- 子组内变异的估计方法
- 选择用于估计子组内标准差的方法。
- Rbar：Rbar 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。
- Sbar：Sbar 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。
- 子组间变异的估计方法
- 选择用于估计子组间标准差的方法。
- 移动极差平均值：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。
- 相邻差均方的平方根：MSSD 均方递差的平方根是连续点之间均方差的平方根。当您无法合理地假定至少已在类似条件下收集 2 个连续点时，可使用此方法。
- 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。默认情况下将使用跨度 2，因为连续值最有可能彼此相似。跨度必须 ≤ 100。
- 无偏常量
- 您可以选择在计算子组内、子组间和整体标准差时使用无偏常量。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。
- 使用无偏常量：在估计子组间和子组内的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。
- 使用无偏常量计算整体标准差：在估计整体标准差时使用无偏常量。
注意
通常，是否选择使用无偏常量取决于公司策略或行业标准。