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
chh5639 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval9 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi10 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿10 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方11 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI11 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP11 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷12 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考12 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI12 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具