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
Gu_shiwww2 分钟前
数据结构8——双向链表
c语言·数据结构·python·链表·小白初步
只说证事12 分钟前
2025年数字公共治理专业重点学什么内容?(详细指南)
人工智能
LeeZhao@12 分钟前
【AI推理部署】Docker篇04—Docker自动构建镜像
人工智能·docker·容器
程思扬16 分钟前
利用JSONCrack与cpolar提升数据可视化及跨团队协作效率
网络·人工智能·经验分享·docker·信息可视化·容器·架构
南方者22 分钟前
它的 AI Agent 凭什么能擦出火花?!
人工智能·ai编程
心动啊12124 分钟前
深度神经网络1——梯度问题+标签数不够问题
人工智能·神经网络·dnn
南方者28 分钟前
基于Amazon Bedrock Agent 的两个服务示例的完整流程与详细内容,包含技术架构、实现细节、交互逻辑及扩展能力
人工智能·ai编程·敏捷开发
小王爱学人工智能31 分钟前
OpenCV一些进阶操作
人工智能·opencv·计算机视觉
新智元35 分钟前
起猛了!这个国家任命 AI 为「部长」:全球首个,手握实权,招标 100% 透明
人工智能·openai
张较瘦_36 分钟前
[论文阅读] 人工智能 + 软件工程 | 大语言模型驱动的多来源漏洞影响库识别研究解析
论文阅读·人工智能·语言模型