Закон нормального распределения

Большинство случайных явлений, происходящих в жизни, в ча­стности, в производстве и научных исследованиях, характеризуются наличием большого числа случайных факто­ров, описывается законом нормального распреде­ления, который является ос­новным во многих практических иссле­дованиях. Условия его возникновения связаны с центральной пре­дельной теоремой, сформулиро­ванной П.Л. Чебы­шевым. Эта тео­рема утверждает, что распределение какого-либо признака при дей­ствии на него большого числа независимых причин сводится к нор­маль­ному независимо от вида исходного распределения. Усло­вия изготовления многих деталей изделий в производстве, проведение научных экспериментов характеризуется именно воз­дейст­вием на них боль­шого числа независимых факторов. Когда все факторы ока­зывают влияние примерно одного порядка, получается, что результирующие отклонения пара­метров от номинального зна­чения, которое определяет окон­чательный ре­зультат процесса, как правило, являются слу­чайными ве­личинами с нормальным законом распределения.

Уравнение, описывающие плотность вероятности нормального распреде­ления имеет вид:

(7.6.)

Рисунок 7.6 - Кривая Гаусса

 

Нормальное распределение характеризуется двумя параметрами m и s ² и на графике представляет собой симметричную кривую Гаусса (Рисунок 7.6.), имею­щую максимум в точке соответствующей значению Х = m (соответствует среднему арифметическому и называется центром группирования), а при Х ® -¥ и Х ® ¥ асимптотически приближающуюся к оси абсцисс. Точка пере­гиба кривой на­ходится на расстоянии s от центра расположения m. С умень­шением s кривая растягивается вдоль оси ординат и сжимается вдоль оси абс­цисс. Между абс­цис­сами m - s и m + s расположено 68,3 % всей площади кри­вой нор­мального распределения. Это означает, что при нормальном распре­де­лении 68,3 % всех измеренных единиц отклоняются от среднего значения не более чем на s, то есть все они находятся в пределах + s. Площадь, заключенная ме­жду ордина­тами, проведенными на рас­стоянии 2s с обеих сто­рон от центра составляет 95,4 % и соответст­венно столько же единиц совокуп­ности нахо­дится в преде­лах m + 2s. И наконец, 99,73 % всех единиц находится в пределах m + 3s. Это так называемое правило «трех сигм», характерное для нормального рас­пределения. Согласно этому правилу за пределами отклонения на 3s нахо­дится не более 0,27 % всех значений величин, то есть 27 реали­заций на 10 ты­сяч. В технических приложениях принято при оценке ре­зультатов измерений работать с коэффициентами z при s, соответ­ствующим 90 %, 95 %, 99 %, 99,9 % вероятности попадания результата в область допуска.

 

Z90 = 1,65; Z95 = 1,96; Z99 = 2,576; Z999 = 3,291.

 

Следует отметить, что это же правило распространяется на отклонения среднего значения Х_ср (μ). Оно также колеблется в некоторой области на три значения среднего квадратического отклонения среднего значения S в обе стороны, и в этой области заключено 99,73 % всех значений среднего значения.

Для более точного определения процента попадания результа­тов статистической выборки в область кривой нормального распреде­ления применяют таблицу 7.1. распределения попаданий в зависи­мости от коэффициента Z при s. Коэффициент Z может быть взят с точностью до сотых. Например, необходимо определить вероятность попадания результата в область допуска с коэффициентом Z= 2,14. В вертикальном столбце находим значение Z равное 2,1 а в горизон­тальной строке 4. На пересечении столбца и строки имеем значение вероятности попадания результата в одну половину кривой Гаусса, равное 0,4838. Умножая это значение на 2 получим полную вероят­ность попадания, она равна 0,9676 или 96,76%.

 

Таблица 7.5 – Значения интервалов функции Ф(z)

Таблица 10.1 – Значения интервалов функции Ф(z)

Z
0,0	0,0	0,0040	0,0080	0,0120	0,0160	0,0199	0,0239	0,0279	0,0319	0,0359
0,1	0,0398	0,0438	0,0478	0,0517	0,0557	0,0596	0,0636	0,0675	0,0714	0,0753
0,2	0,0793	0,0832	0,0871	0,0910	0,0948	0,0987	0,1026	0,1064	0,1103	0,1141
0,3	0,1179	0,1217	0,1255	0,1293	0,1331	0,1308	0,1406	0,1443	0,1480	0,1517
0,4	0,1554	0,1591	0,1628	0,1664	0,1700	0,1736	0,1772	0,1808	0,1844	0,1879
0,5	0,1915	0,1950	0,1985	0,2019	0,2054	0,2088	0,2123	0,2157	0,2190	0,2224
0,6	0,2257	0,2291	0,2324	0,2357	0,2389	0,2422	0,2454	0,2486	0,2517	0,2549
0,7	0,2580	0,2611	0,2642	0,2673	0,2703	0,2734	0,2764	0,2794	0,2823	0,2852
0,8	0,2881	0,2910	0,2939	0,2967	0,2995	0,3023	0,3051	0,3078	0,3106	0,3133
0,9	0,3159	0,3186	0,3212	0,3238	0,3264	0,3289	0,3315	0,3340	0,3365	0,3389
1,0	0,3413	0,3437	0,3461	0,3485	0,3508	0,3531	0,3554	0,3577	0,3599	0,3621
1,1	0,3643	0,3665	0,3686	0,3708	0,3729	0,3749	0,3770	0,3790	0,3810	0,3830
1,2	0,3849	0,3869	0,3888	0,3907	0,3925	0,3944	0,3962	0,3980	0,3997	0,4015
1,3	0,4032	0,4049	0,4066	0,4082	0,4099	0,4115	0,4131	0,4147	0,4162	0,4177
1,4	0,4192	0,4207	0,4222	0,4236	0,4251	0,4265	0,4279	0,4292	0,4306	0,4319
1,5	0,4332	0,4345	0,4357	0,4370	0,4382	0,4394	0,4406	0,4418	0,4429	0,4441
1,6	0,4452	0,4463	0,4474	0,4484	0,4495	0,4505	0,4515	0,4525	0,4535	0,4545
1,7	0,4554	0,4564	0,4573	0,4582	0,4591	0,4599	0,4608	0,4616	0,4625	0,4633
1,8	0,4641	0,4649	0,4656	0,4664	0,4671	0,4678	0,4686	0,4693	0,4699	0,4706
1,9	0,4713	0,4719	0,4726	0,4732	0,4738	0,4744	0,4750	0,4756	0,4761	0,4767
2,0	0,4772	0,4778	0,4783	0,4788	0,4793	0,4798	0,4803	0,4808	0,4812	0,4817
2,1	0,4821	0,4826	0,4830	0,4834	0,4838	0,4842	0,4846	0,4850	0,4854	0,4857
2,2	0,4861	0,4864	0,4868	0,4871	0,4874	0,4878	0,4881	0,4884	0,4887	0,4890
2,3	0,4893	0,4895	0,4898	0,4901	0,4903	0,4906	0,4909	0,4911	0,4913	0,4916
2,4	0,4918	0,4920	0,4922	0,4924	0,4926	0,4928	0,4930	0,4932	0,4934	0,4936
2,5	0,4938	0,4940	0,4941	0,4943	0,4945	0,4946	0,4948	0,4949	0,4951	0,4952
2,6	0,4953	0,4955	0,4956	0,4957	0,4958	0,4960	0,4961	0,4962	0,4963	0,4964
2,7	0,4965	0,4966	0,4967	0,4968	0,4969	0,4970	0,4971	0,4972	0,4973	0,4974
2,8	0,4974	0,4975	0,4976	0,4977	0,4977	0,4978	0,4979	0,4979	0,4980	0,4981
2,9	0,4981	0,4982	0,4982	0,4983	0,4983	0,4984	0,4985	0,4985	0,4986	0,4986
3,0	0,4986	0,4987	0,4987	0,4988	0,4988	0,4988	0,4989	0,4989	0,4990	0,4990

 

 

Пример. Токарь производит обработку диаметра на валу в раз­мер Ø 42k7. По таблице допусков определяем: верхнее отклонение от номинала +0,027 мм, нижнее - +0,002 мм. Предельно допустимые размеры от 42,002 до 42,027 мм. Токарю определен процент брака не более 5%. Из изготовленных валов берется проба в 32 штуки и опре­деляется ожидаемый процент брака.

1. Производится замер контрольного размера вала и заносится в таблицу 7.6:

 

Таблица 7.6 - Размеры вала и результаты расчета

№	размер	(х-х)	(х-х)2	№	размер	(х-х)	(х-х)2
	42,005	-0,01	0,000106		42,02	0,0047	2,209E-05
	42,01	-0,005	2,809E-05		42,018	0,0027	7,29E-06
	42,015	-3E-04	9E-08		42,006	-0,0093	8,649E-05
	42,01	-0,005	2,809E-05		42,02	0,0047	2,209E-05
	42,003	-0,012	0,000151		42,022	0,0067	4,489E-05
	42,021	0,0057	3,249E-05		42,009	-0,0063	3,969E-05
	42,022	0,0067	4,489E-05		42,01	-0,0053	2,809E-05
	42,026	0,0107	0,000114		42,008	-0,0073	5,329E-05
	42,022	0,0067	4,489E-05		42,002	-0,0133	0,0001768
	42,015	-3E-04	9E-08		42,006	-0,0093	8,649E-05
	42,018	0,0027	7,29E-06		42,006	-0,0093	8,649E-05
	42,021	0,0057	3,249E-05		42,022	0,0067	4,489E-05
	42,025	0,0097	9,409E-05		42,025	0,0097	9,409E-05
	42,018	0,0027	7,29E-06		42,026	0,0107	0,0001144
	42,012	-0,003	1,089E-05		42,02	0,0047	2,209E-05
	42,005	-0,01	0,000106		42,022	0,0067	4,489E-05
Сум- ма	672,248	сумма	0,000808	Сум ма	672,24	сумма	0,0009742

 

2. Определяем среднее арифметическое Хср=42,0153 мм (фор­мула 7.1.)

3. Определяем разницу между Хср и предельно допустимыми раз­мерами.

Д1= 42,0153-42,002 = 0,0133 мм

Д2 = 42,0153-42,027= - 0,0117 мм

4. Определяем сигму s=0,0075 мм. (формула 7.3.)

5. Делим Д1 и Д2 на сигму

Д11=1,78 (0,4625 – 46,25%) Д12 = 1,57 (0,4418 – 44,18%)

По таблице 7.5. определяем, что размеры меньше среднего арифметического будут занимать 46,25%, а размеры больше среднего арифметического будут занимать 44,18 %. В сумме это будет 46,25+44,18 =90,43% (Рисунок 7.7.)

Рисунок 7.7.- Схема расположения зоны брака на кривой Гаусса

Вывод: процент годных деталей у токаря равен 90,43%. Следо­вательно, ожидается брак в размере 9,57%, что не допустимо. Необхо­димо повысить точность работы. Можно отметить, что 5,82% (50 % - 44,18% = 5,82%) имеют размер превышающий допуск, это исправи­мый брак. Следует отметить, что в изученной пробе не было ни одной бракованной детали.

 

 

 

Распределение Стьюдента

 

Нормальное распределение хорошо себя проявляет при достаточно большом количестве членов статистической совокупности, обычно их должно быть не менее 30. Для практики большой интерес представляет возможность су­дить о распределении случайных величин и определять производст­венные погрешности во всех изготовленных изделиях и погрешности научных экспериментов по результа­там измерения па­раметров статистической совокупности полученным из партии ма­лого объема, менее 30. Эта методика была разработана Карлом Госсетом в 1908 году и опубли­кована под псевдонимом Стью­дент.

Распределение Стьюдента симметрично, но более сплющено, чем кривая нормального распределения, и поэтому вытянуто на кон­цах (Рисунок 7.8.). Для каж­дого значения n имеется своя t – функция и свое распределение. Коэффициент z заменен в распределении Стьюдента коэффициентом t, значе­ние которого зависит от заданного уровня значимости, который определяет какая часть реа­лизации может на­ходиться за пределами выбранной области кривой распределения Стьюдента и количества изделий в выборке. Значения коэффи­циента t сведены в таблицу 7.8.

 

Таблица 7.8 – Значения коэффициента Стьюдента

n-1	P
0,9	0,95	0,98	0,99	0,999
	6,31	12,71	31,82	63,66	636,2
	2,92	4,30	6,97	9,93	31,60
	2,35	3,18	4,54	5,84	12,94
	2,13	2,78	3,75	4,60	8,61
	2,02	2,57	3,37	4,03	6,86
	1,94	2,45	3,14	3,70	5,96
	1,90	2,37	3,00	3,50	5,40
	1,86	2,30	2,90	3,36	5,04
	1,83	2,26	2,82	3,25	4,78
	1,81	2,23	2,76	3,17	4,59
	1,80	2,20	2,72	3,11	4,49
	1,78	2,18	2,68	3,06	4,32
	1,77	2,18	2,65	3,06	4,14
	1,76	2,14	2,62	2,98	4,12
	1,75	2,13	2,60	2,95	4,07
	1,75	2,12	2,58	2,92	4,02
	1,74	2,11	2,57	2,90	3,97
	1,73	2,10	2,55	2,88	3,92
	1,73	2,09	2,54	2,86	3,88
	1,72	2,09	2,53	2,85	3,85
	1,72	2,08	2,52	2,83	3,82
	1,72	2,07	2,51	2,82	3,79
	1,71	2,07	2,50	2,81	3,77
	1,71	2,06	2,49	2,80	3,75
	1,71	2,06	2,49	2,79	3,72
	1,71	2,06	2,48	2,78	3,71
	1,70	2,05	2,47	2,77	3,69
	1,70	2,05	2,47	2,76	3,67
	1,70	2,05	2,46	2,76	3,66
	1,70	2,04	2,46	2,75	3,65
	1,68	2,02	2,42	2,70	3,55
	1,67	2,00	2,39	2,66	3,37
	1,66	1,98	2,36	2,62	3,36
¥	1,65	1,96	2,33	2,58	3,29

 

 

При больших n распределение Стьюдента асимптотически сближается со стандартным нормальным распределением. С приемлемой для практики точностью можно считать, что при n ≥ 30, распределение Стьюдента, которое иногда называют t – распределением, апроксимируется нормальным.

Рисунок 7.8.- Кривая Стьюдента

t – распределение имеет те же самые параметры, что и нормальное. Это среднее арифметическое Хср, среднее квадратическое отклонение σ и среднее квадратическое отклонение среднего S. Хср определяется по формуле (7.1.), S определяется по формуле (7.4), а σ по формуле:

(7.8.)

 

Величина n-1 называется степенью свободы.

 

 

Контроль стабильности

Одной из важнейших задач статистического исследования в управлении качеством является контроль и подтверждение стабильности технологиче­ского процесса. Стабильность важнейший фактор производства, подтверждающий предсказуемость процесса, его управляемость, возможность планирования своих действий и действий партнеров по бизнесу на достаточно длительный отрезок времени. Это подтверждение вашей надежности как производителя для потребителей и поставщиков. Стабильность процесса проявляется в стабильности получаемых технологических метрологических параметров.

В реальных условиях производства фактические значения метрологических пара­мет­ров объекта тех­нологического процесса не только хаотично изменяются за счет случайных по­грешностей, но часто с течением времени постепенно и монотонно отклоняются от за­данных значений, то есть имеет место появление систематических по­грешностей. Эти погрешности должны ликвиди­роваться путем выявле­ния и устранения вызывающих их причин. Проблема заключается в том, что в реальных условиях систематиче­ские погрешности трудно отличить от случайных. Незначительные система­тические погрешности без спе­циального статистического анализа мо­гут долго оставаться незамечен­ными на фоне случайных погрешностей.

Существует множество методов определения стабильности процесса. Рассмотрим основные из них:

 

⇐ Предыдущая123456Следующая ⇒

Поделиться:

Воспользуйтесь поиском по сайту: