【正文】 　　矩法估計簡單而實用，所獲得的估計量通常(盡管不總是如此)也有較好的性質(zhì)。由于均值與方差在統(tǒng)計學(xué)中統(tǒng)稱為矩，總體均值與總體方差屬于總體矩，樣本均值與樣本方差屬于樣本矩。有效性是判定估計量優(yōu)良性的另一個標準。對于無偏估計量，當然方差愈小愈好。只要有可能，應(yīng)該盡可能選用無偏估計量，或近似無偏估計量。但是經(jīng)過簡單的代數(shù)推導(dǎo)，總有　　MSE=E(θ)2=〔E()θ]2+E〔E()]2()　　=〔B()]2+V()　　()式中的第一項表示的是的均值E()與未知參數(shù)θ的差，稱為偏倚；當B()=0，也即:　　E()=θ時，稱估計量是無偏的。這個量稱為的均方誤差，簡記為MSE()，均方誤差實際上是平均平方誤差的意思。當然這種平均不能直接進行，因為θ有正有負，直接平均由于正負抵消反而不能反映誤差。　　對于一個特定的樣本，估計量與θ的真值之間總是有偏差的，但由于θ未知，因此偏差θ也未知。在本教材中，除討論統(tǒng)計量的分布及性質(zhì)外，不嚴格區(qū)分估計量及具體估計值，通稱為估計。根據(jù)這個樣本，構(gòu)造一個統(tǒng)計量=(X1，X2，…，Xn)，用來對θ進行估計，稱為θ的估計量。　　參數(shù)估計有兩種基本形式，即點估計與區(qū)間估計。估計也可以擴展成對分布類型、分布的某些特征數(shù)，例如均值、方差甚至對某個特定事件概率的估計，但由于這些待估計的量的未知部分都只是參數(shù)，因此任何一個估計問題都可以化成參數(shù)估計問題。在統(tǒng)計中，估計就是根據(jù)樣本來推斷總體分布的未知成分。在質(zhì)量活動和管理實際中，人們關(guān)心的是諸如特定產(chǎn)品的質(zhì)量水平究竟如何?例如特性的平均值，產(chǎn)品的不合格品率等等。本節(jié)著重討論參數(shù)估計問題。第五節(jié)參數(shù)估計F分布的概率密度函數(shù)在正半軸上呈偏態(tài)分布。又設(shè)X1，X2，…，Xn是來自N(μ1，σ2)的一個樣本；Y1，Y2，…，Ym是來自N(μ2，σ2)的一個樣本，這兩個樣本相互獨立?！　　　?二)正態(tài)樣本方差s2的分布——χ2分布正態(tài)樣本方差s2除以總體方差σ2的n1倍的分布是自由度為n1的χ2分布，記為χ2(n1)，即:　　自由度為n1的χ2分布的概率密度函數(shù)在正半軸上呈偏態(tài)分布。圖中畫出自由度為3的t分布t(3)與標準正態(tài)分布N(0，1)的概率密度曲線?！　‘敠乙阎獣r，通過標準化變換，可得:　　　　當σ未知時，很自然的，用樣本標準差s代替上式中的σ，此時統(tǒng)計量:　　服從自由度為n1的t分布，記為t(n1)。這里所涉及的抽樣分布在以后的區(qū)間估計、假設(shè)檢驗和方差分析中將起重要作用。當X本身服從正態(tài)分布，的分布也是嚴格正態(tài)的。　　至于的分布，根據(jù)上節(jié)討論過的中心極限定理，不論X的分布是哪種具體的分布，只要滿足一定條件，當n大時，樣本均值的分布即是近似正態(tài)的。與總體的均值μ=10比較，可知用n=5的樣本均值來估計μ沒有用n=10的樣本的平均數(shù)來估計精確，但均值的平均數(shù)()都非常接近μ的真值10。這表明當用(樣本均值)估計μ(總體均值)時，n(樣本量)愈大，精度就愈高。事實上E()=μ　　其中μ，σ2分別為總體X的均值和方差。因此本身也是一個隨機變量，因此有時也記為，也有自己的分布規(guī)律，也可以計算它的均值、方差等?！　?二)樣本均值的分布　　樣本均值是表示樣本數(shù)據(jù)中心位置的，而樣本又是從總體中隨機抽取的，因此與表示總體的隨機變量X的均值μ之間一定存在某種內(nèi)在的聯(lián)系?！　〉谝还?jié)中討論過的樣本均值、樣本中位數(shù)、樣本極差、樣本方差、樣本標準差及樣本變異系數(shù)等都是統(tǒng)計量?！　]從均值為μ，方差為σ2的總體中抽得一個樣本量為n的樣本X1，X2，…，Xn，其中μ與σ2均未知。但是不經(jīng)加工的信息是零散的，為了把這些零散的信息集中起來反映總體的特征，需要對樣本進行加工，一種有效的辦法就是構(gòu)造樣本的函數(shù)，不同的函數(shù)可以反映總體的不同的特征。有時為方便起見，不分大寫與小寫，樣本及其觀測值都用x1，x2，…，xn表示，今后就將采用這一方法表示。　　若X1，X2，…，Xn是從總體X中獲得的樣本，那么X1，X2，…，Xn是獨立同分布的隨機變量。　　　　抽樣切忌干擾，特別是人為干擾。若是按隨機性和獨立性要求進行抽樣，則機會大的地方(概率密度值大)被抽出的樣品就多；而機會少的地方(概率密度值小)，被抽出的樣品就少。這樣獲得的樣本能夠很好地反映實際總體。今后的樣本都是指滿足這些要求的簡單隨機樣本。從總體中抽取的每個樣品對其他樣本的抽取無任何影響，假如總體是無限的，獨立性容易實現(xiàn)；若總體很大，特別與樣本量n相比是很大的，這時即使總體是有限的，此種抽樣獨立性也可得到基本保證。這只要隨機抽樣就可保證此點實施?？傮w中每個個體都有相同的機會入樣?！　M足下面兩個條件的樣本稱為簡單隨機樣本，簡稱隨機樣本。　　人們從總體中抽取樣本是為了認識總體，即從樣本推斷總體。因此統(tǒng)計中的總體與概率中的隨機變量是對應(yīng)的，通常用統(tǒng)一的記號，例如X，Y，…等來記?！　】傮w是人們研究對象的全體，它由個體所組成，當從總體中隨機抽取一個個體進行觀測時，所得的觀測值隨個體而異，因此總體對應(yīng)于一個隨機變量?！　∫?、隨機樣本與統(tǒng)計量　　在第一節(jié)中介紹了總體與樣本這兩個重要的統(tǒng)計概念，在第三節(jié)中又介紹了隨機變量及其分布的概念?！　∵@里相互獨立的隨機變量是指一個變量的取值不影響其他變量的取值。它告訴人們:在一定條件下，多個相互獨立隨機變量的平均值(仍然是一個隨機變量)，服從或近似服從正態(tài)分布。若已知Y的均值、方差與標準差分別為:　　μY=，σ2Y=4，σY=2由上述公式知，X的均值、方差與標準差為:　　μx=exp{+4/2}== σ2X=()2(e41)=e19(e4一1)=109　　105小時，104小時，標準差是平均時間的7倍多，可見對數(shù)正態(tài)分布是很分散的分布。　　(4)若記正態(tài)分布的均值為μY，方差為σ2Y，則相應(yīng)的對數(shù)正態(tài)分布的均值μX與方差σ2X分別為μX=E(X)=exp{μY+σ2Y/2}σ2X=Var(X)=μ2X{exp(σ2Y)1}()　　(5)尋求對數(shù)正態(tài)變量X的有關(guān)事件的概率，經(jīng)過對數(shù)變換后可轉(zhuǎn)化為求正態(tài)變量Y=lnX的相應(yīng)事件的概率，如:　　P(Xa)=P(lnXlna)　　=P(Ylna)　　(a)(b)上的兩塊陰影面積。如機床維修中，大量機床在短時間內(nèi)都可修理好，只有少量機床需要長時間維修，個別機床可能需要更長的修理時間。它們有如下共同特點:　　(1)這些隨機變量都在正半軸(0，∞)上取值。這里“均勻”是指隨機點落在區(qū)間(a，b)內(nèi)任一點的機會是均等的，從而在相等的小區(qū)間上的概率相等?！　　　?三)其他連續(xù)分布　　正態(tài)分布是實際中最常用的分布，在質(zhì)量管理中也使用最頻繁，但在實際中還有很多非正態(tài)的連續(xù)分布也很有用，在質(zhì)量管理中最常用的是均勻分布、對數(shù)正態(tài)分布和指數(shù)分布等三個分布，其中指數(shù)分布已在〔]中作了介紹，其他兩個分布將在下面介紹?！　]在正態(tài)分布中心μ與規(guī)范中心(M=(TL+TU)/2)重合時，若規(guī)范限取為μ177?？估瓘姸仁峭筇匦?愈大愈好的特性)，故只需規(guī)定其下規(guī)范限，如今TL=33kg/cm2。清潔度是望小特性(愈小愈好的特性)，故只需規(guī)定其上規(guī)范限，現(xiàn)規(guī)定TU=85毫克，故其不合格品率為:　　故在清潔度指標上，該部件的不合格品率為968ppm。則其低于下規(guī)范限TL=76kΩ的概率和超過上規(guī)范限TU=84kΩ的概率分別為:　　故該電阻器的不合格品率p=pL+pU=。4kΩ。　　為了具體說明不合格品率的計算，可看下面的例子。　　明確了這兩點后，產(chǎn)品質(zhì)量特性X的不合格品率為:　　p=pL+pU　　其中pL為X低于下規(guī)范限的概率，pU為X高于上規(guī)范限的概率()，即:　　　　　　其中Φ(你記住了嗎?　　〔]產(chǎn)品某個質(zhì)量特性X的不合格品率的計算要知道下列兩件事:　　(1)質(zhì)量特性X的分布，在過程受控情況下，X的分布常為正態(tài)分布N(μ，σ2)，這是穩(wěn)定過程的概括。　　[]設(shè)X～N(10，22)和Y～N(2，)，概率P(8X14)和P(Y)各為多少?　　首先對每個正態(tài)變量經(jīng)過各自的標準化變換得到標準正態(tài)變量?！　　　⌒再|(zhì)2:設(shè)X～N(μ，σ2)，則對任意實數(shù)a，b有:　　　　其中Φ(這里標準化變換是指正態(tài)變量減去其均值后再除以相應(yīng)的標準差。正態(tài)分布計算是基于下面的重要性質(zhì)?！　　　藴收龖B(tài)分布的α分位數(shù)uα表見附表13?！　‘敠?，譬如α=，=。用概率的語言表示，U的α分位數(shù)uα是滿足下列等式的實數(shù):　　P(U≤uα)=α　　　　分位數(shù)uα亦可用標準正態(tài)分布表從里向外查得，尾數(shù)可用內(nèi)插法得到，:　　= =　　，=?！　『笠环N說法有新意，(u)下的面積分為左右兩塊。對概率等式P(U≤)=，有兩種不同說法:　　(1)?！　　　?5)P(|U|≤a)=2Φ(a)1()?！　?3)Φ(a)=1Φ(a)()?！　　　∮捎谥本€是沒有面積的，即直線的面積為零，故:　　P(U≤)=P(U)=Φ()=　　綜合上述，可得如下計算公式:　　P(U≤a)=P(Ua)=Φ(a)　　類似的計算公式還有一些，現(xiàn)羅列如下，圖形可幫助我們理解它。　　　　(1)標準正態(tài)分布表，它可用來計算形如“U≤u”的隨機事件發(fā)生的概率。一些質(zhì)量特性的不合格品率均要通過標準正態(tài)分布才能算得。它是特殊的正態(tài)分布，服從標準正態(tài)分布的隨機變量也記為U，它的概率密度函數(shù)記為ψ(u)。固定均值μ時，不同的標準差，如σ1σ2，對應(yīng)的正態(tài)曲線的位置相同，但形狀(高低與胖瘦)不同，(b)。質(zhì)量特性X在μ附近取值的機會最大，σ2是正態(tài)分布的方差，0是正態(tài)分布的標準差，σ愈大，分布愈分散；σ愈小，分布愈集中?！　　　≌龖B(tài)分布含有兩個參數(shù)μ與σ，常記為N(μ，σ2)。具體如下:　　　　　　(二)正態(tài)分布　　正態(tài)分布是在質(zhì)量管理中使用最為頻繁的分布，它能描述很多質(zhì)量特性X隨機取值的統(tǒng)計規(guī)律性?，F(xiàn)把結(jié)果列表如下:　　　　這就是X的分布。　　超幾何分布h(n，N，M)的均值、方差分別為:　　　　[]一貨船的甲板上放著20個裝有化學(xué)原料的圓桶，現(xiàn)發(fā)現(xiàn)有5桶被海水污染了，若從中隨機抽出8桶，并記X為其中被污染的桶數(shù)，現(xiàn)要求X的分布。　　設(shè)有N個產(chǎn)品組成的總體，其中含有M個不合格品?！　　　?2)在一個月內(nèi)發(fā)生重大事故超過2起的概率為:　　P(X2)=P(X=3)+P(X=4)+P(X=5)+P(X=6)+P(X=7)　　=1〔P(X=0)+P(X=1)+P(X=2)]　　=1(++)= 這表明。由于取這些值的概率的前三位小數(shù)皆為零，甚至更小，已無多大實際意義，故可不列出，當作不可能事件處理。　　從這些例子可以看出，泊松分布總與計點過程相關(guān)聯(lián)，并且計點是在一定時間內(nèi)、或一定區(qū)域內(nèi)、或一特定單位內(nèi)的前提下進行的，若λ表示某特定單位內(nèi)的平均點數(shù)(λ0)，又令X表示某特定單位內(nèi)出現(xiàn)的點數(shù)，則X取x值的概率為:　　　　這個分布就稱為泊松分布，記為P(λ)，其中e=…　　泊松分布的均值與方差相等，且均為λ，于是有:　　E(X)=λ，Var(X)=λ，σ(X)=　　()　　〔]某大公司一個月內(nèi)發(fā)生重大事故數(shù)X是服從泊松分布的隨機變量，根據(jù)過去事故的記錄，這表明:X服從λ=，現(xiàn)考察如下事件的概率?！　≡趯嶋H中經(jīng)常要求形如“X≤x”的概率，在概率論中把事件“X≤x”的概率稱為X的分布函數(shù)，記為F(x)，即:　　F(x)=P(X≤x)　　二項分布的分布函數(shù)已編制了數(shù)表，詳見附表11，此表可幫助我們計算，例如從附表11中可查得:　　P(X≤1)=，P(X≤4)=　　于是可算得:　　P(1≤X≤4)=P(X≤4)P(X≤1)==　　(3)二項分布b(6，)的均值、方差與標準差分別為:　　E(X)=np=6=　　Var(X)=np(1p)=6=　　　　　　泊松分布可用來描述不少隨機變量的概率分布。通過計算可畫出其線條圖((b))，此圖是對稱的，如P(X=2)=P(X=4)=。假如改變成功概率p，其線條圖亦會改變。圖上的橫坐標為X的取值，縱軸為其相應(yīng)概率。類似可計算X=0，X=1，…，X=6的概率，計算結(jié)果可列出一張分布列，具體如下:　　=6的概率取前4位小數(shù)的有效數(shù)字為零，實際它的概率為P(X=6)=，并不恰為零?！　≡谏鲜鏊膫€條件下，設(shè)X表示n次獨立重復(fù)試驗中成功出現(xiàn)的次數(shù)，顯然X是可以取0，1，…，n等n+1個值的離散隨機變量，且它的概率函數(shù)為:　　　　　　二項分布的均值、方差與標準差分別為:　　E(X)=np　　Var(X)=np(1p)　　　　[]在一個制造過程中，如今從成品中隨機取出6個，記X為6個成品中的不合格品數(shù)，則X服從二項分布b(6，)，簡記為X～b(6，)?！　?3)每次試驗僅有兩個可能結(jié)果，例如，正面與反面、合格與不合格、命中與不命中、具有某特性與不具有某特性，以下統(tǒng)稱為“成功”與“失敗”。例如，把一枚硬幣連拋n次，檢驗n個產(chǎn)品的質(zhì)量，對一個目標連續(xù)射擊n次等?！　∽⒁?方差的這個性質(zhì)不能推到標準差場合，即對任意兩個相互獨立的隨機變量X1與X2，σ(X1+X2)≠σ(X1)+σ(X2)，而應(yīng)該是　　或者說，對相互獨立隨機變量來說，其方差具有可加性，而標準差不具有可加性　　四、常用分布　　(一)常用的離散分布　　這里將給出三個常用的離散分布，它們是二項分布、泊松分布與超幾何分布?！　?3)設(shè)隨機變量X1與X2獨立(即X1取什么值不影響另一個隨機變量X2的取值，這相當于兩個試驗的獨立性)，則有:　　Var(X1177?！　☆愃频?，對連續(xù)分布也有類似解釋，(或標準差)從上到下也是逐漸減小的?！　》粗?，若要方差大，則和式中必有某些乘積項較大，也就是說，有若