資料轉換後的公差區間我正在計算正常公差區間，有時需要先轉換資料。我通常嘗試 SHASH 和 Johnson SL。我的問題是關於 SHASH：當 SHASH 分佈不適合但轉換後的資料為常態時，這代表什麼？相反，當 SHASH 擬合但轉換後的數據不正常時，這意味著什麼？我遵循管理我的工作的標準組織的指導方針，該指導方針允許單調轉換為常態，所以我認為由於第一個案例會產生正常結果，我應該能夠使用 SHASH。雖然我因為沒有合適的衣服而感到不舒服。對於第二種情況，但我很好奇當結果不正常時 SHASH 擬合意味著什麼。謝謝。
基礎資料分析與建模視窗回覆：資料轉換後的公差區間你好@jayg001 ：所以我可以完全理解你的問題並做出適當的回應，你能告訴我我是否理解你的兩種情況。
給定一列數據，X：
1.“當 SHASH 分佈不擬合但轉換後的數據為正態時，這意味著什麼？”
因此，在這種情況下，X 沒有 SHASH 分佈，並且您正在對 X 應用一些轉換（我將調用此函數 SHASH）以獲得第二列 Y。此外，Y 似乎呈現常態分佈。我這個正確嗎？您使用什麼函數（我稱之為 SHASH[X]）來轉換 X？我熟悉 SHASH 發行版，但我只是想在這裡弄清楚。
2.“反過來說，SHASH擬合但是轉換後的數據不正常是什麼意思？”
在這種情況下，X 具有 SHASH 分佈。然後，應用 SHASH 變換（如上面 1 所示），得到 Y = SHASH[X]。此外，Y 似乎不服從常態分佈。
我這個正確嗎？
回覆：資料轉換後的公差區間是的，你是對的。我在分發平台中安裝 SHASH 後儲存轉換後的值。儲存的值公式包含使用來自擬合 SHASH 分佈的參數的函數 SHASHTrans(x, gamma, delta, theta, sigma)。
回覆：資料轉換後的公差區間你好@jayg001 ：這裡有一些東西可以發揮作用。排名不分先後：
1. 樣本數：
- 對於小樣本量，即使在以下情況下，您也不太可能透過某些適合度檢定拒絕合理的分佈
分配不正確（即低功率）。這會導致接受錯誤的分佈。
-相反，對於大樣本量，您可能會拒絕某個分佈，因為它的威力太大。即，即使可以忽略不計，出發
從正在測試的分佈中刪除將導致拒絕該分佈。這會導致拒絕分配，即對於所有
意圖和目的，充分。
2. 我們永遠不知道分佈是常態分佈、SHASH 分佈或任何其他分佈。擬合良好測試不得拒絕
給定分佈，但這並不能證明分佈是正確的；這只意味著沒有足夠的證據來拒絕它。
這就像在審判中如何應用假設或無罪一樣。 「無罪」並不意味著無罪。無罪意味著有
沒有足夠的證據來定罪...
3. 轉換可以改變單點對適合度檢定的影響程度。
FWIW 編輯：一般來說，我不太喜歡適合度檢定（原因見上文）。我比較喜歡看QQ圖等等。
這些是我最初的想法。我希望他們能有所幫助。
回覆：資料轉換後的公差區間謝謝。我也不喜歡擬合優度，因為我是一個徹頭徹尾的貝葉斯主義者，但我需要為大量缺乏統計培訓的工程師開發一個程序，所以我堅持盡量保持簡單。 JMP 幫助說 SHASHTrans 將 SHASH 分佈變量轉換為標準正態變量，因此我可能會要求 SHASH 分佈適合原始數據，正態分佈適合轉換後的數據，然後再繼續計算和反轉公差區間。
