指定非正态 Capability Sixpack 的估计方法

统计 > 质量工具 > Capability Sixpack > 非正态 > 估计

估计分布参数

您可以让 Minitab 估计用于能力分析的非正态分布的参数,或者选择输入如下部分或全部参数。

  • 估计分布参数:选择根据样本数据估计分布参数。Minitab 将估计您未指定的以下任何参数。
    设置形状
    输入形状或尺度参数,具体取决于所选的分布类型。形状参数将影响分布的形状,如偏度。
    设置阈值
    如果您选择了 3 参数分布,则输入阈值参数。阈值参数可设置数据分布的最低位置。
    注意

    有关分布的形状、尺度或阈值的更多信息,请转到非正态 Capability Sixpack 的能力统计量,然后单击希望详细了解的参数。

  • 使用历史估计值:选择此项可指定参数的历史估计值。使用显示的参数顺序输入常量或列。列中的常量数或行数必须等于分布中参数的数量。

为控制图估计子组内标准差的方法

1 < 子组大小 ≤ 8
选择用于在子组大小介于 1-8 时估计子组内标准差的方法。
  • RbarRbar 是子组极差的平均值。此方法是对标准差的公共估计值,并在子组大小为 2-8 时效果最好。
  • SbarSbar 是子组标准差的均值。此方法可提供比 Rbar 更精确的标准差估计值,尤其是子组大小 > 8 时。
  • 合并标准差合并标准差是子组的差异的加权平均值,可为较大子组提供对整体估计的更大影响。当过程处于受控状态时,此方法可提供最精确的标准差估计。
子组大小 > 8
选择用于在子组大小大于 8 时估计子组内标准差的方法。
  • SbarSbar 是子组标准差的均值。此方法可提供比 Rbar 更精确的标准差估计值,尤其是子组大小 > 8 时。
  • 合并标准差合并标准差是子组的差异的加权平均值,可为较大子组提供对整体估计的更大影响。当过程处于受控状态时,此方法可提供最精确的标准差估计。
子组大小 = 1
选择当您具有单独的观测值时用于估计子组内标准差的方法。 当子组大小为 1 时,无法计算子组内的样本标准差或极差。Minitab 会转而使用移动极差来估计标准差。
  • 移动极差均值移动极差平均值是两个或更多个连续点的移动极差的平均值。这种方法通常用于子组大小为 1 的情况。
  • 移动极差中位数移动极差中位数是两个或更多个连续点的移动极差的中间值。当数据具有可能会影响移动极差的极端极差时,使用这种方法可得到最好的结果。

使用无偏常量

在估计组内标准差时使用无偏常量。此选项适用于 Sbar、合并标准差及 MSSD 方法。

无偏常量可减小在从少量观测值估计参数时可能发生的偏倚。随着观测值数量增加,无偏常量对计算结果的影响变小。通常,是否选择无偏常量取决于公司策略或行业标准。

使用长度的移动极差

输入用于计算移动极差的观测值个数。长度必须 ≤ 100。默认长度为 2,因为相邻值相似的可能性最大。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策