3/(d2*√n)
也就是说A2这个常数是依据d2和n计算出来的,大家可以对照常数表算一下,不论n是多少A2=3/(d2*√n)的确都成立,也就是说上下控制线确实是正负3σ/√n,n为子组样本量,σ是组内变异推算的总体标准差
从教科书中我们可以知道只有当n>30时,σxbar才约等于σ/√n
那么我的问题是,在大部分情况下子组样本量基本都不大于5个(本贴以5为例),那么凭什么用σ/√n来计算σxbar?
而当n<30时应当按照t分布,t检验来计算其t值,而不是Z值
如果我们控制线外0.00135的概率来计算,
n>30,Z≈3,控制线为±3σ/√n
n=5,t≈6.62(用TINV(20.00135,4)在excel中计算),控制线应为 ±6.62σ/√n,也就是约为2.2A2Rbar
这2者可是相差甚远了,极容易造成误报镜的错误啊!
反过来计算,t=3时控制线外的概率为0.04(用TDIST(D22,4,2)在excel中计算),那么单边为0.02,这和0.00135差太多
另外R图和S图原理是什么,±3σ吗?
我不论用目前现实正态分布数据还是虚拟的正态分布数据,R和S都无法保证是正太分布,如果R和S无法保证是正太分布,那用±3σ来诠释R图和S图又是否合适?
-----------------------------------------------------------------------------------------------------------------Mar 5 2015
-
-------------------------------------------------------------------------------------------------------------------------------------
以Xbar图为例大家都知道上下3σxbar即3σ/√n为控制线,σ=Rbar/d2,所以上下线也是3Rbar/(d2*√n)
在公式中表示为A2Rbar,那么得出
A2=3/(d2*√n)
也就是说A2这个常数是依据d2和n计算出来的,大家可以对照常数表算一下,不论n是多少A2=3/(d2*√n)的确都成立,也就是说上下控制线确实是正负3σ/√n,n为子组样本量,σ是组内变异推算的总体标准差
从教科书中我们可以知道只有当n>30时,σxbar才约等于σ/√n
那么我的问题是,在大部分情况下子组样本量基本都不大于5个(本贴以5为例),那么凭什么用σ/√n来计算σxbar?
而当n<30时应当按照t分布,t检验来计算其t值,而不是Z值
如果我们控制线外0.00135的概率来计算,
n>30,Z≈3,控制线为±3σ/√n
n=5,t≈6.62(用TINV(20.00135,4)在excel中计算),控制线应为 ±6.62σ/√n,也就是约为2.2A2Rbar
这2者可是相差甚远了,极容易造成误报镜的错误啊!
反过来计算,t=3时控制线外的概率为0.04(用TDIST(D22,4,2)在excel中计算),那么单边为0.02,这和0.00135差太多
另外R图和S图原理是什么,±3σ吗?
我不论用目前现实正态分布数据还是虚拟的正态分布数据,R和S都无法保证是正太分布,如果R和S无法保证是正太分布,那用±3σ来诠释R图和S图又是否合适?
-----------------------------------------------------------------------------------------------------------------Mar 5 2015
-
没有找到相关结果
已邀请:



12 个回复
billguo (威望:69) - 管理无处不在
赞同来自: jacd
第二个问题,标准差σ已知(有大量历史数据)时,采用Z检验;标准差σ未知(有近期少量数据)时,采用T检验。T检验是近似替代Z检验。并没有严格整体样本容量N是否大于30的限制。
第三个问题,均值极差图 Xbar-R,均值标准差图 Xbar-S,都是样本数据检验为正态的条件下得到的。若样本数据真实的为非正态(不是因为采集或测量造成的),可以通过Box-Cox变换,将非正态数据转换为正态数据。如下截图。