oc曲线,OC曲线如何使用？

抽样检验的目的，无非是要保证产品的质量。抽检特性曲线（OC曲线）可以表示出一个特定的抽样方案的这种能力。一个好的抽样方案，应该是质量好的批接收概率就高；质量差的批接收概率就应该低。因此，理想的OC曲线应该是一条直线，当P>=P0的时候，应该全部拒收；当p<P0的时候，应该全部允收。
当然这是理想的状态，实际的OC曲线应该尽量和理想OC曲线拟合。批质量愈好接收概率愈高，批质量不好时(p1=LTPD)接收概率愈低，批质量合格时(p0=AQL)高接收概率。
因此，确定了LTPD和AQL，OC曲线就定下来了。OC曲线有以下特点：
OC曲线愈接近理想曲线，抽样方案判批质量好坏的能力愈强；
OC曲线愈陡，抽样方案愈严格；
OC曲线愈平，抽样方案愈松。
样本量n和合格判定数Ac不变时，批量N对OC曲线的变化影响不大；
批量N和合格判定数不变时，样本量n愈大，OC曲线愈陡；
批量N和样本量n不变时，合格判定数Ac愈小，OC曲线愈陡。 再补充一点。OC曲线越是陡，虽然判定能力是越强了，但是相应的n要大，这就增加了抽样成本。所以也要均衡地考虑成本问题。

我来试着解释一下什么是OC曲线.OC曲线是用来评价抽样方案的优劣的抽检特性曲线。。我们知道，抽样方案的接收概率依赖于批质量水平P，但在生产实际中，检验批的不合格品率是未知的，而且对于不同的产品批，批质量水平P不是一个固定的值。因此对于一个抽样方案，接收概率是P的函数，记作L(p)，.如果用横坐标表示自变量P,用纵坐标表示相应的接收概率L(p),则P和L(p)所构成的一系列点子连成的曲线称为抽检特性曲线,即OC曲线.

什么是接受者操作特性曲线（ROC曲线）
在过去的15年中，接受者操作特性（ROC）曲线分析已成为越来越受欢迎在生物医学科学。它在评价医疗诊断测试为连续或有序分类（等级）的结果中起着重要的作用。诊断检查一般可通过测量确定受试者谁可能能够从具体的干预受益。可以诊断通过比较试验结果与一个适当的阈值或临界值0，将其进行分类，说，从而判断是否有疾病。当然，这种二分法导致亏损的信息存在一定的误诊率、漏诊率,对进一步的治疗进行分析；测试的灵敏度的概率，就是那患病的病人患病，有一定的概率被正确的分类。ROC曲线诊断测试是通过绘制的灵敏度与1—特异性的各种临界值，并加入该点的线段（非参数方法）或添加一个平滑的曲线，对应于参数化模型。ROC曲线曲线下的面积通常被视为一个总结指数的性能测试。它可以直观地解释为正确的概率测试结果。
迄今，不同的回归模型，广义线性模型和广义非线性模型都被提出了可以用于ROC曲线分析；他们有一个重要的临床优势，可以纳入变量的信息。他们允许测定的增量价值的诊断测试和上面的信息已纳入变量，参数较多，再进行对比和分层处理，这通常导致小样本大小，因此，会导致模型不准确的估计。回归系数可以通过最大似然估计，或利用广义估计方程（GEE）来获得。
贝叶斯方法可以改善这些因为他们允许进一步纳入事先知识和信仰，例如，定性临床证据或其他研究结果（荟萃分析）。贝叶斯使用概率量化的不确定性因此认为，未知参数是随机的和已知的数据是固定6第一个贝叶斯分析一般回归模型的曲线，即有序回归模型最近才由一些学者发现。他们运用马尔可夫链蒙特卡洛（MC MC方法）采用吉布斯采样和大都市algorithm-to获取样品的边缘后验

1、首先我们打开电脑里的excel软件，在Excel导航栏点选插入，进入插入选项。 2、在图表栏选择折线图。 3、选择数据，添加数据，制作折线图。 4、选择进入“设置数据系列格式”。选择“填充线条”，进入。 5、在“填充线条”下，拉到底部，勾选“平滑曲线”。 6、如果不喜欢数据点，可以同样在“填充线条”选项下选择“标记”，选择“数据 标记选项”。 7、在“数据标记选项”下，选择“无”即可。

根据控制测试的目的和特点所采用的审计抽样通常称为属性抽样，其目的在于估计总体既定控制的偏差率或偏差次数。
变量抽样通常用于账户余额或报表项目的实质性测试，它通过样本审查的结果估算被审总体数额，一般用于应收账款、存货或费用等金额的实质性审查。根据由样本推断总体的方法不同，变量抽样又可分为单位平均数估算法、差额估算法和比率估算法。
恰当地选用变量抽样方法，才能使样本更好地反映总体，使抽查导出正确的审计结论一般来说，在被审总体较接近于正态分布，样本的平均值能较好地代表总体的平均值情况下应选用单位平均数估算法。若发现被审总体中各项目的真实值与其账面值近似于有一定的比例关系，则选用比率估算法更为恰当。而在总体各项目的误差较接近于正态分布，样本的平均差额能较好地反映总体平均差额的情况下，选用差额估算法更为恰当。当然，在审查前可能难以确定总体的特征，审计人员可根据经验作出选择。