不同数量子组大小的 sigma 估计过程能力亲爱的 JMP 和社区，
我试图更好地理解 JMP 如何估计不同子组大小的组内西格玛——尤其是大小为 1 的子组。 在线帮助有点帮助，但我希望看到方程式或有更清楚的解释，因为我不太了解 JMP 如何从在线帮助中的描述中做到这一点。
在 Distribution 平台中，当您对色谱柱有规格限制时，可以选择执行处理能力。 默认设置是子组大小为 1，JMP 指出“Within sigma estimated by average moving range”。 联机帮助将移动极差平均值定义为：“使用移动极差的平均值来估计西格玛。 移动极差是两个连续点之间的差值。”。
这并不能真正帮助我理解它如何对大小为 1 的子组执行内西格玛的估计/计算。 从概念上讲，要看出单个值如何具有标准差并不容易，但这是 JMP 中的默认值，而不是说子组大小为 3 或 5。
我附上了 Distribution 平台的屏幕截图和默认值以及 3 的子组大小。
任何反馈都会有所帮助，非常感谢。
谢谢！，
DS
数据探索和可视化大规模定制回复：不同数量子组大小的 sigma 估计过程能力你好@马克贝利,
感谢您的回复和提示。 这使我进行了一些非常有用且信息丰富的互联网搜索。
在线 JMP 帮助这里告诉您它是如何计算的，因此这有助于可视化它是如何估计的。 不幸的是，JMP 的在线文档并没有真正将所有这些链接在一起，因为关于过程能力的讨论是这里, 在移动极差上是这里，但以一种相互关联的方式从一个主题转移到下一个主题并不容易。
此外，它并不能很好地解释 d2(n) 对我们这些非统计学家来说是什么。 但是我找到了一篇关于它的好帖子这里这很容易理解。 我可以自己计算并确定跨度 n=2 的 d2(n) 常数。 然后我通过检查子组大小 3 和 5 来测试它，结果成功了。 现在有意义的是，在分布平台下，当您输入未合理划分为总样本量 N 的子组大小时，它会发出警告消息，以及为什么对于 XBar 和 R 图表为什么它返回 null 的平均值范围计算，即使它在下面的范围图中绘制了平均值。
现在它更有意义了。 有时，了解 JMP 幕后进行的逐步数学运算更有帮助，以便向其他非统计学家进行解释。
谢谢！，
DS
回复：不同数量子组大小的 sigma 估计过程能力请参阅移动极差控制图的文档。 移动极差决定了观察跨度的范围（跨度默认为 2）。 对连续的移动极差进行平均。 平均值除以偏差校正因子以估计西格玛。 这个想法是，移动范围是一个短期估计，不包括特殊原因或长期变化。
