Selecionar uma distribuição adequada é um passo inicial essencial na realização de análises de capacidade. Se a distribuição escolhida não se ajustar bem aos dados, as estimativas de capacidade serão imprecisas.
Muito frequentemente, é melhor usar o conhecimento de engenharia e o histórico do seu processo para identificar uma distribuição que se ajusta aos dados do seu processo. Por exemplo, os dados seguem uma distribuição simétrica? Que distribuição funcionou no passado para situações similares?
Algumas vezes pode ser difícil determinar a melhor distribuição com base no gráfico de probabilidade e nas medições de qualidade do ajuste. Use a Tabela de Percentis de Identificação de distribuição individual para diversas distribuições selecionadas para ver como suas conclusões mudam dependendo da distribuição escolhida.
Se várias distribuições fornecerem um ajuste adequado para os dados e conclusões similares, então provavelmente tanto faz a distribuição escolhida. Por outro lado, se as conclusões forem diferentes dependendo da distribuição que você escolher, pode ser interessante usar a conclusão mais conservadora ou coletar mais informações.
Use Identificação de distribuição individual antes de realizar uma análise de capacidade para determinar qual distribuição ou transformação é a mais apropriada para seus dados.
Por exemplo, um engenheiro coleta dados sobre a extensão do empenamento em telhas cerâmicas. A distribuição dos dados é desconhecida, portanto, ela realiza Identificação de distribuição individual nos dados para comparar qualidade do ajuste entre a distribuição exponencial e a distribuição normal após uma transformação de Johnson.
Este gráfico de probabilidades indica que a distribuição exponencial não é um bom ajuste; o valor-p é baixo o bastante para rejeitar a hipótese nula de que os dados seguem uma distribuição exponencial.
Contudo, depois de aplicar uma transformação de Johnson, os dados seguem de perto uma distribuição normal porque o valor-p é grande, e quase todos os pontos de dados se encaixam dentro dos limites de confiança do gráfico de probabilidade normal.