不同數量子組大小的 sigma 估計過程能力親愛的 JMP 和社區，
我試圖更好地理解 JMP 如何估計不同子組大小的組內西格瑪——尤其是大小為 1 的子組。 聯機幫助有點幫助，但我希望看到方程式或有更清楚的解釋，因為我不太明白 JMP 如何從聯機幫助中的描述中做到這一點。
在 Distribution 平台中，當您對色譜柱有規格限制時，可以選擇執行處理能力。 默認設置是子組大小為 1，JMP 指出“Within sigma estimated by average moving range”。 聯機幫助將移動極差平均值定義為：“使用移動極差的平均值來估計西格瑪。 移動範圍是兩個連續點之間的差異。”。
這並不能真正幫助我理解它如何對大小為 1 的子組執行內西格瑪的估計/計算。 從概念上講，要看出單個值如何具有標準差並不容易，但這是 JMP 中的默認值，而子組大小為 3 或 5。
我附上了 Distribution 平台的屏幕截圖和默認值以及 3 的子組大小。
任何反饋都會有所幫助，非常感謝。
謝謝！，
DS
數據探索和可視化大規模定制回复：不同數量子組大小的 sigma 估計過程能力你好@馬克貝利,
感謝您的回復和提示。 這使我進行了一些非常有用且信息豐富的互聯網搜索。
在線 JMP 幫助這裡告訴您它是如何計算的，因此這有助於可視化它是如何估計的。 不幸的是，JMP 的在線文檔並沒有真正將所有這些鏈接在一起，因為關於過程能力的討論是這裡, 在移動極差上是這裡，但以一種相互關聯的方式從一個主題轉移到下一個主題並不容易。
此外，它並不能很好地解釋 d2(n) 對我們這些非統計學家來說是什麼。 但是我找到了一篇關於它的好帖子這裡這很容易理解。 我可以自己計算並確定跨度 n=2 的 d2(n) 常數。 然後我通過檢查子組大小 3 和 5 來測試它，結果成功了。 現在有意義的是，在分佈平台下，當您輸入未合理劃分為總樣本量 N 的子組大小時，它會發出警告消息，以及為什麼對於 XBar 和 R 圖表為什麼它返回 null 的平均值範圍計算，即使它在下面的範圍圖中繪製了平均值。
現在它更有意義了。 有時，了解 JMP 幕後進行的分步數學運算更有幫助，以便向其他非統計學家進行解釋。
謝謝！，
DS
回复：不同數量子組大小的 sigma 估計過程能力請參閱移動極差控製圖的文檔。 移動極差決定了觀察跨度的範圍（跨度默認為 2）。 對連續的移動極差進行平均。 平均值除以偏差校正因子以估計西格瑪。 這個想法是，移動範圍是一個短期估計，不包括特殊原因或長期變化。
