Estadísticas de no conformidad de distribución versus perfilador de distribuciónHola comunidad JMP,
Tengo un conjunto de datos que se ajusta mejor a una distribución lognormal. Parece que no puedo encontrar lo que sucede detrás de escena para las estadísticas de no conformidad versus los intervalos de confianza del 95% del generador de perfiles de distribución. Cuando ejecuto el análisis de capacidad, obtengo una tabla de no conformidades. El porcentaje observado es obvio porque mi población de datos real no tenía ningún valor por debajo del LCL. ¿Qué estadísticas se utilizan para calcular el porcentaje general esperado? Supongo que se utiliza la distribución lognormal y se juzga qué tan bien se ajusta a los datos; ¿Es un enfoque 3 sigma o algo así? ¿Cómo se calcula y qué información útil proporciona en comparación con los intervalos de confianza del perfilador de distribución?
Creo que los intervalos de confianza se interpretan de la siguiente manera: dado que solo tengo un LCL, miraría el intervalo de confianza superior del 95% para hacer una afirmación como "con un 95% de confianza se puede esperar que el 0,91% de los valores sean iguales". caer por debajo del LCL.
¡Gracias por cualquier ayuda en esto!
Greg
Exploración y visualización de datosRe: Estadísticas de no conformidad de distribución frente a Perfilador de distribuciónLa diferencia entre Observado y Esperado es que Observado analiza sus datos (en la tabla) y Esperado calcula el % de la Curva LogNormal por debajo del LSL. Entonces, uno describe la muestra y el otro predice HVM a partir del modelo ajustado.
El análisis de capacidad responde a la pregunta: ¡Qué tan bueno es este producto para cumplir con los límites de las especificaciones!
El IC en la curva del generador de perfiles de predicción dice algo sobre la certeza de su probabilidad prevista (de cualquiera que sea su respuesta). Por lo tanto, con una impedancia de 50000/2, predice una probabilidad de 0,0003 (basada en la muestra) con un 95 % de certeza de que el valor HVM se encuentra entre 4,4e-6 y 0,009.
Así que, en resumen, ¡son dos piezas de información muy diferentes!
