10前面连续的四个数分别连续奇数是什么意思,后面的四个数分别连续奇数是什么意思

你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
大家都知道AQL是可接收质量水平
在抽样表中AQL后面栏内有各种不同的数值AQL0.010,AQL0.015,AQL0.025,AQL0.040,AQL0.065
AQL0.10,AQL0.15,AQL0.25,AQL0.40,AQL0.65等
按常理水平越高质量也应越好,即AQL后面的数值越大越好
但按抽样方法看AQL数值越低反而对产品的要求越严
如AQL0.040中1收2退的在AQL0.25中为7收8退
明显在0.04中接收的产品质量水平要好
也有人说这个数值代表了可接收不良率,但这更不合理了
如果按AQL 1.0 G2级抽样80﹐2收3退﹐那么也就是说80個里面允许有2个不良﹐不良率也就2/80=2.5%了﹐而不是前面的不良率1.0%了
我认为是这样:在统计学上确定抽样方案是按照两个错误(1是本是合格判定为不合格的概率,2是本是不合格判定为合格的概率)我们实际运用的抽样方案中应该说最关注的是把原本不合格判定为合格的概率,所以AQL可接受合格质量水平值,应该理解成一个风险系数,拿0.4来说,按照这样的抽样检验方式,连续检验1000批,可能有4批实际上是不合格的,但是有可能会犯第2种错误而导致检验结果仍然是合格的,即犯错风险为0.4%
各位有什么好的理解或意见,欢迎大家互相讨论发表学习
看了楼主的描叙,您对抽样方案这块基本上是完全没有弄明白啊。
AQL0.4,就是可以接受的不合格率是小于或等于0.4%。在这个AQL数值下,根据被检验批次大小,确定检验样本数。然后随之的ɑ风险和ss风险就确定了。当然,这个2个风险和检验水准,AQL值,样本大小都有关系。太多了,随便讲点。然后说下你的描叙。
“如果按AQL 1.0 G2级抽样80﹐2收3退﹐那么也就是说80個里面允许有2个不良﹐不良率也就2/80=2.5%了﹐”。
这个错得太离谱了。AQL1.0就是如果你的检验室严格按照这个来的,那就是说你所有出货产品的不合格率平均在1.0%之下。如果ɑ=5%,ss=10%(一般都是这样设定的)。那就是说,有5%的概率,这样的抽样方案把小于1.0%不合格品的批次拒收了,有10%的概率有大于1.0%的批次容收了。
还有AQL越低当然是要求越高。
最后,要明白的,抽样时一个概率的问题,不要老是纠结单独一个批次的问题。对概率来说,这是没有多大意义的。当然,对于孤立批次,也有办法,但那时另外一个问题了。
4 个回复,游客无法查看回复,更多功能请或
品质部只有我一个人
扫一扫微信订阅
浏览: 22690
关注: 7 人
6SQ质量日刊
服务号: Lsqdnet
6SQ质量周刊扫二维码下载作业帮
2亿+学生的选择
下载作业帮安装包
扫二维码下载作业帮
2亿+学生的选择
第1层:1第2层:2,-4第3层:3,-6,9第4层:4,-8,12,-16第5层:5,-10,15,-20,25第6层:6,-12,18,-24,30,36————————————1】第9层的第1个数与最后一个数分别是什么?2】第2012层的第1个数与最后一个数分别是什么?
红玫瑰丶Uqa
扫二维码下载作业帮
2亿+学生的选择
求计算过程?
观察题目,可得第一列为1.2.3.4……
最后为1^2,2^2.3^2……且偶数行为负
最后为1^2,2^2.3^2?
什么意思,没懂。。
1的平方,二的平方,3的平方
为您推荐:
其他类似问题
(1)第一个数是9,最后一个数是81(2)2012层第一个数是2012,最后一个数是-;(就是负的2012的平方)
1) 第一个数:9,最后一个:81 2) 第一个数:2012,最后一个:-4048144
扫描下载二维码扫二维码下载作业帮
拍照搜题,秒出答案,一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题,秒出答案,一键查看所有搜题记录
从10开始数第四个数是几和从10开始数它后面的第四个数是几问法一样吗?结果一样吗
扫二维码下载作业帮
拍照搜题,秒出答案,一键查看所有搜题记录
从10开始数第四个数是13 这里把10当做是第1个数了从10开始数它后面的第四个数是14 这里把11当做是第1个数所以 不一样
为您推荐:
其他类似问题
不一样的,前一个10是计算在内的,后一个10不计算在内 所以第一个答案是13,第二个答案是14
不一样,结果也不一样,一个为13,一个是14
扫描下载二维码6和1.2.3.4.5.6.7.8.9.10.11.12...各数的最大公因数,发现了什么规律
6和1.2.3.4.5.6.7.8.9.10.11.12...各数的最大公因数,发现了什么规律
10-03-22 &匿名提问
都是6的因数
请登录后再发表评论!

我要回帖

更多关于 连续数据的四分位数 的文章

 

随机推荐