在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在本視頻中，我們展示瞭如何使用不純JMP 中的數據和分發平台。
首先，我們選擇分配來自分析菜單。
我們選擇不純為了Y，列，然後單擊好的.
分佈似乎是右偏的。 在進行能力分析之前，我們檢查底層分佈是否近似正態。
我們選擇正態分位數圖從紅色三角形不純. 圖中有一條曲線，表明數據不服從正態分佈。
為了識別底層分佈，我們選擇連續擬合， 然後全部，從紅色三角形為不純.
這會自動擬合和比較幾個連續概率分佈。 在這種情況下，選擇對數正態分佈作為最佳擬合。
JMP 報告對數正態分佈的參數估計值。 為了評估該分佈的擬合度，我們選擇診斷圖從旁邊的紅色三角形擬合對數正態.
這提供了對數正態概率圖。 這類似於正態分位數圖，但基於對數正態分佈。 因為數據遵循一條直線，我們得出結論，對數正態分佈是一個很好的擬合。
現在，我們使用對數正態分佈來估計能力。
為了進行能力分析，我們選擇能力分析從紅色三角形不純.
我們的目標是 3，上限是 7。此示例沒有較低的規格，因此我們將其留空。
從分佈的下拉菜單中，我們選擇對數正常.
我們根據標準差的長期估計進行能力分析。 所以我們點擊好的運行分析。
注意標籤上說分位數西格瑪代替長期西格瑪. JMP 使用對數正態分佈的百分位數或分位數來計算能力指數並估計超出規格的百分比。
沒有更低的規格，所以 C p不計算。
C PK為 0.164，表示過程偏離目標。
估計有 25.2% 的測量值將高於規格上限。 這意味著 100 批中大約有 25 批不符合雜質的上限。
