使用连续拟合或离散拟合选项可以拟合连续变量的分布。
注意：在 JMP 15 中更新了分布拟合的一些功能。本节详细介绍了以往 JMP 版本中为兼容目的而保留的旧功能。通过在变量的红色小三角菜单中选择连续拟合 > 启用传统拟合器，可以使用这些功能。
在直方图上叠加曲线，同时向报表窗口添加“参数估计值”报表。红色小三角菜单包含更多选项。请参见“拟合分布”选项（传统图形）。
注意：“寿命分布”平台还包含可能使用不同参数并允许删失的分布拟合选项。请参见《可靠性和生存方法》中的寿命分布。
本节介绍“传统拟合器”子菜单中与更新的“连续拟合”选项中的相应分布不同的分布。
• “Weibull”分布、“有阈值的 Weibull”分布和“极值”分布通常可为估计寿命（特别是机械设备和生物学方面）提供合适的模型。
• Gamma 分布受零限制并具有灵活形状。
• Beta 分布适用于对限制在 0,1 区间内的随机变量的行为建模。例如，比例总是介于 0 和 1 之间。
• “平滑曲线”分布使用非参数密度估计（核密度估计）拟合平滑曲线。平滑曲线叠加在直方图上，该图下方会出现一个滑块。通过使用滑块更改核心标准差来控制平滑度。初始核心标准差估计值基于数据的标准差计算得出。
• Johnson Su、Johnson Sb 和 Johnson Sl 分布具有很强的数据拟合能力，因为它支持偏度和峰度的每种可能组合。
• “广义对数”(Glog) 分布适用于拟合与正态分布相差甚远且经常具有不恒定方差的数据（如生化数据）。
全部选项用于拟合变量的所有适用连续分布。“比较分布”报表包含有关每个拟合分布的统计量。使用复选框可显示或隐藏拟合报表以及叠加选定分布的曲线。默认情况下选定最佳拟合分布。
“显示分布”列表按 AICc 升序排序。
若变量包含负值，“显示分布”列表则不包含要求正值数据的那些分布。该命令仅拟合连续分布。具有阈值参数（如 Beta 和 Johnson Sb）的分布不包含在可能的分布列表中。
有关统计详细信息，请参见以下各节：
当所有数据值都是整数时，“离散拟合”选项可用。使用“离散拟合”选项可以拟合离散变量的分布（如 Poisson 或二项分布）。可用的分布如下所示：
• Poisson
• Gamma Poisson
• 二项
• Beta 二项
有关统计详细信息，请参见以下各节：
每个拟合的分布报表都有一个包含更多选项的红色小三角菜单。
诊断图
创建分位数或概率图。请参见诊断图。
密度曲线
使用分布的估计参数在直方图上叠加密度曲线。
拟合优度
计算拟合分布的拟合优度检验。请参见拟合优度。
固定参数
支持您固定参数并重新估计未固定的参数。同时显示“适当性似然比检验”报表，用于检验新参数，以确定这些参数是否能拟合数据。
分位数
为您指定的特定低概率值返回未统一尺度且未中心化的分位数。
针对 K Sigma 设置规格限
若您不了解某个过程的规格限但想要将其分布用作设置规格限的指导，可以使用该选项。
通常，使用工程考虑因素来生成规格限。若不存在工程考虑因素并且数据来自良好的过程，那么拟合分布的分位数通常用于帮助设置规格限。请参见针对 K Sigma 设置规格限。
规格限
基于您指定的规格限和目标，计算广义标准能力指标。请参见规格限。
保存拟合分位数
将拟合分位数值另存为当前数据表中的新列。请参见拟合分位数的统计详细信息（传统图形）。
保存密度公式
在当前数据表中创建新列，在其中包含密度公式计算得出的拟合值。密度公式使用估计参数值。
保存变换
创建新列并保存公式。公式可以使用拟合分布对列进行正态变换。仅当拟合某一个 Johnson 分布、Glog 分布或 SHASH 分布的情况下，该选项才可用。
删除拟合
从报表窗口中删除分布拟合。
诊断图选项用于创建分位数或概率图。根据拟合的分布，该图为四种格式之一。
• 有阈值的 Weibull
• Gamma
• Beta
• Poisson
• GammaPoisson
• 二项
• Beta 二项
• 正态
• 正态混合
• 指数
• Weibull
• 对数正态
• 极值
• SHASH
• Johnson Sl
• Johnson Sb
• Johnson Su
• 广义对数
“诊断图”红色小三角菜单提供以下选项：
旋转
反转 x 和 y 轴。
置信限
为“正态分位数”图绘制 Lilliefors 95% 置信限，为所有其他分位数图绘制 95% 等精度置信带（a = 0.001 且 b = 0.99）(Meeker and Escobar 1998)。
拟合线
绘制对角参考直线。若变量与选定的分布拟合，则各值大致落在该参考线上。
中位数参考线
在响应的中位数处绘制一条水平线。
拟合优度选项计算拟合分布的拟合优度检验。拟合优度检验不是卡方检验，而是 EDF（经验分布函数）检验。EDF 检验包含改进的功效并且相对于直方图中点值保持不变，所以优于卡方检验。
• 对于正态分布，当样本小于或等于 2000 时，将报告 Shapiro-Wilk 正态性检验。当样本大于 2000 时，将为样本计算 KSL 检验。
• 对于样本小于等于 30 的离散分布，拟合优度检验按以下方式形成 ：将两个单侧 Kolmogorov 精确检验合并以形成最接近精确的检验。请参见 Conover (1972)。对于大于 30 的样本，将执行 Pearson 卡方拟合优度检验。
• 有关统计详细信息，请参见“拟合分布”选项（传统图形）。
使用规格限选项可打开一个支持您输入规格限和目标的窗口。然后计算广义的标准能力指标。请注意，对于正态分布，3σ 既是从下 0.135 百分位数到中位数（或均值）的距离，也是从中位数（或均值）到上 99.865 百分位数的距离。这些百分位数从拟合分布估计得出，在标准公式中用 3σ 来替换适当的百分位数到中位数的距离。
• 有关统计详细信息，请参见“拟合分布”选项（传统图形）。