用于 正态能力分析 中的方法和公式

估计标准差

正态能力分析估计子组内标准差和整体标准差。

子组内标准差

用于估计 σwithin 的方法取决于子组大小。

当子组大小 > 1 时,Minitab 将使用下列方法之一估计 σ组内
  • 合并标准差:

    其中:

    注意

    如果更改了默认方法,并且选择不使用无偏常量,将根据 Sp 估计 σ组内

    说明
    dSp 的自由度 = Σ (ni- 1)
    Xij 第 i 个子组中的第 j 个观测值
    i第 i 个子组的均值
    ni第 i 个子组中的观测值个数
    C4(d+1)无偏常量
    Γ(·)Gamma 函数
  • 子组极差平均值 (Rbar):

    其中:

    如果 n 都相同:

    说明
    ri第 i 个子组的极差
    d2 (ni) 从表中读取的无偏常量(有关更多信息,请参见无偏常量 d2()、d3() 和 d4() 部分)
    d3 (ni) 从表中读取的无偏常量(有关更多信息,请参见无偏常量 d2()、d3() 和 d4() 部分)
    ni第 i 个子组中的观测值个数
  • 子组标准差平均值 (Sbar):

    其中:

    注意

    如果更改了默认设置,并且不使用无偏常量,将根据 Σ Si/子组数量估计 σ组内

    说明
    C4(ni)无偏常量(为合并标准差所定义)
    Si子组 i 的标准差
    ni第 i 个子组中的观测值个数
当子组大小 = 1 时,Minitab 将使用下列方法之一估计 σ组内
  • 移动极差平均值:

    其中:

    说明
    Ri第 i 个移动极差
    w在移动极差中使用的观测值个数。默认情况下,w = 2
    d2(w)从表中读取的无偏常量(有关更多信息,请参见无偏常量 d2()、d3() 和 d4() 部分)
  • 移动极差中位数:

    其中:

    说明
    MRi第 i 个移动极差
    MRbar̅MRi 的中位数
    w在移动极差中使用的观测值个数。默认情况下,w = 2
    d4(w)从表中读取的无偏常量(有关更多信息,请参见无偏常量 d2()、d3() 和 d4() 部分)
  • 递差均方和平方根 (MSSD):
    注意

    如果更改默认设置并且不使用无偏常量,则用以下等式估计 σ组内

    说明
    di递差
    C4(ni)无偏常量(为合并标准差所定义)
    C4'(ni)无偏常量 ≈ c4(ni)(有关详细信息,请参见“无偏常量 c4'()”部分)
    N观测值总数
    ni第 i 个子组中的观测值个数

整体标准差

其中:

注意

默认情况下,Minitab 在估计 σ整体 时不使用无偏常量。σ整体 用 S 来估计。如果要使用无偏常量来估计整体标准差,则可以在执行能力分析时更改估计子对话框上的此选项。如果希望 Minitab 在默认情况下始终使用无偏常量,请选择文件 > 选项 > 控制图和质量工具 > 估计标准差,然后选择相应选项。

说明
xij第 i 个子组中的第 j 个观测值
过程均值
ni第 i 个子组中的观测值个数
C4 (N)无偏常量(为合并标准差所定义)
N(或 Σ ni观测值总数

Box-Cox 变换

Box-Cox 变换估计 lambda 值(如下表所示),该值最小化标准式变换的变量的标准偏差。由此生成的变换是 Yλ(当 λ ҂  0 时)及 ln Y(当 λ = 0时)。

Box-Cox 方法通过多种变换类型进行搜索。下表显示了一些常见的变换,其中 Y' 是数据 Y 的变换。

Lambda (λ) 值 变换

Johnson 变换的算法

Johnson 变换将选择三种分布系列中最优的一种系列来变换数据,使数据服从正态分布。

Johnson 系列 变换函数 极差
SB γ + η ln [(x – ε) / (λ + ε – x)] η,λ > 0,–∞ < γ < ∞,–∞ < ε < ∞,ε < x < ε + λ
SL γ + η ln (x – ε) η > 0,–∞ < γ < ∞,–∞ < ε < ∞,ε < x
SU γ + η Sinh–1 [(x – ε) / λ],其中

Sinh–1(x) = ln [x + sqrt (1 + x2)]

η,λ > 0,–∞ < γ < ∞,–∞ < ε < ∞,–∞ < x < ∞

该算法使用以下过程:

  1. 考虑了 Johnson 系统中几乎所有的潜在变换函数。
  2. 使用 Chou 等人描述的方法估计函数中的参数。1
  3. 使用变换函数变换数据。
  4. 计算变换数据的 Anderson-Darling 统计量和对应 p 值。
  5. 选择具有最大 p 值的变换函数,该 p 值大于您在变换对话框中指定的 p 值标准(默认值为 0.10)。否则,将没有适用的变换。

表示法

说明
SB已限定变量的 Johnson 系列分布 (B)
SL使用对数正态变量的 Johnson 系列分布 (L)
SU未限定变量的 Johnson 系列分布 (U)

有关 Johnson 变换的更多信息,请参见 Chou 等人的文献。1 Minitab 将使用 Anderson-Darling 检验替换该文本中使用的 Shapiro-Wilks 检验。

有关概率图、百分位数及其置信区间的信息,请转到个体分布标识中分布的方法和公式

无偏常量 d2()、d3() 和 d4()

d2(N) 是正态总体分布(标准差 = 1)中 N 观测值的预期值。因此,如果 r 是正态分布(标准差 = σ)中 N 观测值的样本的极差,则 E(r) = d2(N)σ

d3(N) 是正态分布(σ = 1)中 N 观测值的极差的标准差。因此,如果 r 是正态分布(标准差= σ)中 N 观测值的样本的极差,则 stdev(r) = d3(N)σ

可使用下表查找给定值 N 的无偏常量(要确定 N 的值,请参考相关统计量的公式。)

对于从 51 到 100 的 N 值,请使用 d2(N) 的以下近似值:
对于从 26 到 100 的 N 值,请使用 d3(N) 和 d4(N) 的以下近似值:
有关这些常量的详细信息,请参阅以下内容:
  • D. J. Wheeler 和 D. S. Chambers(1992 年)。Understanding Statistical Process Control(了解统计过程控制)(第二版),SPC Press, Inc.
  • H. Leon Harter(1960 年)。“Tables of Range and Studentized Range”(极差和学生化极差的表格)。The Annals of Mathematical Statistics(数理统计年鉴),第 31 卷,第 4 期,Institute of Mathematical Statistics,第 1122 到 1147 页。
表 : 1. 值表格
N d2(N) d3(N) d4(N)
2 1.128 0.8525 0.954
3 1.693 0.8884 1.588
4 2.059 0.8798 1.978
5 2.326 0.8641 2.257
6 2.534 0.848 2.472
7 2.704 0.8332 2.645
8 2.847 0.8198 2.791
9 2.97 0.8078 2.915
10 3.078 0.7971 3.024
11 3.173 0.7873 3.121
12 3.258 0.7785 3.207
13 3.336 0.7704 3.285
14 3.407 0.763 3.356
15 3.472 0.7562 3.422
16 3.532 0.7499 3.482
17 3.588 0.7441 3.538
18 3.64 0.7386 3.591
19 3.689 0.7335 3.64
20 3.735 0.7287 3.686
21 3.778 0.7242 3.73
22 3.819 0.7199 3.771
23 3.858 0.7159 3.811
24 3.895 0.7121 3.847
25 3.931 0.7084 3.883
N d2(N)
26 3.964
27 3.997
28 4.027
29 4.057
30 4.086
31 4.113
32 4.139
33 4.165
34 4.189
35 4.213
36 4.236
37 4.259
38 4.28
39 4.301
40 4.322
41 4.341
42 4.361
43 4.379
44 4.398
45 4.415
46 4.433
47 4.45
48 4.466
49 4.482
50 4.498

无偏常量 c4() 和 c5()

c4()

c5()

表示法

说明
Γ()Gamma 函数

无偏常量 c4'()

可使用下表查找无偏常量 c4'() 的值,该常量在用于估计西格玛的 MSSD 方法的平方根的公式中使用。

N c4'(N) N c4'(N) N c4'(N)
2 0.79785 41 0.990797 80 0.995215
3 0.87153 42 0.991013 81 0.995272
4 0.905763 43 0.991218 82 0.995328
5 0.925222 44 0.991415 83 0.995383
6 0.937892 45 0.991602 84 0.995436
7 0.946837 46 0.991782 85 0.995489
8 0.953503 47 0.991953 86 0.995539
9 0.958669 48 0.992118 87 0.995589
10 0.962793 49 0.992276 88 0.995638
11 0.966163 50 0.992427 89 0.995685
12 0.968968 51 0.992573 90 0.995732
13 0.971341 52 0.992713 91 0.995777
14 0.973375 53 0.992848 92 0.995822
15 0.975137 54 0.992978 93 0.995865
16 0.976679 55 0.993103 94 0.995908
17 0.978039 56 0.993224 95 0.995949
18 0.979249 57 0.99334 96 0.99599
19 0.980331 58 0.993452 97 0.996030
20 0.981305 59 0.993561 98 0.996069
21 0.982187 60 0.993666 99 0.996108
22 0.982988 61 0.993767 100 0.996145
23 0.98372 62 0.993866 101 0.996182
24 0.984391 63 0.993961 102 0.996218
25 0.985009 64 0.994053 103 0.996253
26 0.985579 65 0.994142 104 0.996288
27 0.986107 66 0.994229 105 0.996322
28 0.986597 67 0.994313 106 0.996356
29 0.987054 68 0.994395 107 0.996389
30 0.98748 69 0.994474 108 0.996421
31 0.987878 70 0.994551 109 0.996452
32 0.988252 71 0.994626 110 0.996483
33 0.988603 72 0.994699 111 0.996514
34 0.988934 73 0.994769 112 0.996544
35 0.989246 74 0.994838 113 0.996573
36 0.98954 75 0.994905 114 0.996602
37 0.989819 76 0.99497 115 0.996631
38 0.990083 77 0.995034 116 0.996658
39 0.990333 78 0.995096 117 0.996686
40 0.990571 79 0.995156 118 0.996713
N c4'(N) N c4'(N) N c4'(N)
119 0.996739 160 0.997541 201 0.998016
120 0.996765 161 0.997555 202 0.998025
121 0.996791 162 0.99757 203 0.998034
122 0.996816 163 0.997584 204 0.998043
123 0.996841 164 0.997598 205 0.998052
124 0.996865 165 0.997612 206 0.998061
125 0.996889 166 0.997625 207 0.998070
126 0.996913 167 0.997639 208 0.998078
127 0.996936 168 0.997652 209 0.998087
128 0.996959 169 0.997665 210 0.998095
129 0.996982 170 0.997678 211 0.998104
130 0.997004 171 0.997691 212 0.998112
131 0.997026 172 0.997703 213 0.99812
132 0.997047 173 0.997716 214 0.998128
133 0.997069 174 0.997728 215 0.998137
134 0.997089 175 0.997741 216 0.998145
135 0.99711 176 0.997753 217 0.998152
136 0.99713 177 0.997765 218 0.99816
137 0.99715 178 0.997776 219 0.998168
138 0.99717 179 0.997788 220 0.998176
139 0.997189 180 0.9978 221 0.998184
140 0.997209 181 0.997811 222 0.998191
141 0.997227 182 0.997822 223 0.998199
142 0.997246 183 0.997834 224 0.998206
143 0.997264 184 0.997845 225 0.998214
144 0.997282 185 0.997856 226 0.998221
145 0.9973 186 0.997866 227 0.998228
146 0.997318 187 0.997877 228 0.998235
147 0.997335 188 0.997888 229 0.998242
148 0.997352 189 0.997898 230 0.99825
149 0.997369 190 0.997909 231 0.998257
150 0.997386 191 0.997919 232 0.998263
151 0.997402 192 0.997929 233 0.99827
152 0.997419 193 0.997939 234 0.998277
153 0.997435 194 0.997949 235 0.998284
154 0.99745 195 0.997959 236 0.998291
155 0.997466 196 0.997969 237 0.998297
156 0.997481 197 0.997978 238 0.998304
157 0.997497 198 0.997988 239 0.998311
158 0.997512 199 0.997997 240 0.998317
159 0.997526 200 0.998007 241 0.998323
N c4'(N) N c4'(N) N c4'(N)
242 0.99833 283 0.998553 324 0.99872
243 0.998336 284 0.998558 325 0.998723
244 0.998342 285 0.998562 326 0.998727
245 0.998349 286 0.998567 327 0.99873
246 0.998355 287 0.998571 328 0.998734
247 0.998361 288 0.998576 329 0.998737
248 0.998367 289 0.99858 330 0.99874
249 0.998373 290 0.998585 331 0.998744
250 0.998379 291 0.998589 332 0.998747
251 0.998385 292 0.998593 333 0.998751
252 0.998391 293 0.998598 334 0.998754
253 0.998397 294 0.998602 335 0.998757
254 0.998403 295 0.998606 336 0.998761
255 0.998408 296 0.998611 337 0.998764
256 0.998414 297 0.998615 338 0.998767
257 0.99842 298 0.998619 339 0.99877
258 0.998425 299 0.998623 340 0.998774
259 0.998431 300 0.998627 341 0.998777
260 0.998436 301 0.998632 342 0.99878
261 0.998442 302 0.998636 343 0.998783
262 0.998447 303 0.99864 344 0.998786
263 0.998453 304 0.998644 345 0.99879
264 0.998458 305 0.998648 346 0.998793
265 0.998463 306 0.998652 347 0.998796
266 0.998469 307 0.998656 348 0.998799
267 0.998474 308 0.99866 349 0.998802
268 0.998479 309 0.998664 350 0.998805
269 0.998484 310 0.998668 351 0.998808
270 0.998489 311 0.998671 352 0.998811
271 0.998495 312 0.998675 353 0.998814
272 0.9985 313 0.998679 354 0.998817
273 0.998505 314 0.998683 355 0.99882
274 0.99851 315 0.998687 356 0.998823
275 0.998515 316 0.99869 357 0.998826
276 0.998519 317 0.998694 358 0.998829
277 0.998524 318 0.998698 359 0.998832
278 0.998529 319 0.998701 360 0.998835
279 0.998534 320 0.998705 361 0.998837
280 0.998539 321 0.998709 362 0.99884
281 0.998544 322 0.998712 363 0.998843
282 0.998548 323 0.998716 364 0.998846
k c4'(k) k c4'(k) k c4'(k)
365 0.998849 411 0.998963 457 0.999054
366 0.998851 412 0.998965 458 0.999056
367 0.998854 413 0.998967 459 0.999058
368 0.998857 414 0.99897 460 0.999060
369 0.99886 415 0.998972 461 0.999061
370 0.998862 416 0.998974 462 0.999063
371 0.998865 417 0.998976 463 0.999065
372 0.998868 418 0.998978 464 0.999067
373 0.998871 419 0.99898 465 0.999068
374 0.998873 420 0.998982 466 0.999070
375 0.998876 421 0.998985 467 0.999072
376 0.998879 422 0.998987 468 0.999073
377 0.998881 423 0.998989 469 0.999075
378 0.998884 424 0.998991 470 0.999077
379 0.998886 425 0.998993 471 0.999078
380 0.998889 426 0.998995 472 0.999080
381 0.998892 427 0.998997 473 0.999082
382 0.998894 428 0.998999 474 0.999084
383 0.998897 429 0.999001 475 0.999085
384 0.998899 430 0.999003 476 0.999087
385 0.998902 431 0.999005 477 0.999088
386 0.998904 432 0.999007 478 0.999090
387 0.998907 433 0.999009 479 0.999092
388 0.998909 434 0.999011 480 0.999093
389 0.998912 435 0.999013 481 0.999095
390 0.998914 436 0.999015 482 0.999097
391 0.998917 437 0.999017 483 0.999098
392 0.998919 438 0.999019 484 0.9991
393 0.998921 439 0.999021 485 0.999101
394 0.998924 440 0.999023 486 0.999103
395 0.998926 441 0.999025 487 0.999104
396 0.998929 442 0.999027 488 0.999106
397 0.998931 443 0.999028 489 0.999108
398 0.998933 444 0.999030 490 0.999109
399 0.998936 445 0.999032 491 0.999111
400 0.998938 446 0.999034 492 0.999112
401 0.99894 447 0.999036 493 0.999114
402 0.998943 448 0.999038 494 0.999115
403 0.998945 449 0.999040 495 0.999117
404 0.998947 450 0.999042 496 0.999118
405 0.99895 451 0.999043 497 0.99912
406 0.998952 452 0.999045 498 0.999121
407 0.998954 453 0.999047 499 0.999123
408 0.998956 454 0.999049 500 0.999124
409 0.998959 455 0.999051    
410 0.998961 456 0.999052    

Gamma 表格

可使用下表为用于计算基准 Z 值的置信区间的 γN, 1 -α 的值,然后使用第二个公式获取 γN, 1 -α 的精确值。

  1 -α
N 0.800 0.850 0.900 0.950 0.990
5 3.544 4.138 4.961 6.350 9.750
6 3.485 4.078 4.903 6.300 9.636
7 3.443 4.035 4.861 6.260 9.567
8 3.413 4.003 4.829 6.229 9.520
9 3.390 3.979 4.804 6.204 9.484
10 3.372 3.960 4.783 6.183 9.457
12 3.345 3.931 4.753 6.152 9.416
14 3.326 3.911 4.732 6.130 9.387
16 3.312 3.986 4.716 6.113 9.365
18 3.301 3.884 4.703 6.099 9.348
20 3.293 3.875 4.693 6.089 9.335
25 3.278 3.858 4.675 6.069 9.310
30 3.268 3.848 4.664 6.056 9.294
35 3.261 3.840 4.655 6.047 9.282
40 3.255 3.834 4.649 6.040 9.274
50 3.248 3.826 4.640 6.031 9.262
60 3.243 3.821 4.634 6.024 9.253
80 3.237 3.814 4.627 6.016 9.244
100 3.233 3.810 4.623 6.011 9.238
>100 3.219 3.794 4.605 5.991 9.210

当 N 和 1 - a 未在表中列出时,可使用外推法来获取 γN, 1 -α 的值。例如,

  • 对于介于 0.05 和 0.1 的 α 值(即 0.95 > 1 -α > 0.90)且 N = 10,
  • 对于介于 60 和 80 的 N 值且 α = 0.80,
  • 对于介于 0.05 和 0.1 的 α 值以及介于 60 和 80 之间的 N 值,使用第一个公式来计算 γ80, 1 -α 和 γ60, 1 -α 的值
1 Y. Chou、A.M. Polansky 和 R.L. Mason (1998)。“Transforming Nonnormal Data to Normality in Statistical Process Control”(在统计过程控制中将非正态数据变换为正态数据),Journal of Quality Technology(质量技术杂志),第 30 期,4 月,第 133 到 141 页。