将分布一分为二，分别选择中位数和西格玛<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我有零件的分布，例如零件的长度（毫米），总共约有5000零件，中位数为3.53（请参阅下文）
我要处理的零件分布实际上是从中创建2个分布，并对每个分布运行2个评估。一个分布的中位数必须为3.52，其他分布的中位数为3.62，两者的sigma均应为0.28。零件不能分为两组，必须是一组。因此，每个分布应如下所示：
3.52评估分配
3.62评估分配
我目前有一种方法可以做到，但是它很长且乏味。我想知道在JMP中有什么快速的方法吗？
我认为您无法通过当前的方法获得所需的答案。 但是，您可以尝试使用递归分区和/或神经网络来“挖掘”数据以了解长度的影响。 我发现这是从开发的探查器了解关键变量的有用方法。
回复：将分布一分为二，分别选择中位数和西格玛感谢Lou，但是我需要获取一组真实数据并将其分为两部分，您的方法将创建两个具有设定均值和sigma的随机数据集。就快到了
回复：将分布一分为二，分别选择中位数和西格玛是的，您几乎了解我要做什么。我确实同意您的方法，但是有一些根本原因导致必须采用这种方法。基本上，我们不能在此阶段进行DOE，我们知道长度在下一测试阶段中起着主要作用。从上半部分和下半部分中选择样本的长度参数不会具有下一个测试阶段将看到是否通过了全部生产量测试的长度总和，因此这就是为什么我们希望我们的总和类似。
回复：将分布一分为二，分别选择中位数和西格玛不确定我是否完全理解，但附带的文件是利用随机公式生成您描述的两个不同数据集的文件。此外，我还添加了堆叠数据表。
回复：将分布一分为二，分别选择中位数和西格玛斯科特，请检查一下我对您要做什么的理解：您有将近5000个零件。 您想从中位数为3.52和3.62且具有相似的sigma值（0.28）的父总体中创建两个子群体。 然后，您将评估两个子群体，以确定中位数的差异是否对后续测试产生影响。 如果这是您要尝试的方法，那么我会质疑您的方法的统计有效性。 如果是这种情况，那么我建议您构建一个DOE，其长度是一个自变量。 我一直在使用确定性筛选设计，并且发现它们非常有效。
关于方法有效性的另一点：如果您生产5000个零件的过程显示出“合理的长度统计控制程度”，那么您的方法肯定是无效的。 但是，如果过程不稳定（并且由于直方图失去时间顺序，美观的直方图不能确认您的过程是否稳定），则可以从高和/或低长度值的周期中选择样本，然后比较它们以进行评估。 但是，我仍然想做一个适当的DOE。
回复：将分布一分为二，分别选择中位数和西格玛我需要分配分布，因为两个评估都将经历相同的测试场景（下一阶段），但是我们想看看长度对下一组测试结果有什么影响。为此，我必须给出一组用于3.52发行版的零件号和一组用于3.62发行版的零件号，以便跟踪评估组。
有没有一种方法可以使用random（）函数手动创建具有均值和sigma的零件分布？并能够从中选择两组零件而没有将零件重叠到两组中？
回复：将分布一分为二，分别选择中位数和西格玛斯科特，我想知道为什么要拆分发行版。 是按时间排序的数据，显示系统处于统计控制状态还是处于不受控制状态。 零件是否来自不同的过程/机器？为什么一个中位数必须为3.52，另一个中位数为3.62？研究的目的是什么？
最好的祝福，
史蒂夫
回复：将分布一分为二，分别选择中位数和西格玛目前的方法是什么？我猜想它可以编写脚本来实现自动化。
鉴于各种可能的子集组合（有多种方式生成子集A和B表示您的中位数和西格玛标准），我不确定会有一个通用的回答。
这些子集的目标是什么？
