指定用于估计 正态 Capability Sixpack 的标准差的方法

子组大小 > 1

当您在每个子组内具有多个观测值时，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。

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。

• 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。

• 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。

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，是否选择使用无偏常量取决于公司策略或行业标准。

• 子组内：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。
• 整体（仅能力统计量）：在估计能力统计量的整体标准差时使用无偏常量。

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。