應用的前提條件
1. 每一項的結果只能是Success or Failure或者YES or No;
2. 每一項結果只能是Success or Failure二者之一
3. 每一項結果是獨立的
什麽時候可以使用
1. 黨過程每項結果是Success or Failure
2. 可以判斷過程數據符合二項分佈
3. 過程是穩定的
應用場景:
在医学领域中,有一些随机事件是只具有两种互斥结果的离散型随机事件,称为二项分类变量(dichotomous variable),如对病人治疗结果的有效与无效,某种化验结果的阳性与阴性,接触某传染源的感染与未感染等。二项分布(binomial distribution)就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。
工作應用例如
1. 投訴率是否低於1%
2. 不良率是否低於1%等
舉例:
每天抽取500個樣品,檢驗是否合格,對不合格品數量進行統計,取樣70天。用minitab的二項分佈分析,不合格率是否控制在了1%以下。
操作如下:
![](https://img.haomeiwen.com/i3229498/c0bbaa46ed20e837.png)
![](https://img.haomeiwen.com/i3229498/71566823d91bad34.png)
結果如下:
![](https://img.haomeiwen.com/i3229498/dc28f0c3bed8a6ed.png)
詳細分析:
未有數據出邊界,説明數據是穩定的
![](https://img.haomeiwen.com/i3229498/bd48c98e8bc94b16.png)
55個數據之後就穩定了,説明每次取樣500個,是足夠的
![](https://img.haomeiwen.com/i3229498/1a510ca8b1e7ddc8.png)
均匀分佈在直綫兩側,説明符合二項分佈
![](https://img.haomeiwen.com/i3229498/51facecb817875db.png)
不合格率在12.5~17.5%之間,遠遠大於目標1%
![](https://img.haomeiwen.com/i3229498/3b4440b531e2e1f0.png)
95%置信度時,14.97%的不合格率;PPM:每百萬有149743的不合格品
![](https://img.haomeiwen.com/i3229498/4cd521ec22f5a088.png)
网友评论