JMP 正态分布检验:过程数据能力分析前先看
JMP 正态分布检验可先用来检查连续过程数据的分布形状,再结合稳定性决定能力指标如何解释。检验未显著只表示现有数据未检出偏离,正态概率图还用于观察尾部和异常测量,二者回答的问题各有侧重。
过程数据正态性的数据安排
以下结果来自本站演示数据(模拟生成,不代表真实研究结论)。本例从过程能力演示表随机抽取 106 行,只分析轴径测量值,保留原始单位;这是抽样后的分布诊断,并非对完整生产时间序列的稳定性验收。
| 内容 | 数据类型 | 在本例中的用途 |
|---|---|---|
| 轴径测量值(mm) | 连续定量 | 正态性分析的测量列 |
| 行的来源 | 模拟测量记录 | 说明抽样与结果适用范围 |
| 测量单位 | 毫米 | 核对量纲与录入精度 |
一行应表示一次真实的测量事件,重复测量、同批次多件与独立抽样的含义应分别记录。将整批数据混在一起时,多个批次均值的差别会改变总体形状;若只看混合分布,可能把批次漂移误读成单一分布的尾部问题。
录入前应统一小数精度、缺失标记和单位,核查量具分辨率是否把不同观测压成相同读数。对重复值的解释需要结合采样方案,随意给测量值加微小扰动会改变检验对象,保留测量记录并说明精度更便于复核。
正态性与规格判断也要分开:这一模块检查的是测量分布,并未读取图纸公差来决定产品合格与否。即使数据形状平滑,均值仍可能靠近规格边缘;反过来,观测值全部落在规格内,也未必说明分布模型足以支持尾部概率外推。
JMP 正态分布检验怎么做
- 打开「正态性分析」,使用整理后的轴径测量数据,核对变量是定量数值而非文本编码。
- 将轴径测量值放入本方法的分析变量位置,核对有效记录与抽样来源,再开始分析。
- 先阅读主结果表,再把检验结果与概率图、Q-Q 图放在同一测量背景下检查,记录异常值核查的依据。
报告的主结果表把检验统计量与概率分开列示,适合核对检验方法是否写对。截图展示的是本例的结果表局部,后续图形用于补充形状信息,图形之间也无需相互投票。

正态概率图与检验结果怎么看
本例 Shapiro-Wilk 的 W 为 0.9836,p 为 0.215,按预设显著性水平未拒绝正态假设。这是对本次抽样数据的判断;若有效记录不足以计算某项检验,应写明无法估计,而不是把空白解释成检验通过。
P-P图比较经验累积概率和理论正态概率,重点观察分布中部与对角线的偏离。图上的点并非频数柱,也不直接显示原单位的峰值位置;应将概率尺度的偏差与测量记录一起核对,避免把局部偏离直接写成过程异常。

Q-Q 图比较经验分位数和理论分位数,对两端读数尤其有帮助。查看偏离时,应区分少数尾部点的偏差与整体系统弯曲,并回到测量记录核对;本例未把图中每一点当作独立检验,也未根据图形编造新的概率结果。

能力分析前的记录怎么写
可写为:对抽取的轴径测量进行 Shapiro-Wilk 正态性检验,未拒绝正态假设,并结合分布图检查形状。本次诊断只涉及抽样测量的分布,不构成过程受控或未来超规概率可靠的证据,能力研究仍需另行说明采样时序、合理子组与工程规格。
下图按现场核查对象整理留档路径,补充图形之外的测量资料。它用于说明下一步核对什么,并非一张再次判定正态与否的流程表。

正态性判断常见错误
- 把未拒绝写成已经证实:改为描述当前检验的证据强弱,并保留抽样背景。
- 只留下有利的检验:先明确主判据,补充方法的分歧如实记录,避免事后挑选。
- 为让图形变直而删除测量:先查录入与量具记录,真实极端观测应说明成因并作敏感性讨论。
- 用原始变量的正态性统一裁定所有模型:能力研究关注个体分布,回归与方差分析通常需要检查相应模型的残差。
开通会员后可导出 Word / PDF 报告、使用 AI 解读。留存时将检验表、图形和采样说明放在一起,读者才能分辨统计诊断与工程判断的边界。
延伸阅读
常见问题
JMP 正态分布检验不显著就能算能力吗?
还要检查测量可信度、过程稳定性与规格来源。正态性只是能力模型的一项分布条件,检验不显著并未验证这些工程前提。
过程数据正态性要看哪个检验?
预先确定主判据,结合样本量与图形解释。本例采用报告列出的 Shapiro-Wilk 结果,不从多种检验中挑选有利的结果。
正态概率图两端偏离要怎么处理?
先核对极端测量和采样条件,再区分数据错误与真实尾部变化。真实记录应保留,分析选择应解释分布特征与工程背景。