XR图和XS图中X-bar图的最大不同

XR(X-bar和R图)与XS(X-bar和S图)中的X-bar图在计算上下限时使用的算法不同,主要在于它们分别采用了极差R和标准差S作为评估过程变异性的指标。

⭐️ XR中的X-bar图

在XR图中,X-bar图用于监控一段时间内样本均值的变化,以检测过程的中心值是否发生偏移。计算X-bar图的上下限时,通常使用极差R来估计过程的标准差,进而确定控制限。这是因为在实际应用中,标准差σ往往是未知的,需要通过样本数据来估计。极差R作为样本内数据最大值和最小值之差,是一种简便的估计σ的方法。

X-bar图的上下限(控制限)的计算方法之一是使用"参数法",其中上控制限(UCL)和下控制限(LCL)可以分别表示为:

上控制限(UCL): X ‾ + A 2 × R ‾ \overline{X} + A_2 × \overline{R} X+A2×R

下控制限(LCL): X ‾ − A 2 × R ‾ \overline{X} - A_2 × \overline{R} X−A2×R

这里, A 2 A_2 A2是一个常数,取决于子组大小n,用于调整极差以更好地估计标准差σ。注意,这里 R ‾ \overline{R} R 是多个子组极差的平均值,用于进一步平滑估计。

⭐️ XS中的X-bar图

在XS图中,X-bar图同样用于监控样本组的平均值,但计算上下限时使用的是标准差S,这是通过计算每个样本组内部数据的标准差得出的,更能准确反映组内数据的离散程度。XS图比XR图更适合样本组数较大或过程波动性较大的场景。

X-bar图的上下限在XS图中通常基于正态分布来计算,但由于σ是未知的,需要通过样本数据来估计。因此,实际计算中会使用样本标准差S来替代σ,上下限可以表示为:

上控制限(UCL): X ‾ + A 3 × S ‾ \overline{X} + A_3 × \overline{S} X+A3×S

下控制限(LCL): X ‾ − A 3 × S ‾ \overline{X} - A_3 × \overline{S} X−A3×S

这里, A 3 A_3 A3是一个常数,取决于子组大小n,用于调整样本标准差以更好地估计标准差σ, S ‾ \overline{S} S 是多个样本组标准差的某种综合估计(如平均值或加权平均值),具体取决于具体的统计方法和应用场景。

综上所述,XR中的X-bar图使用极差R来估计标准差并计算控制限,而XS中的X-bar图则直接使用样本标准差S来计算控制限,两者在计算上下限时的方法上有所不同。

相关推荐
好喜欢吃红柚子6 分钟前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
小馒头学python10 分钟前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯19 分钟前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
正义的彬彬侠22 分钟前
《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析
人工智能·决策树·机器学习·集成学习·boosting·xgboost
Debroon32 分钟前
RuleAlign 规则对齐框架:将医生的诊断规则形式化并注入模型,无需额外人工标注的自动对齐方法
人工智能
小码农<^_^>37 分钟前
优选算法精品课--滑动窗口算法(一)
算法
羊小猪~~39 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
AI小杨40 分钟前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测
晨曦_子画44 分钟前
编程语言之战:AI 之后的 Kotlin 与 Java
android·java·开发语言·人工智能·kotlin
道可云1 小时前
道可云人工智能&元宇宙每日资讯|2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr