10-6. ábra. Az áttérési szabályok rendszere (Papp L., Róth P., Németh L., 1992)

Hasonló dokumentumok
10. Mintavételi tervek minısítéses ellenırzéshez

Mintavételes átvételi ellenőrzés

MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár

4. A méréses ellenırzı kártyák szerkesztése

Gépipari minıségellenırzés

III. Képességvizsgálatok

Sorozatban gyártott termékek minőségellenőrzése

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Biometria gyakorló feladatok BsC hallgatók számára

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Pl.: Galton deszka ( vagy link innen:

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Statisztika Elıadások letölthetık a címrıl

Variancia-analízis (VA)

Variancia-analízis (folytatás)

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Informatika, mint mintavételezési támogatottság a könyvvizsgálók munkájában. (Wessely Vilmos, az MKVK informatikai tagozatának alelnöke)

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Vízóra minıségellenırzés H4

Eloszlás-független módszerek 13. elıadás ( lecke)

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

OTSZ VILLÁMVÉDELEM. Elemzés és módosítási javaslat

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

BÉKÉSCSABA MEGYEI JOGÚ VÁROS

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Nemparaméteres próbák

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

2.6. A fogaskerekek tőrésezése, illesztése. Fogaskerék szerkezetek. Hajtómővek.

Bevezetés a hipotézisvizsgálatokba

Méretlánc (méretháló) átrendezés elmélete

A belsı kontrollok szerepe az önkormányzati ellenırzésekben. a Magyar Könyvvizsgálói Kamara és az Állami Számvevıszék szemináriuma március 7.

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás

Tájékoztató. A Minőség-ellenőrzés című tárgy oktatásához

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Radioaktív bomlási sor szimulációja

Minőségirányítási rendszerek 8. előadás

8. A mérıeszközök képességvizsgálata 1

Biostatisztika VIII. Mátyus László. 19 October

Folyadékszcintillációs spektroszkópia jegyz könyv

Dénes Tamás matematikus-kriptográfus

Turing-gép május 31. Turing-gép 1. 1

Funkcionális menedzsment Általános (naturális) filozófiai értelmezés

Biomatematika 13. Varianciaanaĺızis (ANOVA)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

IV. Átvételi minıségellenırzés 9. Az átvételi minıségellenırzés alapelvei

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Két adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete. Medgyesi Márton Tárki Zrt

KÖVETKEZTETŐ STATISZTIKA

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Drégelyi-Kiss Ágota: Minıségszabályozás a gépiparban

Tápvízvezeték rendszer

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Beton-nyomószilárdság nyomószilárdság értékelésének alulmaradási tényezője

Miért olyan fontos a minıségi pont?

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Mintavételezés

Statisztikai módszerek

Normális eloszlás paramétereire vonatkozó próbák

Ismétlı áttekintés. Statisztika II., 1. alkalom

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

A populáció meghatározása

Aszinkron sorrendi hálózatok

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Irányítástechnika Elıadás. Zárt szabályozási körök stabilitása

Gazdasági matematika II. vizsgadolgozat, megoldással,

MATEMATIKA HETI 5 ÓRA. IDŐPONT: június 8.

KOVÁCS BÉLA, MATEMATIKA I.

MÉRÉSI JEGYZİKÖNYV. A mérési jegyzıkönyvet javító oktató tölti ki! Mechatronikai mérnök Msc tananyagfejlesztés TÁMOP

Mérés 3 - Ellenörzö mérés - 5. Alakítsunk A-t meg D-t oda-vissza (A/D, D/A átlakító)

egyetemi jegyzet Meskó Balázs

Kosztyán Zsolt Tibor Katona Attila Imre

Hipotézis vizsgálatok

SPC egyszerően, olcsón, eredményesen

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0, = 0, = 0, Mo.: 32 = 0,25

6. Minısítéses ellenırzı kártyák

Szigma Integrisk integrált kockázatmenedzsment rendszer

Szépmővészeti Múzeum térszint alatti bıvítése: A projekt idıt befolyásoló kockázatok értékelése. Készítette: Kassai Eszter Rónafalvi György

Compton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.

2. Laboratóriumi gyakorlat A TERMISZTOR. 1. A gyakorlat célja. 2. Elméleti bevezető

Új adalékanyagokkal öntött Poliamid 6 mechanikai és tribológiai tulajdonságainak kutatása. Andó Mátyás

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Adatlap azonosító Összpontszám Eredmény (fokozat) 6 85 Nincs fokozata Ezüst fokozat Nincs fokozata Nincs fokozata Nincs

Az ellenırz. Statisztika

AZ ÁTI DEPO KÖZRAKTÁROZÁSI ZRT. ÁRUMINİSÍTÉSI, ÉS ÁRUÉRTÉKELÉSI SZABÁLYZAT

Informatikai projektmenedzsment

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

Átírás:

Hasonlítsuk össze az I., II. és III. fokozat, ill. az S1-S4 különleges fokozatok jelleggörbéit, melyeket a 10-4. és 10-5. ábra mutat. S1-tôl S4 ill. az I.-tôl a III. felé haladva a nagy selejtarányú tétel elfogadásának P a valószínősége, vagyis a másodfajú hiba valószínősége egyre csökken, az elsıfajú hiba valószínősége (1 P a értéke a p=0.01 selejtaránynál) eközben nagyjából változatlanul 0.05 körül van. Az S4 görbe megint rendellenesen viselkedik, másképp görbül, mint a másik három. A 10-2. táblázatba kigyőjtöttük a szabvány átvételi és visszautasítási határértékeit 1201-3200 elemő tételekre, ha AQL=1.0%. Ha figyelmesen megnézzük az Ac=c értékeket, azt találjuk, hogy éppen S4-nél kell áttérni (a mintaelemszám növekedése miatt) c=0-ról c=1-re, ami a 9.4. ábránál megbeszélt okból igen radikális változás. 10-2. táblázat fokozat kulcsjel normális szigorított enyhített n Ac Re n Ac Re n Ac Re S1 C 5 0 1 5 0 1 2 0 1 S2 D 8 0 1 8 0 1 3 0 1 S3 E 13 0 1 13 0 1 5 0 1 S4 G 32 1 2 32 1 2 13 0 2 I H 50 1 2 50 1 2 20 0 2 II K 125 3 4 125 2 3 50 1 4 III L 200 5 6 200 3 4 80 2 5 Látható a táblázatból, hogy a normális és a szigorított vizsgálat azonos elemszámú mintát ír elı, csak az átvételi és visszautasítási határértékek különböznek. Az enyhített ellenırzésnél a mintaelemszám kisebb, és az átvételi határok a normális vizsgálattal összehasonlítva kisebbek, mint azt a mintaelemszámmal arányos csökkentés diktálná. A normális és a szigorított vizsgálatnál a Re visszautasítási szám mindig éppen eggyel nagyobb az Ac=c átvételi számnál. Az átvétel feltétele, hogy D c legyen, az elutasításé, hogy D r. Tehát átvesszük a tételt, ha a hibaszám nem haladja meg Ac értékét, visszautasítjuk, ha a hibaszám legalább Re. Ha Re Ac=1, tehát a visszautasítási határ csak eggyel nagyobb az átvételinél, nem fordulhat elı, hogy a selejtszám vagy hibaszám Ac-nél nagyobb, de Re értékét nem éri el, tehát nem tudnánk dönteni. Az enyhített vizsgálatnál Re és Ac között 1-nél nagyobb a különbség (a G kulcsjeltıl kezdve). Ha a hibaszám a két határ közé esik, nem dönthetünk sem a tétel átvételérıl, sem visszautasításáról, hanem át kell térni a normális ellenırzésre. 275

10.2.2. Áttérési szabályok a különbözı szigorúsági fokozatok között Az átvételt hacsak kifejezetten más nincs elıírva a normális ellenırzési móddal kell kezdeni, és mindaddig azt kell alkalmazni, amíg az átvételi szabványokban meghatározott áttérési szabályok szerint nem merül fel a szigorított ellenırzés szükségessége vagy az enyhített ellenırzés lehetısége. Az áttérési szabályok a következık, a rendszert a 10-6. ábra mutatja be. 1. Áttérés a normális ellenırzésrıl a szigorítottra: A normális ellenırzésrıl át kell térni a szigorítottra, ha a normális ellenırzés alkalmazása során egymás után következı öt tételbıl kettıt visszautasítunk. (Az ismételten ellenırzésre kerülı tételeket figyelmen kívül kell hagyni!) Enyhített ellenırzés Az alábbi feltételek együttes teljesülésekor: - A normális ellenırzés során az utolsó tíz egymást követı tételt elfogadtuk. - A normális ellenırzés során az utolsó tíz egymást követı tételbıl vett minta hibás elemeinek összege nem haladja meg a határértéket. (Méréses átvételi ellenırzésnél nincs értelmezve!). - Az ellenırzött termék elıállítási folyamata szabályozott, stabil. Bármelyik feltétel teljesülése esetén: - Az enyhített vizsgálat során tételt utasítottunk vissza. - Ha többlépcsıs enyhített vizsgálat során a tételt nem az elsı lépcsıben fogadtuk el. (Méréses átvételi ellenırzésnél nincs értelmezve!). - Az ellenırzött termék elıállítási folyamata szabályozatlanná, instabillá vált. Normális ellenırzés START A szigorított ellenırzés során 5 egymást követı tételt elfogadtunk. A normális ellenırzés során 5 egymást követı tételbıl 2-t visszautasítottunk. Szigorított ellenırzés A szállító javítja a termék minıségét. 5 egymás után szigorított vizsgálattal ellenırzött tétel nem felel meg. Az átvétel megszüntetése 10-6. ábra. Az áttérési szabályok rendszere (Papp L., Róth P., Németh L., 1992) 276

2. Az ellenırzés (átvétel) megszüntetése: Ha öt egymás után szigorított vizsgálattal ellenırzött tétel nem felel meg, akkor az ellenırzést meg kell szüntetni és intézkedést kell kezdeményezni az ellenırzésre kerülı termék minıségének javítására. 3. Áttérés a szigorított ellenırzésrıl a normálisra: A szigorított ellenırzésrıl át lehet térni a normálisra, ha a szigorított ellenırzés alkalmazása során öt egymás után következı tételt elfogadtunk. 4. Áttérés a normális ellenırzésrıl az enyhítettre: A normális ellenırzésrıl az enyhítettre áttérni az alábbi feltételek együttes teljesülése esetén lehetséges: a) A normális ellenırzés során az utolsó tíz egymást követı tételt elfogadtuk. b) A normális ellenırzés során az utolsó tíz egymást követı tételbıl vett mintákban a hibás termékeinek összessége nem haladja meg a szabványban található határértéket. (Méréses átvételi ellenırzésnél nincs értelmezve!). c) Az ellenırzött termék elıállítási folyamata szabályozott, stabil. 5. Áttérés az enyhített ellenırzésrıl a normálisra: a) Az enyhített vizsgálat során tételt utasítottunk vissza. b) Ha többlépcsıs enyhített vizsgálat során a tételt nem az elsı lépcsıben fogadtuk el. (Méréses átvételi ellenırzésnél nincs értelmezve!). c) Az ellenırzött termék elıállítási folyamata szabályozatlanná, instabillá vált. 10-3. példa Egy 1500 darabos dobozos virsli tételt beltartalmi érték alapján minısítünk (Papp L., Róth P., Németh L., 1992). A minısítéses átvételi ellenırzési terv paraméterei a következık: MSZ KGST 548 (ISO 2859-1, MIL-STD-105D) (az alkalmazott szabvány jele), N (normális), II (ellenırzési fokozat), e (egylépcsıs), AQL = 1.0% (névleges hibaszázalék). 1. lépés: A tétel darabszáma (N = 1500) és az ellenırzési fokozat (II) alapján a kulcsjeltáblázatból (függelék VI/1. táblázata) kikeressük a tervhez tartozó kulcsjelet: K. 277

2. lépés: Az egylépcsıs mintavétel, normális ellenırzés táblázatából (függelék VI/2. táblázata) a kulcsjelhez (K) kikeressük a mintaelemszámot, az elfogadási (Ac), illetve a visszautasítási (Re) határok értékét. A keresés eredménye: kulcsjel: K; mintaelemszám: n=125; átvételi határ: Ac=3; visszautasítási határ: Re=4. 3. lépés: A mintavételi terv alapján kivett mintaelemek vizsgálata. A 125 elemő mintában D=2 hibás darabot találtunk. 4. lépés: Döntés a tétel elfogadásáról vagy visszautasításáról. Mivel a 125 elemő mintában 2 darab nem megfelelı mintaelemet találtunk ( D Ac ), a tételt átvesszük. 10.3. Javító ellenırzés, átlagos kimenı hibaszint Képzeljük el a következı átvételi ellenırzési eljárást! Legyen egy N elemő p selejtarányú tételünk, ebbôl n elemő mintát veszünk. A minta selejtszáma alapján döntünk a tétel átvételérıl vagy visszautasításáról. Az átvétel valószínősége P a. A szállítmányokra sürgısen szükségünk van a gyártáshoz, ezért ha az n elemő mintában a selejtszám nem haladja meg az átvételi határt, a mintában a talált hibás elemeket hibátlanra cseréljük (vagy megjavítjuk), és a mintát, amely ettıl kezdve n jó elembıl áll, visszatesszük a tételbe. A mintába bele nem került, és így meg nem talált selejtes elemek a tételben így benne maradnak. Ha a mintában a selejtszám eléri a visszautasítási határt, a tételt visszautasítjuk. A visszautasított tételeket 100%-os átvizsgálásnak vetjük alá, melynek során minden hibás elemet hibátlanra cserélünk. Így a tétel valamennyi (N) eleme hibátlan lesz, a selejtes elemek száma zérus. Ennek valószínősége a tétel visszautasítási valószínősége ( 1 P a ). A vett n elemő mintában (mivel a hibás elemeket kicseréltük) n hibátlan elem lesz. Ha a tételt átvesszük (ennek valószínősége P a ), a többi N-n elem közül átlagosan p( N n) lesz hibás. Elegendıen nagy számú (m) tétel ellenırzése után az átvett tételek száma P a m, a 100%-osan átvizsgált (tehát elıször visszautasított) és hibátlanná tett 1 P m. A selejtes (hibás) elemek átlagos aránya: tételek száma ( ) 278 a ( ) + ( 1 ) 0 ( ) a a a AOQ = P mp N n P m mn P p N n =. N Ez a kimenı tételek átlagos hibaszintje (AOQ: average outgoing quality), amely nyilvánvalóan p-nél, a tétel eredeti selejtarányánál alacsonyabb lesz.

279

10-4. példa Számítsuk ki az átlagos kimenı hibaszintet a 9-1. és 9-2. példa szerinti ellenırzésnél (N=1000, n=80, c=2, p=0.01)! AOQ P p N n a = N ahol ( ) ( ) 0. 9534 0. 01 ( 1000 80) = Pa = P D 2 = 0. 9534. 1000 = 0. 00877, Ha a minta elemszáma elhanyagolható a tételéhez képest (N>>n), a képlet egyszerősödik: AOQ = P a p. Megjegyezzük, hogy AOQ nem egyetlen tétel kimenı hibaszintje, hanem sok tétel átlagában értendı. Vizsgáljuk meg, hogyan változik az AQL az átlagos kimenı hibaszint a p selejtaránnyal (10-7. ábra)! AOQ 0.018 0.016 0.014 0.012 0.010 0.008 0.006 0.004 0.002 0.000 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 p 10-7. ábra. AOQ (átlagos kimenı hibaszint) a tétel selejtaránya függvényében, a 10-4. példában Látható az ábrából, hogy ha p nagyon kicsi (a tétel nagyon jó minıségő), AQL is jó; ha p nagyon nagy (a bemenı minıség rossz), AQL akkor is jó (mert a tételt visszautasítják és átválogatják). A két szélsı p selejtarány között AQL-nek maximuma van. Ezt a maximális értéket jelölik AOQL-lel, és bármilyen p esetére természetesen érvényes, hogy AOQ AOQL. Esetünkben AOQL 0.0157. 280

Ez a korlát a tételek átlagos kimenı hibaszintjére vonatkozik, vagyis sok tétel átlagára, és nem jelenti azt, hogy egy-egy tétel kimenı hibaszintje nem haladhatja meg AOQL értékét. 10.4. Kétlépcsıs ellenırzés Az egylépcsıs ellenırzésnél elıfordulhat, hogy az elıírásoktól (a nullhipotézis szerinti selejtaránytól) olyan mértékő az eltérés, hogy már a terv szerintinél jóval kisebb elemszámú minta alapján is döntést lehetne hozni. Ezért dolgozták ki a két- és többlépcsıs ellenırzési terveket. Ha az elsı, az egylépcsıs ellenırzésnél használtnál kisebb minta alapján dönthetünk, megtesszük, és megtakarítjuk a második minta vételét és vizsgálatát. Ha az elsı minta információtartalma nem elegendı a döntéshez, második mintát is veszünk, és a kettı együttese alapján hozunk döntést. 10.4.1. A kétlépcsıs mintavételi terv A kétlépcsıs mintavételi terv paraméterei: n 1, az elsı minta elemszáma; c 1, (Ac 1 ) az elsı minta elfogadási határa (átvételi száma); r 1, (Re 1 ) az elsı minta elutasítási határa (visszautasítási száma); n 2, a második minta elemszáma; c 2, (Ac 2 ) a második minta elfogadási határa (átvételi száma); r 2, (Re 2 ) a második minta elutasítási határa (utasítási száma); A mintavétel eredményei: D 1, az elsı mintában talált selejtes elemek száma; D 2, a második mintában talált selejtes elemek száma. Ha D1 c1, átvesszük a tételt már az elsı minta alapján. Ha D1 r1, visszautasítjuk a tételt az elsı minta alapján. Ha c1 < D1 < r1, folytatjuk az elemzést a második mintával. Amennyiben a két mintában az együttes selejtszám eléri vagy meghaladja a másik kritikus értéket, vagyis D1 + D2 r2, visszautasítjuk a tételt, ha nem, átvesszük. Egyszerőbb esetben lehet r 1 =r 2 =c 2 +1. A második minta r 2 visszautasítási határa szigorított és normális ellenırzés esetén c 2 +1, enyhített ellenırzésnél lehet ennél nagyobb. Az enyhített ellenırzésnél ezért elıfordulhat, hogy az elsı és második mintabeli összes hibaszám c 2 és r 2 közé esik, vagyis se átvenni, se visszautasítani nem tudjuk a tételt, hanem át kell térnünk az enyhítettrıl a normális ellenırzésre. Az algoritmust a 10-8. ábra mutatja. 281

n 1 D 1 Ac 1 Igen Átvesszük Nem D 1 Re 1 Igen Visszautasítjuk Nem n 2 D 1 +D 2 Re 2 Igen Visszautasítjuk, ill. áttérünk az enyhítettrõl a normális ellenõrzésre Nem Átvesszük 10-8. ábra. A kétlépcsıs mintavételi eljárás algoritmusa 282

A kétlépcsıs mintavételi terv elınye, hogy szerencsés esetben az elvégzendı vizsgálatok száma kisebb, tehát az ellenırzés költsége alacsonyabb, mint az egylépcsıs eljárásnál volna. Természetesen a két módszert azon az alapon kell összehasonlítani, hogy azonos statisztikai biztonságú következtetéshez melyik igényel kevesebb ellenırzést. 10-5. példa Legyen a kétlépcsıs mintavételi terv szerint az elsı minta 80, a második is 80 elemő, legyen c 1 =1, r 1 =c 2 =4. Az elsı 80 elemő mintában 2 selejtes elemet találtunk. Mivel 1 < 2 < 4 ( c1 < D1 < r1 ), a második, 80 elemő mintára is szükség van, ebben 1 újabb selejteset találunk, összesen tehát 3 volt hibás. Lévén, hogy 3 nem nagyobb, mint a c 2 határ, átvesszük a tételt. 10.4.2. Mőködési jelleggörbe A kétlépcsıs ellenırzés mőködési jelleggörbéje a tétel elfogadási valószínőségét mutatja a p tételbeli valóságos selejt- ill. hiba-arány függvényében. E valószínőség kifejezése: c1 r1 1 r 2 i I II Pa = Pa + Pa = Pn ( i) + Pn ( i) Pn ( j), 1 1 2 i= 0 i= c+ 11 j= 0 ahol I P a II P a annak valószínősége, hogy a tételt az elsı minta alapján átvesszük; annak valószínősége, hogy a második minta vétele után, tehát a két mintából együtt hozunk pozitív döntést; Pn 1 ( i) a valószínősége, hogy az n 1 elemő elsı mintában i selejteset találunk. 10-6. példa Számítsuk ki annak valószínőségét, hogy a 10-5. példa szerinti kétlépcsıs eljárásnál (n 1 =n 2 =80, c 1 =1, r 1 =c 2 =4) már az elsı 80 elemő minta alapján pozitív döntést hozhatunk, ha p 0 =0.01! A számításokhoz szükség lesz a binomiális eloszlás bizonyos sőrőség- és eloszlásfüggvény-értékeire, ezeket a 9-1. táblázatban már kiszámítottuk. Akkor hozunk az elsı 80 elemő minta alapján pozitív döntést, ha D itt D 1 1. Ennek valószínősége: ( ) ( ) ( ) I P = P D = 0 + P D = 1 = F 1 = 08091.. a 1 1 c, vagyis 1 1 283