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
vocal16 分钟前
谷歌第七版Prompt Engineering—第一部分
人工智能
MonkeyKing_sunyuhua17 分钟前
5.6 Microsoft Semantic Kernel:专注于将LLM集成到现有应用中的框架
人工智能·microsoft·agent
丶Darling.18 分钟前
26考研 | 王道 | 数据结构 | 第八章 排序
数据结构·考研·排序算法
arbboter25 分钟前
【AI插件开发】Notepad++ AI插件开发1.0发布和使用说明
人工智能·大模型·notepad++·ai助手·ai插件·aicoder·notepad++插件开发
BB_CC_DD25 分钟前
四. 以Annoy算法建树的方式聚类清洗图像数据集,一次建树,无限次聚类搜索,提升聚类搜索效率。(附完整代码)
深度学习·算法·聚类
IT_Octopus37 分钟前
AI工程pytorch小白TorchServe部署模型服务
人工智能·pytorch·python
果冻人工智能42 分钟前
AI军备竞赛:我们是不是正在造一个无法控制的神?
人工智能
暴龙胡乱写博客1 小时前
OpenCV---图像预处理(四)
人工智能·opencv·计算机视觉
程序员辣条1 小时前
深度测评 RAG 应用评估框架:指标最全面的 RAGas
人工智能·程序员
curdcv_po1 小时前
字节跳动Trae:一款革命性的免费AI编程工具完全评测
人工智能·trae