將分佈分成兩部分，每部分選擇中位數和西格瑪<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我有一個零件分佈，比如它們的長度以毫米為單位，大約5000個零件，中位數為3.53（見下文）
我想要對這些部件分佈做什麼，實際上是從它創建2個分佈，並對每個分佈運行2次評估。一個分佈的中位數需要為3.52，另一個分佈為3.62，兩者的sigma相似（0.28）。零件不能進入兩個組，它必須是一個或另一個。所以每個發行版應如下所示：
3.52 Eval分佈
3.62 Eval分佈
我目前有一種方法可以做到這一點，但它很長很乏味。我想知道在JMP中有什麼快速的方法嗎？
我不認為你會用你現在的方法得到你需要的答案。 但是，您可以嘗試使用遞歸分區和/或神經網絡來“挖掘”數據，以了解長度的影響。 我發現這是一個有用的方法來理解開發的分析器中的關鍵變量。
Re：拆分分為兩部分，每部分選擇中位數和西格瑪謝謝Lou但我需要獲取一組真實數據並將其拆分為兩個，您的方法創建兩個具有集合均值和西格瑪的隨機數據集。就快到了
Re：拆分分為兩部分，每部分選擇中位數和西格瑪是的，你幾乎了解我正在做的事情。我同意你的方法，但有一些潛在的原因，為什麼必須這樣做。基本上我們不能在這個階段做DOE，我們知道長度在下一個測試階段起主要作用。從高部件和低部件中選擇樣品對於長度參數不會具有相同的sigma，如果完整生產數量通過測試，下一個測試階段將會看到，因此我們希望我們的sigma類似。
Re：拆分分為兩部分，每部分選擇中位數和西格瑪我不確定我完全理解但附件是一個利用隨機公式生成您描述的兩個不同數據集的文件。另外我添加了堆疊數據表。
Re：拆分分為兩部分，每部分選擇中位數和西格瑪斯科特，檢查我對你要做的事情的理解：你的人口將近5000個。 您想要從具有3.52和3.62中位數的父群體創建兩個子群體，並具有相似的西格瑪值（0.28）。 然後，您將評估兩個子群體，以確定中位數的差異是否對後續測試產生影響。 如果這是你想要做的，那麼我會質疑你的方法的統計有效性。 如果是這種情況，那麼我建議你建立一個長度為自變量的DOE。 我一直在使用最終篩選設計，並發現它們非常有效。
關於你的方法的有效性的另一點：如果你生產5000個零件的過程對長度顯示出“合理的統計控製程度”，那麼你的方法肯定是無效的。 但是，如果過程不穩定（好看的直方圖不能確認您的過程是否穩定，因為直方圖失去了時間順序），那麼您可以從高和/或低長度值的周期中選擇樣本，比較它們進行評估。 但是，我仍然希望做一個適當的導電DOE。
Re：拆分分為兩部分，每部分選擇中位數和西格瑪我需要拆分分佈，因為兩個eval都將經歷相同的測試場景（下一階段），但我們希望看到長度對下一組測試結果有什麼影響。為了做到這一點，我必須為3.52分佈給出一組零件號，為3.62分佈給出零件號，以便跟踪eval組。
有沒有辦法使用random（）函數手動創建具有集合均值和西格瑪的零件分佈？從那個能夠選擇兩組零件而沒有重疊的部分進入兩組？
Re：拆分分為兩部分，每部分選擇中位數和西格瑪斯科特，我想知道你為什麼要分配這個發行版。 時間排序數據是否顯示系統處於統計控制之內或之外。 零件是來自不同的工藝/機器嗎？為什麼一個中位數必須是3.52而另一個是3.62？這項研究的目的是什麼？
最好的祝福，
史蒂夫
Re：拆分分為兩部分，每部分選擇中位數和西格瑪現在的方法是什麼？我猜它可以自動編寫腳本。
鑑於可能的子集組合的多樣性（有多種方法可以生成子集A和B，這意味著你的中位數和sigma標準），我不確定一個通用的響應。
這些子集的目標是什麼？
