个体分布标识的分布百分位数

解释

例如，假设过程的规格下限为 46.2。在这种情况下，当您在分布的下尾评估过程的能力时，最大极差分布会提供稍多的保守结果。如果差值对于应用至关重要，则可以使用最大极值分布来避免对过程能力的过高估计。

解释

使用百分位数的标准误可以确定样本百分位数对每个分布的总体百分位数的估计精确度。

标准误的值越小，表明总体百分位数的估计值越精确。通常，标准差越大，标准误就越大，总体百分位数的估计值越不精确。样本数量越大，标准误就越小，总体百分位数的估计值越精确。

Minitab 使用百分位数的标准误计算置信区间，置信区间是总体百分位数的值范围。

解释

由于数据样本是随机的，因此从过程收集的两个样本不可能生成相同的百分位数估计值。要计算过程百分位数的实际值，您将需要分析由过程生成的所有项数据，而这是不可行的。您可以改为使用置信区间来确定百分位数值的可能范围。

在 95% 置信水平下，您可以 95% 地确信百分位数的实际值包含在置信区间内。也就是说，如果您从过程中收集 100 个随机样本，则可以预计 95 个样本生成的区间中包含百分位数的实际值。

样本数量越大或者数据的变异性越小，置信区间的宽度也往往会降低。如果置信区间较窄，则表示样本估计值可靠且不太可能受到随机抽样引起的变异性的显著影响。如果百分位数的置信区间很宽，则在使用百分位点估计值得出过程结论时一定要格外小心。如果置信区间很宽，您可能希望百分位值的估计值基于置信区间的下限或上限（取二者中为应用生成更保守结果的限值）。