知道您数据的分布是选择合适的统计方法的前提。假定您需要评估您过程的能力。如果您使用的一个分析它的假设是数据符合正态分布但事实上数据不是正态分布，您的结果将是不正确的。要避免这种错误，您必须决定您数据的分布。
那么如果决定分布呢?Minitab新的个体分布标识就是一种简单的找到您数据的分布的方法，从而可以选择合适的分析。我们能够使用它来：
![[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布](http://www.cabit.com.cn/pic/other/squarebefore.gif "[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布")
验证先前使用的分布仍然对当前的数据有效
当您不确定选择哪个分布时帮助您选择合适的分布
新浪博客
知道您数据的分布是选择合适的统计方法的前提。假定您需要评估您过程的能力。如果您使用的一个分析它的假设是数据符合正态分布但事实上数据不是正态分布，您的结果将是不正确的。要避免这种错误，您必须决定您数据的分布。
那么如果决定分布呢?Minitab新的个体分布标识就是一种简单的找到您数据的分布的方法，从而可以选择合适的分析。我们能够使用它来：
pan>
有三种方式可以来使用个体分布标识
如果您要确认某一特定分布符合您的数据
在大部分的情况下，您的过程知识将帮助您识别您数据的分布。在这些情况下，您能够使用个体分布标识来确认这个分布符合您的数据。
假定您要执行能力分析来确保您生成线上冰淇淋装填在容器中的重量是符合规格的。在过去，这些数据是正态的，但您要确认一下正态性。下面是您如何使用个体分布标识来快速评估拟合性。
如果您不确定哪个分布符合您的数据
假定您以前成功使用了多个分布。您能够使用个体分布标识来帮助您决定哪个分布最符合您的当前数据。例如，您需要评估是否一个特定的焊接强度能符合客户需要。在过去已经使用多个分布来建模这种类型的数据。下面是如何使用个体分布标识来选择最适合您数据的分布的过程。
注意：您能够评估多达 14 个不同的分布，包括 1 个， 2 个和 3 个参数的分布。当您同时使用
2 参数和相应的 3 参数分布来拟合您的数据， 3 参数分布经常似乎拟合的更好。然而，因为它有更多的限制，如果 3
参数分布能提供显著的更好的拟合，您将只需要使用 3 参数分布。查看 Minitab 帮助来获得有关使用 LRT 值在 2 参数和 3
参数分布之间做选择的信息
如果您知道您的数据不是正态的但您要使用一个正态统计技术
当然Minitab提供了多种选项来处理非正态数据，然而许多用户宁可使用正态统计技术。好的消息是，除了找到您数据的真实分布，Minitab个体分布标识能够使用Box-Cox变换来转换您的非正态数据为正态分布。然后您能够对转换后的数据使用各种假设数据要符合正态分布的工具来分析。
注意：数据转换不总是可以产生正态数据。您必须检查概率图和 p
值来评估正态分布是否能很好的拟合转换后的数据。
实践一下
在分析数据前知道数据的分布是一个好习惯。Minitab个体分布识别是一个方便使用的工具，能够帮助识别您数据的分布，同时消除由于使用不合适分析导致的错误和时间浪费。您能够使用这个功能来检查单个分布的拟合，或使用他来比较多个分布的拟合并选择拟合的最好的那个。如果您宁可使用正态数据，您能够使用个体分布识别来转换您的非正态数据为正态分布。
有三种方式可以来使用个体分布标识
如果您要确认某一特定分布符合您的数据
在大部分的情况下，您的过程知识将帮助您识别您数据的分布。在这些情况下，您能够使用个体分布标识来确认这个分布符合您的数据。
假定您要执行能力分析来确保您生成线上冰淇淋装填在容器中的重量是符合规格的。在过去，这些数据是正态的，但您要确认一下正态性。下面是您如何使用个体分布标识来快速评估拟合性。
| 1)选择Stat > Quality Tools
> Individual Distribution Identification 2)指定您要分析的数据列和您要检查的分布。点击OK 3)一个给定的分布是一个好的拟合，如果：
|
![[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布](http://www.cabit.com.cn/pic/tech/idi/Indivi13.gif "[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布") |
| 在这个例子中，冰淇淋重量数据似乎符合正态分布，因此您能够使用正态分布 |
假定您以前成功使用了多个分布。您能够使用个体分布标识来帮助您决定哪个分布最符合您的当前数据。例如，您需要评估是否一个特定的焊接强度能符合客户需要。在过去已经使用多个分布来建模这种类型的数据。下面是如何使用个体分布标识来选择最适合您数据的分布的过程。
| 1)选择Stat > Quality Tools
> Individual Distribution Identification 2)指定您要分析的数据列和您要检查的分布。点击OK 3) 选择数据点大致沿着一条直线和有最大 p 值的分布 |
![[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布](http://www.cabit.com.cn/pic/tech/idi/Indivi14.gif "[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布") |
| 在本例中， lognormal 分布比其他分布能更好的拟合数据，因为数据点大致成一条直线并且 p 值最大。 |
如果您知道您的数据不是正态的但您要使用一个正态统计技术
当然Minitab提供了多种选项来处理非正态数据，然而许多用户宁可使用正态统计技术。好的消息是，除了找到您数据的真实分布，Minitab个体分布标识能够使用Box-Cox变换来转换您的非正态数据为正态分布。然后您能够对转换后的数据使用各种假设数据要符合正态分布的工具来分析。
| 1)选择Stat > Quality Tools
> Individual Distribution Identification 2) 指定要分析的数据列，选择 Box-Cox 变换，然后指定任意您需要对照的分布。在每个对话框中点击 3) 对于转换后的数据，检查数据点是否大致成一条直线并且 p 值大于 0.05 |
![[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布](http://www.cabit.com.cn/pic/tech/idi/Indivi17.gif "[转载]Minitab的个体分布标识功能 <wbr>- <wbr>识别您数据的分布") |
| 在本例中，概率图和 p 值显示数据被成功转换成正态分布。现在您能够使用转换后的数据来进行进一步分析。 |
实践一下
在分析数据前知道数据的分布是一个好习惯。Minitab个体分布识别是一个方便使用的工具，能够帮助识别您数据的分布，同时消除由于使用不合适分析导致的错误和时间浪费。您能够使用这个功能来检查单个分布的拟合，或使用他来比较多个分布的拟合并选择拟合的最好的那个。如果您宁可使用正态数据，您能够使用个体分布识别来转换您的非正态数据为正态分布。