基本分析 > 分布 > 传统分布拟合器详细信息 > “拟合分布”选项的统计详细信息(传统图形)
发布日期: 04/13/2021

“拟合分布”选项的统计详细信息(传统图形)

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。

拟合优度

表 3.2 JMP 拟合优度检验的说明 

分布

参数

拟合优度检验

正态1

μσ 未知

Shapiro-Wilk(适用于 n 2000)Kolmogorov-Smirnov-Lillefors(适用于 n > 2000)

μσ 均已知

Kolmogorov-Smirnov-Lillefors

μσ 已知

(无)

对数正态

μσ 已知或未知

Kolmogorov D

Weibull

αβ 已知或未知

Cramér-von Mises W2

有阈值的 Weibull

αβθ 已知或未知

Cramér-von Mises W2

极值

αβ 已知或未知

Cramér-von Mises W2

指数

σ 已知或未知

Kolmogorov D

Gamma

ασ 已知

Cramér-von Mises W2

ασ 未知

(无)

Beta

αβ 已知

Kolmogorov D

αβ 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

ρδ 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

λσ 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。


针对 K Sigma 设置规格限

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。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).