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
菜鸟5555513 分钟前
图论:SPFA算法
算法·图论
闪电麦坤9522 分钟前
数据结构:在链表中查找(Searching in a Linked List)
数据结构·链表
下页、再停留35 分钟前
【PHP】接入百度AI开放平台人脸识别API,实现人脸对比
人工智能·百度·php
松果财经39 分钟前
外卖“0元购”退场后,即时零售大战才刚开始
大数据·人工智能
说私域42 分钟前
基于开源链动2+1模式AI智能名片S2B2C商城小程序的私域流量拉新策略研究
人工智能·小程序·开源
XRZaaa1 小时前
C 多线程实现大文件固定大小分卷与 SHA256 哈希校验
算法·哈希算法
超闻逸事1 小时前
题解:CF2129C Interactive RBS
c++·算法·codeforces
永洪科技1 小时前
永洪科技华西地区客户交流活动成功举办!以AI之力锚定增长确定性
大数据·人工智能·科技·数据分析·数据可视化
京东零售技术1 小时前
京东零售在智能供应链领域的前沿探索与技术实践
人工智能·百度·零售