为了监控某种零件的一条生产线的生产过程,检验员每天从该生产线上随机抽取16个零件,并测量其尺寸(单位:cm).根据长期生产经验,可以认为这条生产线正常状态下生产的零件的尺寸服从正态分布N(μ,σ
2).
(1)假设生产状态正常,记X表示一天内抽取的16个零件中其尺寸在(μ-3σ,μ+3σ)之外的零件数,求P(X≥1)及X的数学期望;
(2)一天内抽检零件中,如果出现了尺寸在(μ-3σ,μ+3σ)之外的零件,就认为这条生产线在这一天的生产过程可能出现了异常情况,需对当天的生产过程进行检查.
(ⅰ)试说明上述监控生产过程方法的合理性;
(ⅱ)下面是检验员在一天内抽取的16个零件的尺寸:
9.95 |
10.12 |
9.96 |
9.96 |
10.01 |
9.92 |
9.98 |
10.04 |
10.26 |
9.91 |
10.13 |
10.02 |
9.22 |
10.04 |
10.05 |
9.95 |
经计算得\( \overset{ .}{x}\)=\( \frac {1}{16} \sum\limits_{i=1}^{16}x_{i}\)=9.97,s=\( \sqrt { \frac {1}{16} \sum\limits_{i=1}^{16}(x_{i}- \overset{ .}{x})^{2}}\)=\( \sqrt { \frac {1}{16}( \sum\limits_{i=1}^{16}x_{i}^{2}-16 \overset{ .}{x}^{2})}\)≈0.212,其中x
i为抽取的第i个零件的尺寸,i=1,2,…,16.
用样本平均数\( \overset{ .}{x}\)作为μ的估计值\( \overset{\hat }{\mu }\),用样本标准差s作为σ的估计值\( \overset{\hat }{\sigma }\),利用估计值判断是否需对当天的生产过程进行检查?剔除(\( \overset{\hat }{\mu }\)-3\( \overset{\hat }{\sigma }, \overset{\hat }{\mu }\)+3\( \overset{\hat }{\sigma }\))之外的数据,用剩下的数据估计μ和σ(精确到0.01).
附:若随机变量Z服从正态分布N(μ,σ
2),则P(μ-3σ<Z<μ+3σ)=0.9974,0.9974
16≈0.9592,\( \sqrt {0.008}\)≈0.09.