정규 Capability Sixpack에 대한 변환 지정

통계분석 > 품질 도구 > Capability Sixpack > 정규 분포 > 변환
데이터를 변환하여 분석에 대한 가정을 충족하도록 정규 분포를 적합시킬 수 있습니다.
  • 변환 없음: 데이터가 이미 정규 분포를 따르는 경우 변환을 사용하지 않습니다. 데이터 분포 또는 데이터가 정규 분포를 따르지 않는 경우 변환이 효과적인지 여부를 확인하려면 개별 분포 식별을 사용하십시오.
  • Box-Cox 누승 변환(W = Y^λ): 비정규 데이터가 모두 양수(> 0)이고 전체 공정 능력뿐만 아니라 부분군 군내 (잠재적) 공정 능력의 추정치도 구하려면 Box-Cox 변환을 사용하십시오. Box-Cox 변환은 간단하고, 이해하기 쉬운 변환입니다.
    Minitab에서 데이터를 변환하기 위해 사용하는 람다(λ) 값을 사용합니다.
    • 최적 λ 사용: 최적의 변환을 산출하는 최적 람다를 사용합니다. Minitab에서는 최적 람다를 0.5 또는 가장 가까운 정수로 반올림합니다.
      참고

      반올림한 최적 λ 값 대신 정확한 값을 사용하려면 도구 > 옵션 > 관리도 및 품질 도구 > 기타을 선택하고 가능할 경우 Box-Cox 변환 시 반올림한 값 사용을 선택 취소합니다.

    • λ = 0(ln): 데이터의 자연 로그를 사용합니다.
    • λ = 0.5(제곱근): 데이터의 제곱근을 사용합니다.
    • 기타(-5와 5 사이의 값 입력): 지정된 람다 값을 사용합니다. 기타 일반적인 변환은 제곱(λ = 2), 역 제곱근(λ = −0.5) 및 역(λ = −1)입니다. 대부분의 경우 -2에서 2의 범위를 벗어나는 값은 사용하지 말아야 합니다.
  • Johnson 변환(전체 산포 분석만): 비정규 데이터에 음수 값(또는 0)이 포함되어 있거나 Box-Cox 변환이 효과적이지 않은 경우 Johnson 변환을 사용하십시오. Johnson 변환 기능은 Box-Cox 변환보다 복잡하지만 적절한 변환을 쉽게 찾는 데 유용합니다.
    최량 적합을 선택하기 위한 P-값

    0과 1 사이의 값을 입력합니다. 입력하는 값에 따라 변환 전과 후 데이터의 정규성 검정에 대한 유의 수준이 정의됩니다. 값이 클수록 정규성에 대한 기준이 더 엄격해집니다. 값이 작을수록 정규성에 대한 기준이 덜 엄격해집니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오