置信水平
由于数据样本存在随机性，因此来自同一总体的两个样本不可能产生相同的公差区间。但是，如果收集很多样本，特定百分比的所取得的公差区间将包含您指定的最小总体比率。
置信水平是公差区间实际包含最小百分比的可能性。例如，工程师想要知道在置信度为 98% 时，99% 的未来产品将落在其中的范围。98% 是公差区间的置信水平。
方法
| 置信水平 | 98% |
|---|---|
| 区间中总体的百分比 | 99% |
注意
可以在“选项”对话框中指定要用于分析的置信水平。Minitab 在“方法”表中显示目标置信水平。默认情况下，置信水平为 95%。对于非参数方法，Minitab 将计算所达到的置信水平。所达到的置信水平是 Minitab 计算的精确置信水平。除非样本太小，否则所达到的置信水平通常大于或等于目标置信水平。
区间中总体的百分比
区间中的总体百分比是要让公差区间包括的最小总体百分比。例如，工程师想要知道在置信度为 98% 时，将包含 99% 未来产品的范围。99% 是公差区间中总体的百分比。
方法
| 置信水平 | 98% |
|---|---|
| 区间中总体的百分比 | 99% |
N
样本数量 (N) 是样本中的观测值总数。在该数据中，样本数量为 400。
统计量
| 变量 | N | 均值 | 标准差 |
|---|---|---|---|
| C1 | 400 | 0.604 | 3.671 |
均值
均值使用单个表示数据中心的值来汇总样本值。均值是按数据的平均值计算的，它等于所有观测值的和除以观测值的个数。
在此数据中，均值为 0.604。
统计量
| 变量 | N | 均值 | 标准差 |
|---|---|---|---|
| C1 | 400 | 0.604 | 3.671 |
标准差
标准差是离差的最常用度量，即数据从均值扩散的程度。
较大标准差表示您的数据围绕均值分布较广，而且将生成更宽的公差区间。较小标准差表示您的数据围绕均值分布较紧密，而且将生成更窄的公差区间。
在此数据中，标准差为 3.671。
统计量
| 变量 | N | 均值 | 标准差 |
|---|---|---|---|
| C1 | 400 | 0.604 | 3.671 |
正态方法
公差区间是产品的特定质量特征值的范围，该区间可能涵盖指定百分比的未来产品产量。如果可以肯定认为样本来自正态分布的总体，则请使用正态方法公差区间。
如果数据服从正态分布，则正态方法比非参数方法更准确和经济。正态方法可让您使用更少的观测值实现更小的边际误差。
正态方法对于严重偏离正态性的情况并不是稳健的方法。如果您不确信父分布或者您知道父分布不是正态分布，请使用非参数方法。
解释
- 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。
- 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。
- 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。
非参数方法
公差区间是产品的特定质量特征值的范围，该区间可能涵盖指定比率的未来产品产量。如果您不能可靠地假设样本来自正态分布总体，则必须使用非参数方法公差区间。
非参数方法仅要求数据为连续数据。但是，非参数方法要求样本达到很大数量，才能保证结果准确性。如果样本数量不够多，则此非参数区间为无信息区间，其范围为从负无穷大到正无穷大。在这种情况下，Minitab 将根据数据范围显示一个有限区间。结果，所取得的置信水平将远远低于目标置信水平。
解释
- 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。
- 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。
- 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。
取得的置信度
对于非参数方法，Minitab 将计算所达到的置信水平。这是从样本中获取的精确置信水平。它通常不会小于目标置信水平，除非您的样本数量太小。
解释
- 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。
- 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。
- 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。
公差区间图
- 直方图：显示样本数据的分布。直方图上的每个条形表示区间内数据的频率。
- 区间图：显示每种方法的公差区间的均值、上限和/或下限。区间末端的垂直线代表区间界限，而箭头表示相应的区间侧没有界限。
- 正态概率图：显示数据对正态分布的拟合优度。如果数据服从正态分布，则概率图上的数据点将会形成一条直线。
- 统计量表：显示样本数量、均值和标准差。
- 正态表：显示正态方法公差区间的上限和/或下限。
- 非参数表：显示非参数方法公差区间的上限和/或下限，以及所达到的置信水平。
- 正态检验表：显示 p 值和 Anderson-Darling 正态性检验值。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)。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。
解释
正态概率图显示标绘点形成近似直线，这表明数据服从正态分布。而且，正态性检验的 p 值为 0.340，大于显著性水平 (α = 0.05)。因此，证据不足，无法判定数据不服从正态分布。工程师可以使用正态方法的结果。
正态下限为 1085.947，因此工程师有 95% 的信心确信，在所有灯泡中，至少有 95% 的灯泡的照明时间大约超过 1086 个小时。对于所有灯泡，平均点亮时间大约为 1248 个小时，标准差大约为 84.1。
