#质检抽样满足超几何分布,采用超几何采样来确定需要抽样的样本数量n及抽样样本中需要满足的合格数量x。
import numpy as np
import matplotlib.pyplot as plt
# 超几何分布 hypergeometric(ngood, nbad, nsample, size=None) 好的总数、坏的总数、每次采样数、试验次数
succ=70 #根据AI质检模型评估确定
fail=30 #根据AI质检模型评估确定
n=10 #待求解
x=7 #待求解
t=0.6 #质检合格率目标
s = np.random.hypergeometric(succ,fail,n,size=10000)
p = sum(s>=x)/10000.
print(f'质检总样本数:{succ+fail},其中质检合格样本数:{succ},随机采样数:{n}件,其中{x}件都是合格样本的概率为:{p},满足业务目标质检合格率{t}')
print(f'即抽检{n}件,需要有{x}件合格,才能满足业务目标,否则需要抽样更多来满足。')
fig = plt.figure(figsize=(8,6))
a1 = fig.add_subplot(2,2,1)
a1.hist(s ,bins=20,color='b',alpha=0.3)
plt.show()
超几何分布应用-质检抽样
最新推荐文章于 2024-04-19 10:57:44 发布