Jeder Datenpunkt MRi ist die gleitende Spannweite der x-Werte in jeder Gruppe. MR i wird für i < w nicht dargestellt, da dieser Wert nicht definiert ist.
Begriff | Beschreibung |
---|---|
MR | gleitende Spannweite |
w | Anzahl der Beobachtungen in der gleitenden Spannweite. Standardmäßig ist w = 2. |
Die Mittellinie ist der erwartungstreue Schätzwert des Durchschnitts der gleitenden Spannweiten.
Wenn der durchschnittliche gleitende Bereich zur Schätzung der Standardabweichung verwendet wird, ist die Mittellinie = MR
Wenn der mittlere gleitende Bereich zur Schätzung der Standardabweichung verwendet wird, ist die Mittellinie = d2(w) * MR.
Die UEG ist der größere der folgenden Werte:
oder
Begriff | Beschreibung |
---|---|
d2() | eine Konstante zum Schätzen der Standardabweichung |
w | Anzahl der Beobachtungen in der gleitenden Spannweite. Standardmäßig ist w = 2. |
σ | Standardabweichung des Prozesses |
k | Parameter für Test 1 (Standardwert ist 3) |
d3() | eine Konstante zum Schätzen der UEG und OEG |
Der Mittelwert der gleitenden Spannweite, , mit der Länge w wird mit der folgenden Formel angegeben:
wobei MRi die gleitende Spannweite für Beobachtung i darstellt, die wie folgt berechnet wird:
Minitab verwendet zum Berechnen von Smr, einem erwartungstreuen Schätzwert von σ:
Begriff | Beschreibung |
---|---|
n | Anzahl der Beobachtungen |
w | Länge der gleitenden Spannweite. Der Standardwert ist 2. |
d2() | Wert der Konstanten für erwartungstreue Schätzung d2, der dem in Klammern angegebenen Wert entspricht |
Der Median der gleitenden Spannweite, , mit der Länge w wird mit der folgenden Formel angegeben:
wobei MRi die gleitende Spannweite für Beobachtung i darstellt, die wie folgt berechnet wird:
Minitab verwendet zum Berechnen von Smr, einem erwartungstreuen Schätzwert von σ:
Begriff | Beschreibung |
---|---|
n | Anzahl der Beobachtungen |
w | Länge der gleitenden Spannweite. Der Standardwert ist 2. |
d4() | Wert der Konstanten für erwartungstreue Schätzung d4, der dem in Klammern angegebenen Wert entspricht |
d2(N) ist der erwartete Wert der Spannweite von N Beobachtungen aus einer normalverteilten Grundgesamtheit mit Standardabweichung = 1. Wenn also r die Spannweite einer Stichprobe von N Beobachtungen aus einer Normalverteilung mit Standardabweichung = σ ist, dann ist E(r) = d2(N)σ.
d3(N) ist die Standardabweichung der Spannweite von N Beobachtungen aus einer normalverteilten Grundgesamtheit mit σ = 1. Wenn also r die Spannweite einer Stichprobe von N Beobachtungen aus einer Normalverteilung mit Standardabweichung = σ ist, dann ist StdAbw(r) = d3(N)σ.
Suchen Sie in der folgenden Tabelle eine Konstante für die erwartungstreue Schätzung für einen bestimmten Wert N. (Ziehen Sie zum Bestimmen des Werts von N die Formel für die betreffende Statistik hinzu.)
N | d2(N) | d3(N) | d4(N) |
---|---|---|---|
2 | 1,128 | 0,8525 | 0,954 |
3 | 1,693 | 0,8884 | 1,588 |
4 | 2,059 | 0,8798 | 1,978 |
5 | 2,326 | 0,8641 | 2,257 |
6 | 2,534 | 0,848 | 2,472 |
7 | 2,704 | 0,8332 | 2,645 |
8 | 2,847 | 0,8198 | 2,791 |
9 | 2,970 | 0,8078 | 2,915 |
10 | 3,078 | 0,7971 | 3,024 |
11 | 3,173 | 0,7873 | 3,121 |
12 | 3,258 | 0,7785 | 3,207 |
13 | 3,336 | 0,7704 | 3,285 |
14 | 3,407 | 0,7630 | 3,356 |
15 | 3,472 | 0,7562 | 3,422 |
16 | 3,532 | 0,7499 | 3,482 |
17 | 3,588 | 0,7441 | 3,538 |
18 | 3,640 | 0,7386 | 3,591 |
19 | 3,689 | 0,7335 | 3,640 |
20 | 3,735 | 0,7287 | 3,686 |
21 | 3,778 | 0,7242 | 3,730 |
22 | 3,819 | 0,7199 | 3,771 |
23 | 3,858 | 0,7159 | 3,811 |
24 | 3,895 | 0,7121 | 3,847 |
25 | 3,931 | 0,7084 | 3,883 |
N | d2(N) |
---|---|
26 | 3,964 |
27 | 3,997 |
28 | 4,027 |
29 | 4,057 |
30 | 4,086 |
31 | 4,113 |
32 | 4,139 |
33 | 4,165 |
34 | 4,189 |
35 | 4,213 |
36 | 4,236 |
37 | 4,259 |
38 | 4,280 |
39 | 4,301 |
40 | 4,322 |
41 | 4,341 |
42 | 4,361 |
43 | 4,379 |
44 | 4,398 |
45 | 4,415 |
46 | 4,433 |
47 | 4,450 |
48 | 4,466 |
49 | 4,482 |
50 | 4,498 |
Entnehmen Sie den folgenden Tabellen Werte für die Konstante für die erwartungstreue Schätzung c4'(), die in den Formeln für die Schätzmethode für Sigma auf der Grundlage der Quadratwurzel von MSSD verwendet wird.
N | c4'(N) | N | c4'(N) | N | c4'(N) |
---|---|---|---|---|---|
2 | 0,797850 | 41 | 0,990797 | 80 | 0,995215 |
3 | 0,871530 | 42 | 0,991013 | 81 | 0,995272 |
4 | 0,905763 | 43 | 0,991218 | 82 | 0,995328 |
5 | 0,925222 | 44 | 0,991415 | 83 | 0,995383 |
6 | 0,937892 | 45 | 0,991602 | 84 | 0,995436 |
7 | 0,946837 | 46 | 0,991782 | 85 | 0,995489 |
8 | 0,953503 | 47 | 0,991953 | 86 | 0,995539 |
9 | 0,958669 | 48 | 0,992118 | 87 | 0,995589 |
10 | 0,962793 | 49 | 0,992276 | 88 | 0,995638 |
11 | 0,966163 | 50 | 0,992427 | 89 | 0,995685 |
12 | 0,968968 | 51 | 0,992573 | 90 | 0,995732 |
13 | 0,971341 | 52 | 0,992713 | 91 | 0,995777 |
14 | 0,973375 | 53 | 0,992848 | 92 | 0,995822 |
15 | 0,975137 | 54 | 0,992978 | 93 | 0,995865 |
16 | 0,976679 | 55 | 0,993103 | 94 | 0,995908 |
17 | 0,978039 | 56 | 0,993224 | 95 | 0,995949 |
18 | 0,979249 | 57 | 0,993340 | 96 | 0,995990 |
19 | 0,980331 | 58 | 0,993452 | 97 | 0,996030 |
20 | 0,981305 | 59 | 0,993561 | 98 | 0,996069 |
21 | 0,982187 | 60 | 0,993666 | 99 | 0,996108 |
22 | 0,982988 | 61 | 0,993767 | 100 | 0,996145 |
23 | 0,983720 | 62 | 0,993866 | 101 | 0,996182 |
24 | 0,984391 | 63 | 0,993961 | 102 | 0,996218 |
25 | 0,985009 | 64 | 0,994053 | 103 | 0,996253 |
26 | 0,985579 | 65 | 0,994142 | 104 | 0,996288 |
27 | 0,986107 | 66 | 0,994229 | 105 | 0,996322 |
28 | 0,986597 | 67 | 0,994313 | 106 | 0,996356 |
29 | 0,987054 | 68 | 0,994395 | 107 | 0,996389 |
30 | 0,987480 | 69 | 0,994474 | 108 | 0,996421 |
31 | 0,987878 | 70 | 0,994551 | 109 | 0,996452 |
32 | 0,988252 | 71 | 0,994626 | 110 | 0,996483 |
33 | 0,988603 | 72 | 0,994699 | 111 | 0,996514 |
34 | 0,988934 | 73 | 0,994769 | 112 | 0,996544 |
35 | 0,989246 | 74 | 0,994838 | 113 | 0,996573 |
36 | 0,989540 | 75 | 0,994905 | 114 | 0,996602 |
37 | 0,989819 | 76 | 0,994970 | 115 | 0,996631 |
38 | 0,990083 | 77 | 0,995034 | 116 | 0,996658 |
39 | 0,990333 | 78 | 0,995096 | 117 | 0,996686 |
40 | 0,990571 | 79 | 0,995156 | 118 | 0,996713 |
N | c4'(N) | N | c4'(N) | N | c4'(N) |
---|---|---|---|---|---|
119 | 0,996739 | 160 | 0,997541 | 201 | 0,998016 |
120 | 0,996765 | 161 | 0,997555 | 202 | 0,998025 |
121 | 0,996791 | 162 | 0,997570 | 203 | 0,998034 |
122 | 0,996816 | 163 | 0,997584 | 204 | 0,998043 |
123 | 0,996841 | 164 | 0,997598 | 205 | 0,998052 |
124 | 0,996865 | 165 | 0,997612 | 206 | 0,998061 |
125 | 0,996889 | 166 | 0,997625 | 207 | 0,998070 |
126 | 0,996913 | 167 | 0,997639 | 208 | 0,998078 |
127 | 0,996936 | 168 | 0,997652 | 209 | 0,998087 |
128 | 0,996959 | 169 | 0,997665 | 210 | 0,998095 |
129 | 0,996982 | 170 | 0,997678 | 211 | 0,998104 |
130 | 0,997004 | 171 | 0,997691 | 212 | 0,998112 |
131 | 0,997026 | 172 | 0,997703 | 213 | 0,998120 |
132 | 0,997047 | 173 | 0,997716 | 214 | 0,998128 |
133 | 0,997069 | 174 | 0,997728 | 215 | 0,998137 |
134 | 0,997089 | 175 | 0,997741 | 216 | 0,998145 |
135 | 0,997110 | 176 | 0,997753 | 217 | 0,998152 |
136 | 0,997130 | 177 | 0,997765 | 218 | 0,998160 |
137 | 0,997150 | 178 | 0,997776 | 219 | 0,998168 |
138 | 0,997170 | 179 | 0,997788 | 220 | 0,998176 |
139 | 0,997189 | 180 | 0,997800 | 221 | 0,998184 |
140 | 0,997209 | 181 | 0,997811 | 222 | 0,998191 |
141 | 0,997227 | 182 | 0,997822 | 223 | 0,998199 |
142 | 0,997246 | 183 | 0,997834 | 224 | 0,998206 |
143 | 0,997264 | 184 | 0,997845 | 225 | 0,998214 |
144 | 0,997282 | 185 | 0,997856 | 226 | 0,998221 |
145 | 0,997300 | 186 | 0,997866 | 227 | 0,998228 |
146 | 0,997318 | 187 | 0,997877 | 228 | 0,998235 |
147 | 0,997335 | 188 | 0,997888 | 229 | 0,998242 |
148 | 0,997352 | 189 | 0,997898 | 230 | 0,998250 |
149 | 0,997369 | 190 | 0,997909 | 231 | 0,998257 |
150 | 0,997386 | 191 | 0,997919 | 232 | 0,998263 |
151 | 0,997402 | 192 | 0,997929 | 233 | 0,998270 |
152 | 0,997419 | 193 | 0,997939 | 234 | 0,998277 |
153 | 0,997435 | 194 | 0,997949 | 235 | 0,998284 |
154 | 0,997450 | 195 | 0,997959 | 236 | 0,998291 |
155 | 0,997466 | 196 | 0,997969 | 237 | 0,998297 |
156 | 0,997481 | 197 | 0,997978 | 238 | 0,998304 |
157 | 0,997497 | 198 | 0,997988 | 239 | 0,998311 |
158 | 0,997512 | 199 | 0,997997 | 240 | 0,998317 |
159 | 0,997526 | 200 | 0,998007 | 241 | 0,998323 |
N | c4'(N) | N | c4'(N) | N | c4'(N) |
---|---|---|---|---|---|
242 | 0,998330 | 283 | 0,998553 | 324 | 0,998720 |
243 | 0,998336 | 284 | 0,998558 | 325 | 0,998723 |
244 | 0,998342 | 285 | 0,998562 | 326 | 0,998727 |
245 | 0,998349 | 286 | 0,998567 | 327 | 0,998730 |
246 | 0,998355 | 287 | 0,998571 | 328 | 0,998734 |
247 | 0,998361 | 288 | 0,998576 | 329 | 0,998737 |
248 | 0,998367 | 289 | 0,998580 | 330 | 0,998740 |
249 | 0,998373 | 290 | 0,998585 | 331 | 0,998744 |
250 | 0,998379 | 291 | 0,998589 | 332 | 0,998747 |
251 | 0,998385 | 292 | 0,998593 | 333 | 0,998751 |
252 | 0,998391 | 293 | 0,998598 | 334 | 0,998754 |
253 | 0,998397 | 294 | 0,998602 | 335 | 0,998757 |
254 | 0,998403 | 295 | 0,998606 | 336 | 0,998761 |
255 | 0,998408 | 296 | 0,998611 | 337 | 0,998764 |
256 | 0,998414 | 297 | 0,998615 | 338 | 0,998767 |
257 | 0,998420 | 298 | 0,998619 | 339 | 0,998770 |
258 | 0,998425 | 299 | 0,998623 | 340 | 0,998774 |
259 | 0,998431 | 300 | 0,998627 | 341 | 0,998777 |
260 | 0,998436 | 301 | 0,998632 | 342 | 0,998780 |
261 | 0,998442 | 302 | 0,998636 | 343 | 0,998783 |
262 | 0,998447 | 303 | 0,998640 | 344 | 0,998786 |
263 | 0,998453 | 304 | 0,998644 | 345 | 0,998790 |
264 | 0,998458 | 305 | 0,998648 | 346 | 0,998793 |
265 | 0,998463 | 306 | 0,998652 | 347 | 0,998796 |
266 | 0,998469 | 307 | 0,998656 | 348 | 0,998799 |
267 | 0,998474 | 308 | 0,998660 | 349 | 0,998802 |
268 | 0,998479 | 309 | 0,998664 | 350 | 0,998805 |
269 | 0,998484 | 310 | 0,998668 | 351 | 0,998808 |
270 | 0,998489 | 311 | 0,998671 | 352 | 0,998811 |
271 | 0,998495 | 312 | 0,998675 | 353 | 0,998814 |
272 | 0,998500 | 313 | 0,998679 | 354 | 0,998817 |
273 | 0,998505 | 314 | 0,998683 | 355 | 0,998820 |
274 | 0,99851 | 315 | 0,998687 | 356 | 0,998823 |
275 | 0,998515 | 316 | 0,998690 | 357 | 0,998826 |
276 | 0,998519 | 317 | 0,998694 | 358 | 0,998829 |
277 | 0,998524 | 318 | 0,998698 | 359 | 0,998832 |
278 | 0,998529 | 319 | 0,998701 | 360 | 0,998835 |
279 | 0,998534 | 320 | 0,998705 | 361 | 0,998837 |
280 | 0,998539 | 321 | 0,998709 | 362 | 0,998840 |
281 | 0,998544 | 322 | 0,998712 | 363 | 0,998843 |
282 | 0,998548 | 323 | 0,998716 | 364 | 0,998846 |
k | c4'(k) | k | c4'(k) | k | c4'(k) |
---|---|---|---|---|---|
365 | 0,998849 | 411 | 0,998963 | 457 | 0,999054 |
366 | 0,998851 | 412 | 0,998965 | 458 | 0,999056 |
367 | 0,998854 | 413 | 0,998967 | 459 | 0,999058 |
368 | 0,998857 | 414 | 0,998970 | 460 | 0,999060 |
369 | 0,998860 | 415 | 0,998972 | 461 | 0,999061 |
370 | 0,998862 | 416 | 0,998974 | 462 | 0,999063 |
371 | 0,998865 | 417 | 0,998976 | 463 | 0,999065 |
372 | 0,998868 | 418 | 0,998978 | 464 | 0,999067 |
373 | 0,998871 | 419 | 0,998980 | 465 | 0,999068 |
374 | 0,998873 | 420 | 0,998982 | 466 | 0,999070 |
375 | 0,998876 | 421 | 0,998985 | 467 | 0,999072 |
376 | 0,998879 | 422 | 0,998987 | 468 | 0,999073 |
377 | 0,998881 | 423 | 0,998989 | 469 | 0,999075 |
378 | 0,998884 | 424 | 0,998991 | 470 | 0,999077 |
379 | 0,998886 | 425 | 0,998993 | 471 | 0,999078 |
380 | 0,998889 | 426 | 0,998995 | 472 | 0,999080 |
381 | 0,998892 | 427 | 0,998997 | 473 | 0,999082 |
382 | 0,998894 | 428 | 0,998999 | 474 | 0,999084 |
383 | 0,998897 | 429 | 0,999001 | 475 | 0,999085 |
384 | 0,998899 | 430 | 0,999003 | 476 | 0,999087 |
385 | 0,998902 | 431 | 0,999005 | 477 | 0,999088 |
386 | 0,998904 | 432 | 0,999007 | 478 | 0,999090 |
387 | 0,998907 | 433 | 0,999009 | 479 | 0,999092 |
388 | 0,998909 | 434 | 0,999011 | 480 | 0,999093 |
389 | 0,998912 | 435 | 0,999013 | 481 | 0,999095 |
390 | 0,998914 | 436 | 0,999015 | 482 | 0,999097 |
391 | 0,998917 | 437 | 0,999017 | 483 | 0,999098 |
392 | 0,998919 | 438 | 0,999019 | 484 | 0,999100 |
393 | 0,998921 | 439 | 0,999021 | 485 | 0,999101 |
394 | 0,998924 | 440 | 0,999023 | 486 | 0,999103 |
395 | 0,998926 | 441 | 0,999025 | 487 | 0,999104 |
396 | 0,998929 | 442 | 0,999027 | 488 | 0,999106 |
397 | 0,998931 | 443 | 0,999028 | 489 | 0,999108 |
398 | 0,998933 | 444 | 0,999030 | 490 | 0,999109 |
399 | 0,998936 | 445 | 0,999032 | 491 | 0,999111 |
400 | 0,998938 | 446 | 0,999034 | 492 | 0,999112 |
401 | 0,998940 | 447 | 0,999036 | 493 | 0,999114 |
402 | 0,998943 | 448 | 0,999038 | 494 | 0,999115 |
403 | 0,998945 | 449 | 0,999040 | 495 | 0,999117 |
404 | 0,998947 | 450 | 0,999042 | 496 | 0,999118 |
405 | 0,998950 | 451 | 0,999043 | 497 | 0,999120 |
406 | 0,998952 | 452 | 0,999045 | 498 | 0,999121 |
407 | 0,998954 | 453 | 0,999047 | 499 | 0,999123 |
408 | 0,998956 | 454 | 0,999049 | 500 | 0,999124 |
409 | 0,998959 | 455 | 0,999051 | ||
410 | 0,998961 | 456 | 0,999052 |
Wenn Sie eine Box-Cox-Transformation ausführen, transformiert Minitab die ursprünglichen Datenwerte (Yi) entsprechend der folgenden Formel:
wobei λ den Parameter für die Transformation darstellt. Minitab erstellt dann eine Regelkarte der transformierten Datenwerte (Wi). Weitere Informationen dazu, wie Minitab den optimalen Wert für λ auswählt, finden Sie unter Methoden und Formeln für Box-Cox-Transformation.
λ | Transformation |
---|---|
2 | |
0,5 | |
0 | |
−0,5 | |
−1 |