Angeben einer Transformation für Capability Sixpack (normal)

Statistik > Qualitätswerkzeuge > Capability Sixpack > Normal > Transformieren
Sie können Ihre Daten so transformieren, dass sie einer Normalverteilung folgen und somit die Annahmen für die Analyse erfüllen.
  • Keine Transformation: Führen Sie keine Transformation aus, wenn Ihre Daten bereits einer Normalverteilung folgen. Wenn Sie die Verteilung Ihrer Daten ermitteln oder feststellen möchten, ob eine Transformation von nicht normalverteilten Daten wirksam sein wird, verwenden Sie Identifikation der Verteilung.
  • Box-Cox-Potenztransformation (W = Y^λ): Verwenden Sie die Box-Cox-Transformation, wenn die nicht normalverteilten Daten durchgehend positiv (> 0) sind und Schätzwerte der (potenziellen) Prozessfähigkeit innerhalb der Teilgruppen und der Gesamtprozessfähigkeit berechnet werden sollen. Die Box-Cox-Transformation ist eine einfache, leicht verständliche Transformation.
    Wählen Sie den Lambda-Wert (λ) aus, mit dem Minitab die Daten transformieren soll.
    • Optimales λ verwenden: Es wird der optimale Lambda-Wert verwendet, der die am besten geeignete Transformation ergeben sollte. Minitab rundet den optimalen Lambda-Wert auf 0,5 oder die nächste ganze Zahl.
      Hinweis

      Wenn Sie anstelle eines gerundeten Werts für das optimale λ einen genauen Wert verwenden möchten, wählen Sie Extras > Optionen > Regelkarten und Qualitätswerkzeuge > Weitere aus, und deaktivieren Sie die Option Möglichst gerundete Werte für Box-Cox-Transformationen verwenden.

    • λ = 0 (ln): Es wird der natürliche Logarithmus der Daten verwendet.
    • λ = 0,5 (Quadratwurzel): Es wird die Quadratwurzel der Daten verwendet.
    • Anderer Wert (zwischen -5 und 5): Es wird ein angegebener Wert für Lambda verwendet. Weitere gängige Transformationen sind die Quadrattransformation (λ = 2), die Transformation mit der inversen Quadratwurzel (λ = −0,5) und die inverse Transformation (λ = −1). In den meisten Fällen sollte kein Wert außerhalb des Bereichs von −2 bis 2 verwendet werden.
  • Johnson-Transformation (nur für Gesamtanalyse): Verwenden Sie die Johnson-Transformation, wenn die nicht normalverteilten Daten negative Werte (oder 0) enthalten oder die Box-Cox-Transformation nicht wirksam ist. Die Johnson-Transformationsfunktion ist komplizierter als das Box-Cox-Verfahren, bestimmt aber häufig eine geeignete Transformation.
    p-Wert zur Auswahl der besten Anpassung

    Geben Sie einen Wert zwischen 0 und 1 ein. Der eingegebene Wert legt das Signifikanzniveau für einen Test auf Normalverteilung der Daten vor und nach der Transformation fest. Ein höherer Wert führt zu strikteren Kriterien für das Vorliegen einer Normalverteilung. Ein niedrigerer Wert lockert die Kriterien für das Vorliegen einer Normalverteilung.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien