نظرية الاحتمالات الحديثة وتطبيقاتها — الصفحة ٧٧

حجم مثال 3E قبول العينة افترض اننا نرغب بفحص منتوج معين بواسطة سحب عينة من مجموعة . لا يمكن ان تخبرنا نظرية الاحتمال كيف يمكن تكوين مجموعة اوكيفية فحصها اوحتى ما هو حجم العينة التي يجب ان تسحب بل ان نظرية الاحتمال تخبرنا عن نتائج قرارات معينة . اذا علمت صحة بعض الافتراضات . افترض اننا قررنا فحص منتوج وذلك بتكوين كمية ذات حجم 1000 ثم سحب عينة ذات 100 منها . كل جزء في العينة يبوب اما معيب او غير معيب . انه من غير المعقول ان تكون العينة تامة ) لا يوجد فيها معيب ) . وعلى ذلك فقد تقرر اننا سنقبل الكمية اذا احتوت العينة على معيب واحد او أقل ونرفض الكمية اذا احتوت العينة على اثنين او اكثر من الاجزاء المعيبة . السؤال المطروح طبيعيا هو هل ان نظام القبول هذا دقيق جداً او غير دقيق . من المحتمل ان يتطلب الأمر عدم احتواء العينة على معيب . . او من المحتمل السماح باحتواء العينة على 2 معيب او اقل . لاجل اتخاذ قرار مناسب لاهمية نظام القبول يجب ان نحدد الاحتمال P لقبول عينة عشوائية . على كل حال ليس لدينا معلومات كافية لحساب p أي يجب ان نعرف نسبة المعيب P في عينة باستخدام خطة معينة للقبول وذلك لكي نحسب احتمال القبول ) وهكذا فان عبارة عن دالة ! وأن تمثل احتمال قبول الخطة التي تحتوي على نسبة للمعيب تساوي P أما من ناحية قبول خطة العينة . التي تتكون من سحب عينة ذات حجم 100 من كمية ذات حجم 1000 وقبولها اذا لاحتوت الكمية على واحد او أقل معيب . فان ()P يساوي (3.7) P(p) = (1000) 100 (1000) 100 +100. 1000p(1000q)99 (1000)100 حيث ان - 1 المخطط البياني (P) كدالة ( يسمى بمنحني خاصية التشغيل operating أو منحني oc لحظة قبول العينات في الشكل 3A رسمنا منحني OC لنظام العينة الموصوفة .
ص ٧٧

النص مستخرج آليًّا من صور الكتاب، وقد يقع فيه خطأ.