在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们展示了如何使用不纯JMP 中的数据和分发平台。
首先，我们选择分配来自分析菜单。
我们选择不纯为了Y，列，然后单击好的.
分布似乎是右偏的。 在进行能力分析之前，我们检查底层分布是否近似正态。
我们选择正态分位数图从红色三角形不纯. 图中有一条曲线，表明数据不服从正态分布。
为了识别底层分布，我们选择连续拟合， 然后全部，从红色三角形为不纯.
这会自动拟合和比较几个连续概率分布。 在这种情况下，选择对数正态分布作为最佳拟合。
JMP 报告对数正态分布的参数估计值。 为了评估该分布的拟合度，我们选择诊断图从旁边的红色三角形拟合对数正态.
这提供了对数正态概率图。 这类似于正态分位数图，但基于对数正态分布。 因为数据遵循一条直线，我们得出结论，对数正态分布是一个很好的拟合。
现在，我们使用对数正态分布估计能力。
为了进行能力分析，我们选择能力分析从红色三角形不纯.
我们的目标是 3，上限是 7。此示例没有较低的规格，因此我们将其留空。
从分布的下拉菜单中，我们选择对数正常.
我们根据标准差的长期估计进行能力分析。 所以我们点击好的运行分析。
注意标签上说分位数西格玛代替长期西格玛. JMP 使用对数正态分布的百分位数或分位数来计算能力指数并估计超出规格的百分比。
没有更低的规格，所以 C p不计算。
C PK为 0.164，表示过程偏离目标。
估计有 25.2% 的测量值将高于规格上限。 这意味着 100 批中大约有 25 批不符合杂质的上限。
