解释 公差区间(正态分布) 的主要结果

请完成以下步骤来解释公差区间。

步骤 1:评估数据的正态性

Minitab 为正态方法和非参数方法提供公差区间。您可以安全地假设数据服从正态分布,然后可以使用正态方法公差区间。如果您无法安全地假设数据服从正态,则必须使用非参数方法公差区间。

要确定能否假设数据服从正态分布,请比较正态性检验的 p 值与显著性水平 (α)。显著性水平 0.05 指示当数据实际上服从正态分布时,判定数据不服从正态分布的风险为 5%。

P 值 ≤ α:数据不服从正态分布(否定 H0
如果 p 值小于或等于显著性水平,则可以得出数据不服从正态分布的结论。在这种情况下,必须使用非参数方法公差区间。
P 值 > α:证据不足,无法得出数据不服从正态分布的结论(无法否定 H0
如果 p 值大于显著性水平,则证据不足,无法得出数据不服从正态分布的结论。在这种情况下,可以使用正态方法公差区间。
主要结果:P 值

在这些结果中,p 值为 0.340,大于显著性水平 0.05。由于您可以假设数据服从正态分布,因此可以使用正态方法公差区间。

步骤 2:检查相应方法的公差区间

Minitab 为正态方法和非参数方法提供公差区间。您可以创建双侧公差区间,也可以创建提供上限或下限的单侧公差区间。
双侧
使用双侧区间可以确定包含一定百分比总体测量值的区间。
方法 置信水平 98% 区间中总体的百分比 99%
98% 公差区间 取得的 变量 正态方法 非参数方法 置信度 C1 (-9.604, 10.813) (-9.300, 10.700) 91.0% 获取的置信水平仅适用于非参数方法。
主要结果:98% 公差区间

在此示例中,使用正态方法,可以 98% 地确信,在所有测量值中,至少有 99% 的测量值位于目标值的 –9.604 和 10.813 之间。如果您无法假设数据服从正态分布,请使用非参数方法公差区间 (–9.300, 10.700)。对于非参数方法,取得的置信度为 91.0%,它小于目标值 98%、

上限
使用上限可以确定一个区间,该区间指示一定百分比的总体测量值不大于上限。
方法 置信水平 95% 区间中总体的百分比 95%
95% 公差上限 取得的 变量 正态方法 非参数方法 置信度 C1 9.043 12.000 95.1% 获取的置信水平仅适用于非参数方法。
主要结果:95% 公差上限

在此示例中,正态上限为 9.043,因此您可以 95% 地确信,95% 的产品的测量值为 9.043 或更小。如果您无法假设数据服从正态分布,请使用非参数上限 12.000。对于非参数方法,取得的置信度为 95.1%,接近目标值 95%。

下限
使用下限可以确定一个区间,该区间指示一定百分比的总体测量值不小于下限。
方法 置信水平 95% 区间中总体的百分比 95%
95% 公差下限 取得的 变量 正态方法 非参数方法 置信度 小时数 1085.947 1070.700 96.3% 获取的置信水平仅适用于非参数方法。
主要结果:95% 公差下限

在此示例中,正态下限是 1085.947,因此您可以 95% 地确信,至少有 95% 的产品的测量值为 1085.947 或更大。如果您无法假设数据服从正态分布,请使用非参数下限 1070.700。对于非参数方法,取得的置信度为 96.3%,它大于目标值 95%。

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