本节介绍拟合分布的拟合优度检验以及与拟合分布相关的规格限的统计详细信息。
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。
分布 |
参数 |
拟合优度检验 |
---|---|---|
正态1 |
μ 和 σ 未知 |
Shapiro-Wilk(适用于 n ≤ 2000)Kolmogorov-Smirnov-Lillefors(适用于 n > 2000) |
μ 和 σ 均已知 |
Kolmogorov-Smirnov-Lillefors |
|
μ 或 σ 已知 |
(无) |
|
对数正态 |
μ 和 σ 已知或未知 |
Kolmogorov D |
Weibull |
α 和 β 已知或未知 |
Cramér-von Mises W2 |
有阈值的 Weibull |
α、β 和 θ 已知或未知 |
Cramér-von Mises W2 |
极值 |
α 和 β 已知或未知 |
Cramér-von Mises W2 |
指数 |
σ 已知或未知 |
Kolmogorov D |
Gamma |
α 和 σ 已知 |
Cramér-von Mises W2 |
α 或 σ 未知 |
(无) |
|
Beta |
α 和 β 已知 |
Kolmogorov D |
α 或 β 未知 |
(无) |
|
二项 |
ρ 已知或未知,n 已知 |
Kolmogorov D(适用于 n ≤ 30);Pearson χ2(适用于 n > 30) |
Beta 二项 |
ρ 和 δ 已知或未知 |
Kolmogorov D(适用于 n ≤ 30);Pearson χ2(适用于 n > 30) |
Poisson |
λ 已知或未知 |
Kolmogorov D(适用于 n ≤ 30);Pearson χ2(适用于 n > 30) |
Gamma Poisson |
λ 或 σ 已知或未知 |
Kolmogorov D(适用于 n ≤ 30);Pearson χ2(适用于 n > 30) |
1 对于三个 Johnson 分布和广义对数分布,数据将变换为正态分布,然后执行适用的正态分布检验。
键入 K 值,并选择单侧或双侧过程能力分析。与 K 标准差对应的尾概率从正态分布计算得出。概率转换为拟合的特定分布的分位数。生成的分位数用于过程能力分析中的规格限。该选项类似于分位数选项,但您提供是的 K 而不是概率。K 对应于规格限远离均值的标准差个数。
例如,对于正态分布,若 K=3,则均值上下 3 个标准差分别对应于第 0.00135 分位数和第 0.99865 分位数。下规格限设置在拟合的分布中的第 0.00135 分位数,上规格限设置在第 0.99865 分位数。基于以上规格限返回过程能力分析。