MerQuR+Başvuru Kitabı

121. Normal olmayan süreç yeterliliği: yüzdelik (Clements), Weibull, lognormal, gama, Johnson ve Box-Cox

Şablon kimliği: yeterlilik_normal_disi · Kategori: kalite · Dil: R · Dosya: pro/sablonlar/kalite/yeterlilik_normal_disi.R (satır 1–287; üstbilgi 1–57) · Örnek veri: _ornek/yeterlilik_normal_disi_groundbeef.csv · Paketler: PearsonDS 1.3.2, SuppDists 1.1.9.9 (R 4.5.3)

121.1 Ne işe yarar

Çarpık ya da kalın kuyruklu bir ölçüm (porsiyon ağırlığı, bekleme süresi, derişim) için şartname sınırlarına göre yeterlilik indekslerini normal varsayım olmadan verir. Normal varsayımlı C_p, C_{pk} (Bölüm 120) veri çarpıksa yanıltıcıdır: normal eğrinin kuyruğu verinin gerçek kuyruğundan çok farklıdır ve beklenen spesifikasyon dışı oran (ppm) büyük hata taşır. Şablon aynı veriyi birden çok dağılımla uydurur ve hepsini tek tabloda verir; kullanıcı yöntemler arasındaki farkı görür. Normal olmayan yeterlilik yöntemlerinin karşılaştırması için Somerville ve Montgomery (1996) ile Kotz ve Johnson (2002)'ye bakınız.

Yüzdelik yöntemi (ISO 22514-2). Her yöntem için uydurulan dağılımın üç yüzdeliği X_{0{,}00135}, X_{0{,}5}, X_{0{,}99865} alınır (\Phi(-3), 0{,}5 ve \Phi(3) olasılıkları) ve indeksler:

P_p=\frac{USL-LSL}{X_{0{,}99865}-X_{0{,}00135}},\quad P_{pl}=\frac{X_{0{,}5}-LSL}{X_{0{,}5}-X_{0{,}00135}},\quad P_{pu}=\frac{USL-X_{0{,}5}}{X_{0{,}99865}-X_{0{,}5}},\quad P_{pk}=\min(P_{pl},P_{pu})

Normal dağılımda X_{0{,}00135}=\mu-3\sigma, X_{0{,}99865}=\mu+3\sigma olduğundan bu tanım P_p, P_{pk}'ya (Bölüm 120) indirgenir. Tablo sütunları tek yönlü sınırda yalnız ilgili indeksleri verir.

Yöntemler (tabloda sırasıyla): Normal (karşılaştırma), Weibull, lognormal, gama (iki parametreli, en çok olabilirlik), Johnson (SU/SB/SL türü otomatik; yüzdelik yöntemi), Clements (Pearson eğrisi; ortalama, varyans, çarpıklık ve basıklıkla) ve Box-Cox (dönüştür, normal formüllerle).

Ne zaman kullanılır?

  • Ölçüm tek yönlü ya da sınırlı destekliyse (pozitif, çarpık): ağırlık, uzunluk, süre, kirlilik derişimi.
  • Shapiro-Wilk normalliği reddettiğinde (Bölüm 120): hangi dağılımın veriye uyduğunu görmek ve ona göre P_{pk} ve ppm raporlamak için.
  • Yöntem duyarlılığını (dağılım seçimi) bir yayın ya da denetim için belgelemek gerektiğinde.

Ne zaman kullanılmaz?

  • Veri normalse: Bölüm 120 surec_yeterliligi daha basit ve güven aralıklı sonuç verir; bu şablonun satırları güven aralığı vermez.
  • Süreç istikrarsızsa: önce Bölüm 118 kontrol_kartlari; dağılım uydurma kaymış veriyi tek bir dağılım gibi uydurur.
  • Alt grup yapısı (kısa dönem σ) soruluyorsa: bu şablon yalnız uzun dönem (P_p ailesi) verir; kısa dönem indeksler Bölüm 120'dedir.
  • Yalnızca aşırı uç değer sorusu varsa (nadir olaylar, dönüş düzeyi): Bölüm 122 uc_deger.
  • Dağılım uydurmanın kendisi amaçsa (parametre kestirimi, uyum): Bölüm 32 dagilim_uydurma.
  • Veri çok kesikli ya da az sayıda farklı değer taşıyorsa (en çok 2 benzersiz değerde şablon durur): sürekli dağılımlar uygun değildir.

Temel programla ilişki. Temel programda süreç yeterliliği analizi yoktur (kod ağacında karşılığı bulunmadı); bu şablon yalnız MerQuR+'tadır.

121.2 Şablonun girdileri

Form, üstbilgideki yedi [[param]] bloğundan kurulur (yeterlilik_normal_disi.R:10–56). Türlerin ve formun ortak denetiminin anlamı Bölüm 1.2'de anlatılmıştır.

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Ölçüm · deger sayısal sütun · Değişkenler ilk sayısal sütun sayısal sütun x (10–14, 80–82)
Alt spesifikasyon sınırı LSL · alt_spek metin · Model boş sayı (ondalık virgül ya da nokta) LSL (15–20, 75)
Üst spesifikasyon sınırı USL · ust_spek metin · Model boş sayı USL (21–26, 75)
Özetlenecek yöntem · dagilim seçim · Model otomatik otomatik, weibull, lognormal, gama, johnson, clements, boxcox, normal Yalnız özet cümlesini ve şekli belirler; tablo hepsini verir (27–34, 229–238)
Box-Cox λ · bc_lambda metin · Seçenekler boş sayı Boşsa en çok olabilirlikle; doluysa sabit λ (35–40, 78, 172)
Box-Cox indeks tanımı · bc_indeks seçim · Seçenekler donusum donusum, yuzdelik donusum: Box-Cox satırının Pp/PPL/PPU/Ppk'sı dönüştürülmüş ölçekte; yuzdelik: öteki satırlar gibi uydurulan dağılımın yüzdeliklerinden (41–48, 190)
Normallik testi düzeyi · normallik_alfa ondalık · Seçenekler 0,05 0,001–0,5 Shapiro-Wilk yorum metni eşiği (49–56, 252)

Örnek ayar (ornek_param, satır 9): deger = serving, alt_spek = 10, ust_spek = 220, dagilim = otomatik; öteki alanlar varsayılandır (bc_indeks = donusum).

Otomatik seçim. En küçük AIC'li en çok olabilirlikle uydurulan dağılım (normal, Weibull, lognormal, gama) seçilir (229–232); Box-Cox, Johnson ve Clements AIC taşısalar ya da taşımasalar da seçime katılmaz (bulgular\yeterlilik_normal_disi.md B4). Seçilen yöntem uygulanamıyorsa (örneğin pozitif olmayan veride Weibull) ilk satırdaki yöntem özetlenir ve not yazılır (233–237).

Şablona özgü denetimler (mq_hata):

  • Gerekli paketler (PearsonDS, SuppDists) kurulu değil → "Gerekli R paketleri kurulu değil: … R'de kurun: install.packages(c(…))" (61–63, 65).
  • Veri açık değil → "Önce Veri sekmesinde bir veri açın." (67).
  • Ölçüm sütunundaki bir değer sayıya çevrilemiyorsa (metin ya da ondalık virgüllü yazım) çalıştırma, sütun adını ve örnek değerleri yazan bir iletiyle durur (mq_sayisal, 80); boş hücreler hata değildir, atılır ve sayıları not edilir (82, 89).
  • alt_spek, ust_spek ya da bc_lambda sayı değil → "… bir sayı olmalı (ya da boş bırakılmalı)." (72).
  • Hiçbir sınır yok → "En az bir spesifikasyon sınırı (LSL ya da USL) girin." (76); LSL\ge USL → "LSL, USL'den küçük olmalı." (77).
  • 10'dan az gözlem → "Yeterlilik analizi için en az 10 gözlem gerekli." (84); sabit ya da 3'ten az benzersiz değer → "Ölçümlerde en az üç farklı değer gerekli; yeterlilik indeksleri tanımsız." (85).
  • Hiçbir dağılım uydurulamadı → "Hiçbir dağılım uydurulamadı." (181). Bir yöntem uydurulamazsa (f() hata verirse) not yazılır ve satır tablodan çıkarılır (88; ör. Johnson türü bulunamadı).

121.3 Örnek veri

yeterlilik_normal_disi_groundbeef.csv, fitdistrplus paketindeki groundbeef verisidir (Delignette-Muller ve Dutang, 2015): kıyma porsiyon büyüklüğü (gram), n=254, tek sütun serving. Spesifikasyon sınırları örnek amaçlı LSL=10, USL=220'dir. Veri sağa çarpıktır (çarpıklık \sqrt{b_1}=0{,}7309, basıklık b_2=3{,}5171; ortalama 73{,}6457, ss 35{,}8849, en küçük 10, en büyük 200) ve çok sayıda bağlı gözlem içerir (254 gözlemde 33 farklı değer). Shapiro-Wilk W=0{,}9367, p=5{,}5\cdot10^{-9}: normalliği reddeder. Eksik değer yoktur.

Değişken Rol Tür (veri sekmesinin algıladığı) Özet
serving ölçüm sayısal 254 gözlem; ortalama 73{,}6457, ss 35{,}8849, aralık 10–200

Düzey sırası. Kategorik değişken yoktur. Sayısal sütun türü: deger sayısal role atandığından Veri sekmesinde "kategorik" yapılsa da sayı olarak aktarılır (Bölüm 1.3); yn_kat çalıştırması aynı tabloyu verir. Ondalık virgüllü metin sütunu seçilemez; sınır ve λ alanlarında ondalık virgül kabul edilir (10,5; 0,5).

Ölçek. Şablon ölçek değişmezdir: veri ve sınırlar 10^{6} ya da 10^{-6} ile çarpılınca (yn_olcek_buyuk, yn_olcek_kucuk) aynı P_p, P_{pk} ve ppm çıkar.

Bu bölümde şu çalıştırmalar kullanılır (veri dosyaları dogrulama/yeterlilik_normal_disi/):

Ad Veri ve ayar Amaç
yn_ornek örnek ayar ana sonuç, 121.7
yn_weibull, yn_lognormal, yn_gama, yn_johnson, yn_clements, yn_boxcox, yn_normal dagilim seçili özet ve şekil
yn_lam05, yn_lam0, yn_lam1 bc_lambda = 0,5; 0; 1 sabit λ
yn_lsl, yn_usl, yn_virgul tek yönlü; 10,5 ve 220,0 tek yönlü, ondalık virgül
yn_negatif, yn_sifirli groundbeef -30 ile kaydırılmış; en küçük gözlem 0 pozitif olmayan veri
yn_normal200, yn_sinirli N(100{,}10), n=200; 1+10\,\mathrm{Beta}(2{,}5), n=150 normal veri; sınırlı destek (Johnson SB)
yn_logn60, yn_n5200 lognormal n=60 ve n=5200 küçük ve büyük örneklem (Pearson tip VI)
yn_olcek_buyuk, yn_olcek_kucuk veri ve sınırlar \times10^{6}, \times10^{-6} ölçek değişmezliği
yn_eksik, yn_aykiri, yn_dort_deger, yn_kat 3 boş hücre; bir gözlem 900; 4 farklı değerli sayım; kategorik tür uç durumlar

Hata çalıştırmaları (yn_dokuz, yn_iki_deger, yn_ters, yn_sinirsiz, yn_lam_hata) 121.2'deki iletilerle sonuçlanır.

121.4 Yöntem: formüller ve hesap adımları

Şablon sırasıyla şunları yapar: (1) sınırları ve λ'yı okur, x'i alır, \sqrt{b_1} ve b_2'yi hesaplar; (2) her yöntem için dağılımı uydurur (q: yüzdelik, p: dağılım, d: yoğunluk, log olabilirlik, parametre sayısı); (3) her yöntem için A^2, yüzdelikler, indeksler ve ppm'yi satir ile yazar; (4) özet yöntemi seçer; (5) iki şekil çizer.

121.4.1 İndeksler ve ppm

Üç yüzdelik her yöntemin kendi dağılımından alınır (198, P3=\Phi(c(-3{,}0{,}3)), 94). Beklenen ppm (204–205):

\text{ppm}_{\text{alt}}=10^6F(LSL),\qquad \text{ppm}_{\text{üst}}=10^6\bigl(1-F(USL)\bigr)

F uydurulan dağılımın dağılım işlevidir; Box-Cox için dönüştürülmüş ölçekte normaldir (F(v)=\Phi\bigl((v^\lambda-1)/\lambda;\mu_y,\sigma_y\bigr)). Gözlenen ppm özette (241) verilir.

121.4.2 En çok olabilirlik uydurmaları

Üç iki parametreli dağılım profil denklemlerinin kesin çözümüyle uydurulur (107–131):

\text{Weibull:}\quad \frac{\sum x_i^k\ln x_i}{\sum x_i^k}-\frac1k-\overline{\ln x}=0,\qquad \hat\lambda=\Bigl(\tfrac1n\sum x_i^{\hat k}\Bigr)^{1/\hat k}
\text{Lognormal:}\quad \hat\mu=\overline{\ln x},\ \ \hat\sigma^2=\tfrac1n\sum(\ln x_i-\hat\mu)^2
\text{Gama:}\quad \ln\hat a-\psi(\hat a)=\ln\bar x-\overline{\ln x},\qquad \hat\beta=\hat a/\bar x
  • Weibull: k şekil, \lambda ölçek; yoğunluk f(x)=\tfrac k\lambda(x/\lambda)^{k-1}e^{-(x/\lambda)^k}. Denklem k için tek köklüdür (uniroot, aralık (10^{-3},10^{3}), extendInt); \hat\lambda k'dan doğrudan çıkar (112–114).
  • Lognormal: \ln X\sim N(\mu,\sigma^2); \hat\sigma en çok olabilirlik (n bölenli) kestiricisidir.
  • Gama: a şekil, \beta oran; \psi digama fonksiyonu; denklem a için tek köklüdür (127).
  • \overline{\ln x}: \ln x_i'nin ortalaması.

Normal satırı örneklem ortalaması ve standart sapmasıyla (n-1) kurulur; log olabilirliği (\hat\sigma^2, n bölenli en çok olabilirlik varyansı) ayrıca yazılır (102–106). AIC =-2\ell+2k (Akaike, 1974; k=2; en çok olabilirlik yöntemleri ve Box-Cox için; Johnson ve Clements için yoktur).

Neden profil denklemleri?

Üç dağılımın en çok olabilirlik kestiricisi tek bir değişkenli denklemin köküdür; sayısal enküçükleyici yerine kök bulma kesin ve yinelemesizdir (10^{-14} tolerans). Weibull için veri en büyük gözleme bölünerek ölçeklenir (111), böylece ölçek (10^{6}) bir sorun çıkarmaz.

121.4.3 Johnson, Clements (Pearson) ve Box-Cox

Johnson sistemi (Johnson, 1949). Z\sim N(0{,}1) olmak üzere X=\xi+\lambda\,g\bigl((Z-\gamma)/\delta\bigr); g türe göre: SU \sinh (sınırsız), SB lojistik 1/(1+e^{-u}) (sınırlı [\xi,\xi+\lambda]), SL \exp (yarı sınırlı). Parametreler SuppDists::JohnsonFit(x, moment = "quant") ile, yani örneklem yüzdeliklerinden (5, 20,6, 50, 79,4 ve 95. yüzdelikler) hesaplanır; tür otomatik seçilir. Johnson türünü ve parametrelerini yüzdeliklerden kestiren yöntemler için bkz. Slifker ve Shapiro (1980) ve Wheeler (1980). SB'de dağılım işlevi sınırda ve ötesinde hata verdiğinden sınırlarda 0/1 alınır (139–145). Yoğunluk türevle sayısal hesaplanır (146).

Clements (Pearson). Ortalama \bar x, varyans s^2 (n-1), çarpıklık \sqrt{b_1}=m_3/m_2^{3/2} ve basıklık b_2=m_4/m_2^2 (momentler n bölenli) ile Pearson sistemi eğrisi uydurulur (PearsonDS::pearsonFitM); eğri türü Pearson'un \kappa ölçütüyle seçilir (örnekte \kappa=-0{,}8003<0: Tip I, dört parametreli beta). Yüzdelikler qpearson, dağılım ppearson ile (Clements, 1989; yüzdelik yöntemi ISO 22514-2'de de tanımlıdır). Uç değer eğriyi dejenere ederse (üç yüzdelik çakışıyorsa: ardışık yüzdelik farkı örneklem ss'sinin 10^{-3} katından küçükse ya da sonlu değilse) satır tablodan çıkarılır ve not yazılır (156–162).

Box-Cox (Box ve Cox, 1964). y=(x^\lambda-1)/\lambda (\lambda=0: \ln x); \lambda profil log olabilirliğinden, aralık (-5{,}5)'te optimize ile (171, tolerans 10^{-12}); dönüştürülmüş veri normaldir:

\ell(\lambda)=-\frac n2\ln\hat\sigma_y^2(\lambda)+(\lambda-1)\sum\ln x_i\ \ (\text{sabit hariç}),\qquad \hat\sigma_y^2=\tfrac1n\sum(y_i-\bar y)^2

Spesifikasyon sınırları da dönüştürülür (L'=(LSL^\lambda-1)/\lambda) ve indeksler dönüştürülmüş ölçekte normal formüllerle verilir (191–196): P_p=(U'-L')/(6s_y), P_{pl}=(\bar y-L')/(3s_y), P_{pu}=(U'-\bar y)/(3s_y); yüzdelikler (X_{0{,}00135} vb.) ise özgün ölçeğe geri dönüştürülerek yazılır. Bu yüzden Box-Cox satırının indeksleri varsayılanda öteki satırlardaki özgün ölçek yüzdelik indekslerinden farklı bir büyüklüktür; bc_indeks = yuzdelik seçilirse Box-Cox satırı da aynı yüzdelik tanımıyla hesaplanır (P_p=0{,}957308, P_{pk}=0{,}942582; yüzdelikler ve ppm iki tanımda aynıdır). \lambda elle verilirse (bc_lambda) log olabilirlik hâlâ yazılır, AIC'de k=2 alınır.

121.4.4 Uyum: Anderson-Darling ve AIC

Anderson-Darling istatistiği (Anderson ve Darling, 1952) uydurulmuş dağılımın dağılım işlevinden hesaplanır:

A^2=-n-\frac1n\sum_{i=1}^n(2i-1)\Bigl[\ln F(x_{(i)})+\ln\bigl(1-F(x_{(n+1-i)})\bigr)\Bigr]

(184–187, F uydurulan dağılım; F 0 ve 1'den 10^{-300} ve 10^{-16} ile uzak tutulur). Küçük A^2 iyi uyumdur. Parametreler veriden kestirildiği için standart A^2 kritik değerleri geçerli olmaz; şablon yalnız bir karşılaştırma ölçüsü verir (p değeri yoktur; B8). AIC yalnız en çok olabilirlik satırlarını karşılaştırır.

121.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
58–88 .m, .paket_iste, veri, sayi_oku, LSL, USL, λ, x mq_sayisal ölçümü sayıya çevirir, sayıya çevrilemeyen metinde durur; boş gözlemler atılır ve sayıları not edilir (80–82, 89).
91–106 ad_yontem, P3, ekle() sarmalayıcı, normal Bir yöntem hata verirse not yazılır, satır çıkarılır (96–100).
107–133 Weibull, lognormal, gama (yalnız x>0) Pozitif değilse not (132–133; B6).
134–166 Johnson (JohnsonFit), Clements (pearsonFitM) SB sınır işlemi (139–145); Dejenere eğri kontrolü (156–162); Pearson türü sayısal kod (163; B7).
167–181 Box-Cox Profil log olabilirlik; λ aralık kenarında not (173).
183–213 A^2 ve satir: indeks, ppm, AIC; tablo Box-Cox indeksleri varsayılanda dönüştürülmüş ölçekte (190–196); bc_indeks = yuzdelik ise öteki satırlarla aynı yüzdelik tanımı (190).
215–227 Parametre tablosu ve "Dağılım uyumu ve …" tablosu Pearson türü "değer" sütununda sayı.
228–238 Özet yöntemin seçimi otomatik: en küçük AIC (ML satırlar).
239–264 "Süreç özeti" tablosu, Shapiro-Wilk, özet cümle, Box-Cox notu Shapiro-Wilk n>5000'de yok; Box-Cox notu bc_indeks seçimine göre değişir (259–263); notlar listesi (264).
266–287 Histogram + yoğunluk (şekil 1) ve Q–Q grafiği (şekil 2) Şekil 1: mavi yöntem yoğunluğu, turuncu kesikli normal, kırmızı noktalı sınırlar, yeşil üç yüzdelik; şekil 2: (i-0{,}5)/n olasılıklarında.

121.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/yeterlilik_normal_disi/elle_hesap.py ile yalnız numpy ve scipy kullanılarak hesaplanmıştır (Harris ve ark., 2020; Virtanen ve ark., 2020); şablon ve R paketleri çağrılmamıştır. Weibull ve gama için skor denklemlerinin iki parametreli köküyle (scipy.optimize.fsolve; log parametrelerde), Box-Cox için scipy.stats.boxcox_llf'nin enbüyüklenmesiyle, Pearson Tip I için \kappa ölçütü ve dört parametreli betanın çarpıklık/basıklık eşleştirmesiyle çözülmüştür. Johnson parametreleri iki tarafta da SuppDists::JohnsonFit'tendir (Python bu parametrelerden dağılım işlevini ve indeksleri kendi formülüyle hesaplar). R tarafı r_dogrulama.R (R Core Team, 2026): MASS::fitdistr başlangıcı ve çözümsel gradyanlı BFGS (10^{-16}; Venables ve Ripley, 2002), car::powerTransform (Fox ve ark., 2026), PearsonDS (Becker ve Klößner, 2026) ve SuppDists (Wheeler, 2026); indeksler, ppm ve A^2 R'de yeniden yazılmıştır.

Adım 1 — Temel büyüklükler. \bar x=73{,}6457, s=35{,}8849, \overline{\ln x}=4{,}16937, \ln\bar x-\overline{\ln x}=0{,}129895.

Adım 2 — Gama. \ln a-\psi(a)=0{,}129895\Rightarrow\hat a=4{,}008339; \hat\beta=\hat a/\bar x=0{,}054427; \ell=-1253{,}6251; \mathrm{AIC}=2\cdot2+2507{,}2502=2511{,}2502. Yüzdelikler X_{0{,}00135}=8{,}59375, X_{0{,}5}=67{,}62018, X_{0{,}99865}=233{,}25031: P_p=210/(233{,}25031-8{,}59375)=0{,}934760, P_{pl}=(67{,}62018-10)/(67{,}62018-8{,}59375)=0{,}976176, P_{pu}=(220-67{,}62018)/(233{,}25031-67{,}62018)=0{,}920001; P_{pk}=0{,}920001. ppm: P(X<10)=2333{,}37, P(X>220)=2364{,}14; toplam 4697{,}50.

Adım 3 — Weibull. Profil denklemin kökü \hat k=2{,}185612, \hat\lambda=83{,}346669 (fitdistrplus belgesindeki yayımlı değerler 2{,}186 ve 83{,}348); \ell=-1255{,}2247 (yayımlı -1255), AIC 2514{,}4494; P_{pk}=0{,}910504.

Adım 4 — Lognormal. \hat\mu=4{,}169370, \hat\sigma=0{,}536610; \ell=-1261{,}3193; AIC 2526{,}6386; P_{pu}=0{,}600117=P_{pk} (üst kuyruk ağır: X_{0{,}99865}=323{,}50).

Adım 5 — Clements (Pearson Tip I). \sqrt{b_1}=0{,}730925, b_2=3{,}517060, \kappa=-0{,}8003<0 → Tip I. Dört parametreli betada çarpıklık ve basıklığı eşleyen şekil parametreleri a=3{,}486264, b=17{,}435516; ölçek ve konum ortalama ve varyanstan (s^2=1287{,}7) çıkar; yüzdelikler 6{,}294794; 68{,}819790; 209{,}958885; P_p=1{,}031110, P_{pk}=0{,}940740.

Adım 6 — Johnson SU. JohnsonFit parametreleri \gamma=0{,}256111, \delta=2{,}525358, \xi=85{,}182520, \lambda=75{,}005144. x=\xi+\lambda\sinh\bigl((z-\gamma)/\delta\bigr): z=-3: -40{,}640126; z=0: 77{,}562762; z=3: 183{,}686833; P_{pk}=0{,}571583. Uyum zayıftır: örneklem yüzdelikleri (5, 20{,}6, 50, 79{,}4, 95) 24{,}65; 50; 79; 100; 130 iken uydurulan Johnson SU yüzdelikleri 23{,}24; 52{,}23; 77{,}56; 102{,}08; 128{,}54'tür (A^2=11{,}66; B3).

Adım 7 — Box-Cox. \hat\lambda=0{,}397981; dönüştürülmüş ortalama ve ss 10{,}985548 ve 2{,}741001; \ell=-1253{,}5743, AIC 2513{,}1487 (üç parametre). Spesifikasyon sınırları dönüştürülür: L'=(10^{0{,}397981}-1)/0{,}397981=3{,}76962, U'=(220^{0{,}397981}-1)/0{,}397981=18{,}98429. İndeksler dönüştürülmüş ölçekte: P_p=(U'-L')/(6s_y)=15{,}21467/16{,}44601=0{,}925129, P_{pl}=(10{,}985548-3{,}76962)/(3\cdot2{,}741001)=0{,}877530, P_{pu}=(18{,}98429-10{,}985548)/8{,}223003=0{,}972728; P_{pk}=0{,}877530 (şablon 0{,}925130; 0{,}877530; 0{,}972730 yazar; fark L' ve U''nün yuvarlanmasındandır). Aynı dağılımdan özgün ölçekte yüzdelik tanımıyla (yüzdelikler 6{,}4468; 68{,}3294; 225{,}8118) P_p=0{,}957306, P_{pk}=0{,}942580 bulunur (B2).

Adım 8 — Normal ve A^2. Normal: \ell=-1269{,}3096, P_{pk}=0{,}591202, ppm toplam 38086{,}72; A^2 sırasıyla normal 5{,}2837, gama 3{,}5671, Weibull 3{,}5731, Box-Cox 3{,}5429, Clements 3{,}4069, lognormal 4{,}5437, Johnson 11{,}6587.

121.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
Groundbeef, otomatik: Normal: logLik −1269,30958946 −1269,30958946 −1269,30958946 2,5e−15 ✓
Groundbeef, otomatik: Normal: AIC 2542,61917892 2542,61917892 2542,61917892 1,4e−15 ✓
Groundbeef, otomatik: Normal: AD 5,2837005 5,2837005 5,2837005 6,7e−16 ✓
Groundbeef, otomatik: Normal: X_0.135 −34,0089349 −34,0089349 −34,0089349 1,5e−15 ✓
Groundbeef, otomatik: Normal: X_50 73,64566929 73,64566929 73,64566929 3,9e−16 ✓
Groundbeef, otomatik: Normal: X_99.865 181,30027348 181,30027348 181,30027348 1,1e−15 ✓
Groundbeef, otomatik: Normal: Pp 0,97534147 0,97534147 0,97534147 3,3e−16 ✓
Groundbeef, otomatik: Normal: PPL 0,59120248 0,59120248 0,59120248 3,3e−16 ✓
Groundbeef, otomatik: Normal: PPU 1,35948046 1,35948046 1,35948046 1,1e−15 ✓
Groundbeef, otomatik: Normal: Ppk 0,59120248 0,59120248 0,59120248 3,3e−16 ✓
Groundbeef, otomatik: Normal: ppm_alt 38064,05237466 38064,05237466 38064,05237466 1,7e−15 ✓
Groundbeef, otomatik: Normal: ppm_ust 22,66931557 22,66931557 22,66931557 1,4e−15 ✓
Groundbeef, otomatik: Normal: ppm_toplam 38086,72169023 38086,72169023 38086,72169023 7,6e−16 ✓
Groundbeef, otomatik: Weibull: logLik −1255,22471986 −1255,22471986 −1255,22471986 1,4e−15 ✓
Groundbeef, otomatik: Weibull: AIC 2514,44943973 2514,44943973 2514,44943973 1,4e−15 ✓
Groundbeef, otomatik: Weibull: AD 3,57307185 3,57307185 3,57307223 1,1e−7 ✓
Groundbeef, otomatik: Weibull: X_0.135 4,05533741 4,05533741 4,05533801 1,5e−7 ✓
Groundbeef, otomatik: Weibull: X_50 70,47902658 70,47902658 70,47902973 4,5e−8 ✓
Groundbeef, otomatik: Weibull: X_99.865 197,73928362 197,73928362 197,73928507 7,3e−9 ✓
Groundbeef, otomatik: Weibull: Pp 1,08424061 1,08424061 1,08424061 4,4e−9 ✓
Groundbeef, otomatik: Weibull: PPL 0,91050388 0,91050388 0,91050389 1,2e−8 ✓
Groundbeef, otomatik: Weibull: PPU 1,17492277 1,17492277 1,17492276 7,7e−9 ✓
Groundbeef, otomatik: Weibull: Ppk 0,91050388 0,91050388 0,91050389 1,2e−8 ✓
Groundbeef, otomatik: Weibull: ppm_alt 9664,69446229 9664,69446229 9664,69203965 2,5e−7 ✓
Groundbeef, otomatik: Weibull: ppm_ust 238,10917508 238,10917508 238,10919021 6,4e−8 ✓
Groundbeef, otomatik: Weibull: ppm_toplam 9902,80363737 9902,80363737 9902,80122986 2,4e−7 ✓
Groundbeef, otomatik: Lognormal: logLik −1261,31929868 −1261,31929868 −1261,31929868 2,7e−15 ✓
Groundbeef, otomatik: Lognormal: AIC 2526,63859735 2526,63859735 2526,63859735 1,3e−15 ✓
Groundbeef, otomatik: Lognormal: AD 4,54365416 4,54365416 4,54365416 3,9e−16 ✓
Groundbeef, otomatik: Lognormal: X_0.135 12,92988824 12,92988824 12,92988824 4,5e−15 ✓
Groundbeef, otomatik: Lognormal: X_50 64,6747 64,6747 64,6747 1,3e−15 ✓
Groundbeef, otomatik: Lognormal: X_99.865 323,49984333 323,49984333 323,49984333 5,3e−16 ✓
Groundbeef, otomatik: Lognormal: Pp 0,67617616 0,67617616 0,67617616 2,2e−16 ✓
Groundbeef, otomatik: Lognormal: PPL 1,05662187 1,05662187 1,05662187 2,1e−15 ✓
Groundbeef, otomatik: Lognormal: PPU 0,60011674 0,60011674 0,60011674 2,2e−16 ✓
Groundbeef, otomatik: Lognormal: Ppk 0,60011674 0,60011674 0,60011674 2,2e−16 ✓
Groundbeef, otomatik: Lognormal: ppm_alt 251,78345054 251,78345054 251,78345054 5,3e−15 ✓
Groundbeef, otomatik: Lognormal: ppm_ust 11260,38279622 11260,38279622 11260,38279622 8,4e−15 ✓
Groundbeef, otomatik: Lognormal: ppm_toplam 11512,16624676 11512,16624676 11512,16624676 1,1e−14 ✓
Groundbeef, otomatik: Gama: logLik −1253,62511369 −1253,62511369 −1253,62511369 3,4e−15 ✓
Groundbeef, otomatik: Gama: AIC 2511,25022738 2511,25022738 2511,25022738 5,4e−16 ✓
Groundbeef, otomatik: Gama: AD 3,56709098 3,56709098 3,56709098 5,9e−12 ✓
Groundbeef, otomatik: Gama: X_0.135 8,59374973 8,59374973 8,59374973 5,8e−11 ✓
Groundbeef, otomatik: Gama: X_50 67,62018054 67,62018054 67,62018053 1,2e−11 ✓
Groundbeef, otomatik: Gama: X_99.865 233,25031216 233,25031216 233,25031216 5,4e−12 ✓
Groundbeef, otomatik: Gama: Pp 0,93476014 0,93476014 0,93476014 7,3e−12 ✓
Groundbeef, otomatik: Gama: PPL 0,97617592 0,97617592 0,97617592 8,5e−12 ✓
Groundbeef, otomatik: Gama: PPU 0,92000059 0,92000059 0,92000059 6,6e−12 ✓
Groundbeef, otomatik: Gama: Ppk 0,92000059 0,92000059 0,92000059 6,6e−12 ✓
Groundbeef, otomatik: Gama: ppm_alt 2333,36600928 2333,36600928 2333,36600972 1,9e−10 ✓
Groundbeef, otomatik: Gama: ppm_ust 2364,13676632 2364,13676632 2364,13676642 4,4e−11 ✓
Groundbeef, otomatik: Gama: ppm_toplam 4697,50277559 4697,50277559 4697,50277615 1,2e−10 ✓
Groundbeef, otomatik: Johnson SU: AD 11,65870515 11,65870515 — 2,0e−14 ✓
Groundbeef, otomatik: Johnson SU: X_0.135 −40,64012554 −40,64012554 — 8,9e−15 ✓
Groundbeef, otomatik: Johnson SU: X_50 77,56276185 77,56276185 — 5,5e−16 ✓
Groundbeef, otomatik: Johnson SU: X_99.865 183,68683268 183,68683268 — 1,4e−15 ✓
Groundbeef, otomatik: Johnson SU: Pp 0,93613359 0,93613359 — 2,4e−15 ✓
Groundbeef, otomatik: Johnson SU: PPL 0,57158301 0,57158301 — 1,7e−15 ✓
Groundbeef, otomatik: Johnson SU: PPU 1,34217654 1,34217654 — 1,3e−15 ✓
Groundbeef, otomatik: Johnson SU: Ppk 0,57158301 0,57158301 — 1,7e−15 ✓
Groundbeef, otomatik: Johnson SU: ppm_alt 24196,97993855 24196,97993855 — 1,5e−14 ✓
Groundbeef, otomatik: Johnson SU: ppm_ust 124,48377279 124,48377279 — 3,4e−15 ✓
Groundbeef, otomatik: Johnson SU: ppm_toplam 24321,46371134 24321,46371134 — 1,5e−14 ✓
Groundbeef, otomatik: Clements (Pearson): AD 3,40693662 3,40693662 3,40693662 3,9e−16 ✓
Groundbeef, otomatik: Clements (Pearson): X_0.135 6,29479356 6,29479356 6,29479356 9,0e−15 ✓
Groundbeef, otomatik: Clements (Pearson): X_50 68,81978954 68,81978954 68,81978954 1,0e−15 ✓
Groundbeef, otomatik: Clements (Pearson): X_99.865 209,95888484 209,95888484 209,95888484 5,4e−16 ✓
Groundbeef, otomatik: Clements (Pearson): Pp 1,0311096 1,0311096 1,0311096 1,5e−15 ✓
Groundbeef, otomatik: Clements (Pearson): PPL 0,9407404 0,9407404 0,9407404 1,0e−15 ✓
Groundbeef, otomatik: Clements (Pearson): PPU 1,0711434 1,0711434 1,0711434 1,7e−15 ✓
Groundbeef, otomatik: Clements (Pearson): Ppk 0,9407404 0,9407404 0,9407404 1,0e−15 ✓
Groundbeef, otomatik: Clements (Pearson): ppm_alt 4725,10550582 4725,10550582 4725,10550582 1,2e−14 ✓
Groundbeef, otomatik: Clements (Pearson): ppm_ust 708,36286907 708,36286907 708,36286907 1,6e−13 ✓
Groundbeef, otomatik: Clements (Pearson): ppm_toplam 5433,46837489 5433,46837489 5433,46837489 9,0e−15 ✓
Groundbeef, otomatik: Box-Cox: logLik −1253,57434566 −1253,57434566 −1253,57434566 1,5e−15 ✓
Groundbeef, otomatik: Box-Cox: AIC 2513,14869131 2513,14869131 2513,14869131 1,4e−15 ✓
Groundbeef, otomatik: Box-Cox: AD 3,54289153 3,54289153 3,54289152 2,5e−9 ✓
Groundbeef, otomatik: Box-Cox: X_0.135 6,44680002 6,4467999 6,44679841 2,5e−7 ✓
Groundbeef, otomatik: Box-Cox: X_50 68,32939729 68,32939735 68,32939797 9,9e−9 ✓
Groundbeef, otomatik: Box-Cox: X_99.865 225,81184454 225,81184376 225,81183471 4,4e−8 ✓
Groundbeef, otomatik: Box-Cox: Pp 0,92513004 0,92513004 0,92513004 8,4e−10 ✓
Groundbeef, otomatik: Box-Cox: PPL 0,87752989 0,87752989 0,87752985 4,5e−8 ✓
Groundbeef, otomatik: Box-Cox: PPU 0,97273018 0,97273019 0,97273023 4,3e−8 ✓
Groundbeef, otomatik: Box-Cox: Ppk 0,87752989 0,87752989 0,87752985 4,5e−8 ✓
Groundbeef, otomatik: Box-Cox: ppm_alt 4236,83239889 4236,83253187 4236,83407967 4,0e−7 ✓
Groundbeef, otomatik: Box-Cox: ppm_ust 1760,34564782 1760,34558987 1760,34491532 4,2e−7 ✓
Groundbeef, otomatik: Box-Cox: ppm_toplam 5997,17804671 5997,17812174 5997,178995 1,6e−7 ✓
Box-Cox λ = 0,5: Normal: logLik −1269,30958946 −1269,30958946 −1269,30958946 2,5e−15 ✓
Box-Cox λ = 0,5: Normal: AD 5,2837005 5,2837005 5,2837005 6,7e−16 ✓
Box-Cox λ = 0,5: Normal: Ppk 0,59120248 0,59120248 0,59120248 3,3e−16 ✓
Box-Cox λ = 0,5: Normal: ppm_toplam 38086,72169023 38086,72169023 38086,72169023 7,6e−16 ✓
Box-Cox λ = 0,5: Weibull: logLik −1255,22471986 −1255,22471986 −1255,22471986 1,4e−15 ✓
Box-Cox λ = 0,5: Weibull: AD 3,57307185 3,57307185 3,57307223 1,1e−7 ✓
Box-Cox λ = 0,5: Weibull: Ppk 0,91050388 0,91050388 0,91050389 1,2e−8 ✓
Box-Cox λ = 0,5: Weibull: ppm_toplam 9902,80363737 9902,80363737 9902,80122986 2,4e−7 ✓
Box-Cox λ = 0,5: Lognormal: logLik −1261,31929868 −1261,31929868 −1261,31929868 2,7e−15 ✓
Box-Cox λ = 0,5: Lognormal: AD 4,54365416 4,54365416 4,54365416 3,9e−16 ✓
Box-Cox λ = 0,5: Lognormal: Ppk 0,60011674 0,60011674 0,60011674 2,2e−16 ✓
Box-Cox λ = 0,5: Lognormal: ppm_toplam 11512,16624676 11512,16624676 11512,16624676 1,1e−14 ✓
Box-Cox λ = 0,5: Gama: logLik −1253,62511369 −1253,62511369 −1253,62511369 3,4e−15 ✓
Box-Cox λ = 0,5: Gama: AD 3,56709098 3,56709098 3,56709098 5,9e−12 ✓
Box-Cox λ = 0,5: Gama: Ppk 0,92000059 0,92000059 0,92000059 6,6e−12 ✓
Box-Cox λ = 0,5: Gama: ppm_toplam 4697,50277559 4697,50277559 4697,50277615 1,2e−10 ✓
Box-Cox λ = 0,5: Johnson SU: AD 11,65870515 11,65870515 — 2,0e−14 ✓
Box-Cox λ = 0,5: Johnson SU: Ppk 0,57158301 0,57158301 — 1,7e−15 ✓
Box-Cox λ = 0,5: Johnson SU: ppm_toplam 24321,46371134 24321,46371134 — 1,5e−14 ✓
Box-Cox λ = 0,5: Clements (Pearson): AD 3,40693662 3,40693662 3,40693662 3,9e−16 ✓
Box-Cox λ = 0,5: Clements (Pearson): Ppk 0,9407404 0,9407404 0,9407404 1,0e−15 ✓
Box-Cox λ = 0,5: Clements (Pearson): ppm_toplam 5433,46837489 5433,46837489 5433,46837489 9,0e−15 ✓
Box-Cox λ = 0,5: Box-Cox: logLik −1254,05324755 −1254,05324755 −1254,05324755 2,7e−15 ✓
Box-Cox λ = 0,5: Box-Cox: AD 3,58736534 3,58736534 3,58736534 6,2e−16 ✓
Box-Cox λ = 0,5: Box-Cox: Ppk 0,8185469 0,8185469 0,8185469 3,3e−16 ✓
Box-Cox λ = 0,5: Box-Cox: ppm_toplam 8002,87480757 8002,87480757 8002,87480757 3,1e−15 ✓
Yalnız LSL: Normal: Ppk 0,59120248 0,59120248 0,59120248 3,3e−16 ✓
Yalnız LSL: Normal: ppm_alt 38064,05237466 38064,05237466 38064,05237466 1,7e−15 ✓
Yalnız LSL: Weibull: Ppk 0,91050388 0,91050388 0,91050389 1,2e−8 ✓
Yalnız LSL: Weibull: ppm_alt 9664,69446229 9664,69446229 9664,69203965 2,5e−7 ✓
Yalnız LSL: Lognormal: Ppk 1,05662187 1,05662187 1,05662187 2,1e−15 ✓
Yalnız LSL: Lognormal: ppm_alt 251,78345054 251,78345054 251,78345054 5,3e−15 ✓
Yalnız LSL: Gama: Ppk 0,97617592 0,97617592 0,97617592 8,5e−12 ✓
Yalnız LSL: Gama: ppm_alt 2333,36600928 2333,36600928 2333,36600972 1,9e−10 ✓
Yalnız LSL: Johnson SU: Ppk 0,57158301 0,57158301 — 1,7e−15 ✓
Yalnız LSL: Johnson SU: ppm_alt 24196,97993855 24196,97993855 — 1,5e−14 ✓
Yalnız LSL: Clements (Pearson): Ppk 0,9407404 0,9407404 0,9407404 1,0e−15 ✓
Yalnız LSL: Clements (Pearson): ppm_alt 4725,10550582 4725,10550582 4725,10550582 1,2e−14 ✓
Yalnız LSL: Box-Cox: Ppk 0,87752989 0,87752989 0,87752985 4,5e−8 ✓
Yalnız LSL: Box-Cox: ppm_alt 4236,83239889 4236,83253187 4236,83407967 4,0e−7 ✓
Yalnız USL: Normal: Ppk 1,35948046 1,35948046 1,35948046 1,1e−15 ✓
Yalnız USL: Normal: ppm_ust 22,66931557 22,66931557 22,66931557 1,4e−15 ✓
Yalnız USL: Weibull: Ppk 1,17492277 1,17492277 1,17492276 7,7e−9 ✓
Yalnız USL: Weibull: ppm_ust 238,10917508 238,10917508 238,10919021 6,4e−8 ✓
Yalnız USL: Lognormal: Ppk 0,60011674 0,60011674 0,60011674 2,2e−16 ✓
Yalnız USL: Lognormal: ppm_ust 11260,38279622 11260,38279622 11260,38279622 8,4e−15 ✓
Yalnız USL: Gama: Ppk 0,92000059 0,92000059 0,92000059 6,6e−12 ✓
Yalnız USL: Gama: ppm_ust 2364,13676632 2364,13676632 2364,13676642 4,4e−11 ✓
Yalnız USL: Johnson SU: Ppk 1,34217654 1,34217654 — 1,3e−15 ✓
Yalnız USL: Johnson SU: ppm_ust 124,48377279 124,48377279 — 3,4e−15 ✓
Yalnız USL: Clements (Pearson): Ppk 1,0711434 1,0711434 1,0711434 1,7e−15 ✓
Yalnız USL: Clements (Pearson): ppm_ust 708,36286907 708,36286907 708,36286907 1,6e−13 ✓
Yalnız USL: Box-Cox: Ppk 0,97273018 0,97273019 0,97273023 4,3e−8 ✓
Yalnız USL: Box-Cox: ppm_ust 1760,34564782 1760,34558987 1760,34491532 4,2e−7 ✓
Negatif değerli veri (üç yöntem): Normal: logLik −1269,30958946 −1269,30958946 −1269,30958946 2,5e−15 ✓
Negatif değerli veri (üç yöntem): Normal: Ppk 0,59120248 0,59120248 0,59120248 5,6e−16 ✓
Negatif değerli veri (üç yöntem): Normal: ppm_toplam 38086,72169023 38086,72169023 38086,72169023 1,5e−15 ✓
Negatif değerli veri (üç yöntem): Johnson SU: Ppk 0,57158301 0,57158301 — 1,8e−15 ✓
Negatif değerli veri (üç yöntem): Johnson SU: ppm_toplam 24321,46371134 24321,46371134 — 1,1e−14 ✓
Negatif değerli veri (üç yöntem): Clements (Pearson): Ppk 0,9407404 0,9407404 0,9407404 2,2e−16 ✓
Negatif değerli veri (üç yöntem): Clements (Pearson): ppm_toplam 5433,46837489 5433,46837489 5433,46837489 1,5e−14 ✓
Normal veri n = 200: Normal: logLik −722,81941354 −722,81941354 −722,81941354 4,7e−16 ✓
Normal veri n = 200: Normal: Ppk 1,46531333 1,46531333 1,46531333 2,0e−15 ✓
Normal veri n = 200: Normal: ppm_toplam 9,09202011 9,09202011 9,09202011 2,0e−16 ✓
Normal veri n = 200: Weibull: logLik −725,97032903 −725,97032903 −725,97032903 3,1e−16 ✓
Normal veri n = 200: Weibull: Ppk 1,01682833 1,01682833 1,01682833 7,6e−10 ✓
Normal veri n = 200: Weibull: ppm_toplam 1176,64348383 1176,64348383 1176,64347635 6,4e−9 ✓
Normal veri n = 200: Lognormal: logLik −725,28956362 −725,28956362 −725,28956362 1,4e−15 ✓
Normal veri n = 200: Lognormal: Ppk 1,30036983 1,30036983 1,30036983 1,4e−15 ✓
Normal veri n = 200: Lognormal: ppm_toplam 84,76025959 84,76025959 84,76025959 5,0e−16 ✓
Normal veri n = 200: Gama: logLik −724,20273115 −724,20273115 −724,20273115 7,5e−15 ✓
Normal veri n = 200: Gama: Ppk 1,37043986 1,37043986 1,37043986 3,2e−10 ✓
Normal veri n = 200: Gama: ppm_toplam 32,48581917 32,48581917 32,48581929 3,7e−9 ✓
Normal veri n = 200: Johnson SB: Ppk 1,73468307 1,73468307 — 4,6e−15 ✓
Normal veri n = 200: Johnson SB: ppm_toplam 0 0 — 0 ✓
Normal veri n = 200: Clements (Pearson): Ppk 1,49901922 1,49901922 1,49901922 2,7e−15 ✓
Normal veri n = 200: Clements (Pearson): ppm_toplam 5,395632·10−4 5,395632·10−4 5,395632·10−4 7,0e−17 ✓
Normal veri n = 200: Box-Cox: logLik −722,43773465 −722,43773465 −722,43773465 4,7e−16 ✓
Normal veri n = 200: Box-Cox: Ppk 1,29680144 1,29680138 1,29680138 4,9e−8 ✓
Normal veri n = 200: Box-Cox: ppm_toplam 50,3308396 50,3308742 50,33087883 7,8e−7 ✓
Sınırlı destek (Beta): Normal: logLik −284,61584008 −284,61584008 −284,61584008 1,6e−15 ✓
Sınırlı destek (Beta): Normal: Ppk 0,60168182 0,60168182 0,60168182 5,6e−16 ✓
Sınırlı destek (Beta): Normal: ppm_toplam 35561,47382516 35561,47382516 35561,47382516 1,2e−15 ✓
Sınırlı destek (Beta): Weibull: logLik −280,57660979 −280,57660979 −280,57660979 2,0e−16 ✓
Sınırlı destek (Beta): Weibull: Ppk 0,80900853 0,80900853 0,80900853 6,5e−10 ✓
Sınırlı destek (Beta): Weibull: ppm_toplam 20710,71487181 20710,71487181 20710,71479495 3,7e−9 ✓
Sınırlı destek (Beta): Lognormal: logLik −284,42732564 −284,42732564 −284,42732564 2,0e−16 ✓
Sınırlı destek (Beta): Lognormal: Ppk 0,67849736 0,67849736 0,67849736 7,8e−16 ✓
Sınırlı destek (Beta): Lognormal: ppm_toplam 11031,26121405 11031,26121405 11031,26121405 3,6e−15 ✓
Sınırlı destek (Beta): Gama: logLik −280,87599488 −280,87599488 −280,87599488 1,8e−15 ✓
Sınırlı destek (Beta): Gama: Ppk 0,89211762 0,89211762 0,89211761 5,7e−10 ✓
Sınırlı destek (Beta): Gama: ppm_toplam 9445,59105961 9445,59105961 9445,59109567 3,8e−9 ✓
Sınırlı destek (Beta): Johnson SB: Ppk 1,00660779 1,00660779 — 1,3e−15 ✓
Sınırlı destek (Beta): Johnson SB: ppm_toplam 886,07964384 886,07964384 — 1,0e−15 ✓
Sınırlı destek (Beta): Clements (Pearson): Ppk 0,8790355 0,8790355 0,8790355 5,6e−16 ✓
Sınırlı destek (Beta): Clements (Pearson): ppm_toplam 12336,22062316 12336,22062316 12336,22062316 6,5e−15 ✓
Sınırlı destek (Beta): Box-Cox: logLik −280,67648448 −280,67648448 −280,67648448 6,1e−16 ✓
Sınırlı destek (Beta): Box-Cox: Ppk 0,7481959 0,7481959 0,74819587 3,0e−8 ✓
Sınırlı destek (Beta): Box-Cox: ppm_toplam 13371,27859481 13371,27892687 13371,28102417 1,8e−7 ✓
Lognormal n = 60: Normal: logLik −288,73209771 −288,73209771 −288,73209771 7,9e−16 ✓
Lognormal n = 60: Normal: Ppk 0,48819299 0,48819299 0,48819299 4,4e−16 ✓
Lognormal n = 60: Normal: ppm_toplam 71517,90994367 71517,90994367 71517,90994367 1,4e−15 ✓
Lognormal n = 60: Weibull: logLik −281,50993971 −281,50993971 −281,50993971 1,8e−15 ✓
Lognormal n = 60: Weibull: Ppk 0,83640103 0,83640103 0,83640103 4,1e−12 ✓
Lognormal n = 60: Weibull: ppm_toplam 29114,32972461 29114,32972461 29114,32971969 1,7e−10 ✓
Lognormal n = 60: Lognormal: logLik −276,14280885 −276,14280885 −276,14280885 8,2e−16 ✓
Lognormal n = 60: Lognormal: Ppk 1,00624906 1,00624906 1,00624906 2,9e−15 ✓
Lognormal n = 60: Lognormal: ppm_toplam 1178,21298221 1178,21298221 1178,21298221 1,2e−15 ✓
Lognormal n = 60: Gama: logLik −277,83313111 −277,83313111 −277,83313111 0 ✓
Lognormal n = 60: Gama: Ppk 0,91121857 0,91121857 0,91121857 5,0e−10 ✓
Lognormal n = 60: Gama: ppm_toplam 7370,07863358 7370,07863358 7370,07857565 7,9e−9 ✓
Lognormal n = 60: Johnson SL: Ppk 0,99699364 0,99699364 — 0 ✓
Lognormal n = 60: Johnson SL: ppm_toplam 1434,19165528 1434,19165528 — 9,0e−15 ✓
Lognormal n = 60: Clements (Pearson): Ppk 1,33441065 1,33441065 1,33441065 1,7e−15 ✓
Lognormal n = 60: Clements (Pearson): ppm_toplam 0,79411587 0,79411587 0,79411587 2,2e−16 ✓
Lognormal n = 60: Box-Cox: logLik −276,08011029 −276,08011029 −276,08011029 8,2e−16 ✓
Lognormal n = 60: Box-Cox: Ppk 1,06611309 1,06611307 1,06611303 5,4e−8 ✓
Lognormal n = 60: Box-Cox: ppm_toplam 752,87075703 752,87087705 752,87110218 4,6e−7 ✓
Lognormal n = 5200: Normal: logLik −25535,93727243 −25535,93727243 −25535,93727243 4,3e−16 ✓
Lognormal n = 5200: Normal: Ppk 0,52473805 0,52473805 0,52473805 5,6e−16 ✓
Lognormal n = 5200: Normal: ppm_toplam 57718,97486475 57718,97486475 57718,97486475 1,3e−16 ✓
Lognormal n = 5200: Weibull: logLik −24972,841535 −24972,841535 −24972,841535 1,5e−16 ✓
Lognormal n = 5200: Weibull: Ppk 0,86669604 0,86669604 0,86669604 1,1e−9 ✓
Lognormal n = 5200: Weibull: ppm_toplam 20140,55531765 20140,55531765 20140,55548475 8,3e−9 ✓
Lognormal n = 5200: Lognormal: logLik −24529,55903491 −24529,55903491 −24529,55903491 1,2e−15 ✓
Lognormal n = 5200: Lognormal: Ppk 1,0544791 1,0544791 1,0544791 1,7e−15 ✓
Lognormal n = 5200: Lognormal: ppm_toplam 346,1602204 346,1602204 346,1602204 1,6e−15 ✓
Lognormal n = 5200: Gama: logLik −24645,9080913 −24645,9080913 −24645,9080913 5,9e−16 ✓
Lognormal n = 5200: Gama: Ppk 0,95364465 0,95364465 0,95364464 5,4e−9 ✓
Lognormal n = 5200: Gama: ppm_toplam 3538,6177551 3538,6177551 3538,61811493 1,0e−7 ✓
Lognormal n = 5200: Johnson SL: Ppk 1,05420757 1,05420757 — 4,2e−16 ✓
Lognormal n = 5200: Johnson SL: ppm_toplam 349,0008561 349,0008561 — 3,6e−14 ✓
Lognormal n = 5200: Clements (Pearson): Ppk 1,18816657 — 1,18816657 0 ✓
Lognormal n = 5200: Clements (Pearson): ppm_toplam 29,00908302 — 29,00908302 0 ✓
Lognormal n = 5200: Box-Cox: logLik −24529,22504038 −24529,22504038 −24529,22504038 2,1e−15 ✓
Lognormal n = 5200: Box-Cox: Ppk 1,15570596 1,15570594 1,15570598 1,8e−8 ✓
Lognormal n = 5200: Box-Cox: ppm_toplam 302,87245418 302,87250064 302,87240925 1,5e−7 ✓
Ölçek ×10⁶: Normal: Pp 0,97534147 0,97534147 0,97534147 4,4e−16 ✓
Ölçek ×10⁶: Normal: Ppk 0,59120248 0,59120248 0,59120248 6,7e−16 ✓
Ölçek ×10⁶: Normal: ppm_toplam 38086,72169023 38086,72169023 38086,72169023 7,6e−16 ✓
Ölçek ×10⁶: Weibull: Pp 1,08424061 1,08424061 1,08424063 1,7e−8 ✓
Ölçek ×10⁶: Weibull: Ppk 0,91050388 0,91050388 0,91050388 1,6e−9 ✓
Ölçek ×10⁶: Weibull: ppm_toplam 9902,80363737 9902,80363737 9902,80310123 5,4e−8 ✓
Ölçek ×10⁶: Lognormal: Pp 0,67617616 0,67617616 0,67617616 2,4e−15 ✓
Ölçek ×10⁶: Lognormal: Ppk 0,60011674 0,60011674 0,60011674 2,8e−15 ✓
Ölçek ×10⁶: Lognormal: ppm_toplam 11512,16624676 11512,16624676 11512,16624676 1,7e−14 ✓
Ölçek ×10⁶: Gama: Pp 0,93476014 0,93476014 0,93476014 4,8e−9 ✓
Ölçek ×10⁶: Gama: Ppk 0,92000059 0,92000059 0,92000059 7,3e−9 ✓
Ölçek ×10⁶: Gama: ppm_toplam 4697,50277559 4697,50277559 4697,50279316 3,7e−9 ✓
Ölçek ×10⁶: Johnson SU: Pp 0,93613359 0,93613359 — 5,6e−16 ✓
Ölçek ×10⁶: Johnson SU: Ppk 0,57158301 0,57158301 — 2,2e−16 ✓
Ölçek ×10⁶: Johnson SU: ppm_toplam 24321,46371134 24321,46371134 — 2,7e−15 ✓
Ölçek ×10⁶: Clements (Pearson): Pp 1,0311096 1,0311096 1,0311096 1,9e−15 ✓
Ölçek ×10⁶: Clements (Pearson): Ppk 0,9407404 0,9407404 0,9407404 5,6e−16 ✓
Ölçek ×10⁶: Clements (Pearson): ppm_toplam 5433,46837489 5433,46837489 5433,46837489 1,8e−14 ✓
Ölçek ×10⁶: Box-Cox: Pp 0,92513004 0,92513004 0,92513004 1,2e−9 ✓
Ölçek ×10⁶: Box-Cox: Ppk 0,87752991 0,87752995 0,87752985 6,2e−8 ✓
Ölçek ×10⁶: Box-Cox: ppm_toplam 5997,1776851 5997,17695462 5997,17899506 2,2e−7 ✓
Eksik değerli (3 boş): Normal: logLik −1253,72273758 −1253,72273758 −1253,72273758 3,3e−15 ✓
Eksik değerli (3 boş): Normal: Ppk 0,59192158 0,59192158 0,59192158 4,4e−16 ✓
Eksik değerli (3 boş): Normal: ppm_toplam 37907,41742269 37907,41742269 37907,41742269 3,8e−16 ✓
Eksik değerli (3 boş): Weibull: logLik −1239,72210414 −1239,72210414 −1239,72210414 1,8e−16 ✓
Eksik değerli (3 boş): Weibull: Ppk 0,91058481 0,91058481 0,91058481 2,6e−10 ✓
Eksik değerli (3 boş): Weibull: ppm_toplam 9858,89477562 9858,89477562 9858,89479979 2,5e−9 ✓
Eksik değerli (3 boş): Lognormal: logLik −1245,2685088 −1245,2685088 −1245,2685088 3,7e−15 ✓
Eksik değerli (3 boş): Lognormal: Ppk 0,60568582 0,60568582 0,60568582 2,2e−16 ✓
Eksik değerli (3 boş): Lognormal: ppm_toplam 11190,5484582 11190,5484582 11190,5484582 2,0e−15 ✓
Eksik değerli (3 boş): Gama: logLik −1237,82546459 −1237,82546459 −1237,82546459 3,7e−16 ✓
Eksik değerli (3 boş): Gama: Ppk 0,92553041 0,92553041 0,9255304 1,5e−8 ✓
Eksik değerli (3 boş): Gama: ppm_toplam 4533,05789773 4533,05789773 4533,05777769 2,6e−8 ✓
Eksik değerli (3 boş): Johnson SU: Ppk 0,58173221 0,58173221 — 0 ✓
Eksik değerli (3 boş): Johnson SU: ppm_toplam 23521,92602286 23521,92602286 — 1,5e−16 ✓
Eksik değerli (3 boş): Clements (Pearson): Ppk 0,94921282 0,94921282 0,94921282 1,1e−16 ✓
Eksik değerli (3 boş): Clements (Pearson): ppm_toplam 4858,83379219 4858,83379219 4858,83379219 1,3e−15 ✓
Eksik değerli (3 boş): Box-Cox: logLik −1237,78962017 −1237,78962017 −1237,78962017 1,1e−15 ✓
Eksik değerli (3 boş): Box-Cox: Ppk 0,88427439 0,88427438 0,88427434 5,1e−8 ✓
Eksik değerli (3 boş): Box-Cox: ppm_toplam 5741,14615727 5741,14636154 5741,14715642 1,7e−7 ✓
Parametre: Normal: ortalama 73,64566929 73,64566929 — 3,9e−16 ✓
Parametre: Normal: standart sapma 35,88486806 35,88486806 — 9,9e−16 ✓
Parametre: Weibull: şekil 2,18561233 2,18561233 — 2,6e−15 ✓
Parametre: Weibull: ölçek 83,34666883 83,34666883 — 1,7e−16 ✓
Parametre: Lognormal: meanlog 4,16937009 4,16937009 — 1,1e−15 ✓
Parametre: Lognormal: sdlog 0,53660951 0,53660951 — 1,1e−16 ✓
Parametre: Gama: şekil 4,00833903 4,00833903 — 8,9e−16 ✓
Parametre: Gama: oran 0,05442736 0,05442736 — 2,8e−17 ✓
Parametre: Johnson SU: gamma 0,25611135 0,25611135 0,25611135 0 ✓
Parametre: Johnson SU: delta 2,52535761 2,52535761 2,52535761 0 ✓
Parametre: Johnson SU: xi 85,18252007 85,18252007 85,18252007 0 ✓
Parametre: Johnson SU: lambda 75,00514389 75,00514389 75,00514389 0 ✓
Parametre: Clements (Pearson): çarpıklık √b1 0,73092517 0,73092517 0,73092517 1,1e−16 ✓
Parametre: Clements (Pearson): basıklık b2 3,51706005 3,51706005 3,51706005 1,1e−15 ✓
Parametre: Box-Cox: lambda 0,39798123 0,39798124 — 5,9e−9 ✓
Parametre: Box-Cox: ortalama (dönüştürülmüş) 10,98554787 10,98554804 — 1,6e−8 ✓
Parametre: Box-Cox: standart sapma (dönüştürülmüş) 2,74100049 2,74100056 — 2,5e−8 ✓

Ölçütü karşılayan: 281/281. Ölçüt bu bölümde 2·10⁻⁶ (göreli): Box-Cox λ için profil olabilirliği tepe noktasında düz olduğundan her enküçükleyici λ'yı yaklaşık 10⁻⁷ duyarlıkla bulur ve bu duyarlık ppm değerlerine 10⁻⁶ mertebesinde yansır. Johnson parametreleri iki tarafta da SuppDists::JohnsonFit ile (yüzdelik yöntemi) elde edilir; Python bu parametrelerden dağılım işlevini, yüzdelikleri, AD ve ppm değerlerini kendi formülüyle hesaplar. Pearson (Clements) için Python, κ ölçütüyle Tip I'i seçip dört parametreli betayı çarpıklık ve basıklık eşleştirmesiyle çözer (yalnız κ < 0 ise); R paketi PearsonDS'i doğrudan çağırır. Weibull ve gama için R MASS::fitdistr (optim, reltol 10⁻¹⁴), Python skor denklemleri; Box-Cox için R car::powerTransform, Python scipy.stats.boxcox_llf'nin enbüyüklenmesi kullanılır.

Yayımlı değer. fitdistrplus belgesi (Delignette-Muller ve Dutang, 2015), groundbeef için: Weibull şekil 2{,}186, ölçek 83{,}348, log olabilirlik -1255; gama şekil 4{,}008, oran 0{,}05442. MerQuR+'ın 2{,}185612; 83{,}346669; -1255{,}2247; 4{,}008339; 0{,}054427 değerleri bunlarla yayımlı basamak sayısında uyuşur (yayımlı ölçek 83{,}348, MerQuR+ 83{,}3467: fark yayımlı değerin yuvarlamasından ve optimizasyon toleransından gelir).

121.7 Çıktıyı okuma

Örnek ayar (yn_ornek; stdout.txt):

Shapiro-Wilk normalliği reddediyor: normal dağılıma dayanan indeksler yerine uydurulan dağılımın indeksleri kullanılmalı.
Gama: Pp = 0,9348, Ppk = 0,9200 (PPL = 0,9762, PPU = 0,9200); beklenen 4697,5 ppm spesifikasyon dışı.
Box-Cox satırında indeksler dönüştürülmüş ölçekte (spesifikasyon sınırları da dönüştürülerek) normal formüllerle hesaplandı; yüzdelikler özgün ölçeğe geri dönüştürüldü. Bu satırın Pp/Ppk değerleri öteki satırlardan farklı tanımdadır; özgün ölçekteki yüzdelik tanımı için 'Box-Cox indeks tanımı' seçeneğini kullanın.

Tablolar: 1 uydurulan dağılım parametreleri, 2 dağılım uyumu ve yüzdelik yöntemiyle indeksler (7 satır), 3 süreç özeti.

Tablo 1 (parametreler):

yontem parametre deger
Normal ortalama 73.645669
Normal standart sapma 35.884868
Weibull şekil 2.185612
Weibull ölçek 83.346669
Lognormal meanlog 4.169370
Lognormal sdlog 0.536610
Gama şekil 4.008339
Gama oran 0.054427
Johnson SU gamma 0.256111
Johnson SU delta 2.525358
Johnson SU xi 85.182520
Johnson SU lambda 75.005144
Clements (Pearson) çarpıklık √b1 0.730925
Clements (Pearson) basıklık b2 3.517060
Clements (Pearson) Pearson türü 1.000000
Box-Cox lambda 0.397981
Box-Cox ortalama (dönüştürülmüş) 10.985548
Box-Cox standart sapma (dönüştürülmüş) 2.741000

Tablo 2 (uyum ve yüzdelikler; sütunlar yontem, logLik, AIC, AD, X_0.135, X_50, X_99.865):

yontem logLik AIC AD X_0.135 X_50 X_99.865
Normal −1269.309589 2542.619179 5.283700 −34.008935 73.645669 181.300273
Weibull −1255.224720 2514.449440 3.573072 4.055337 70.479027 197.739284
Lognormal −1261.319299 2526.638597 4.543654 12.929888 64.674700 323.499843
Gama −1253.625114 2511.250227 3.567091 8.593750 67.620181 233.250312
Johnson SU NaN NaN 11.658705 −40.640126 77.562762 183.686833
Clements (Pearson) NaN NaN 3.406937 6.294794 68.819790 209.958885
Box-Cox −1253.574346 2513.148691 3.542892 6.446800 68.329397 225.811845

Tablo 2 (devam; indeksler ve beklenen ppm; sütunlar yontem, Pp, PPL, PPU, Ppk, ppm_alt, ppm_ust, ppm_toplam):

yontem Pp PPL PPU Ppk ppm_alt ppm_ust ppm_toplam
Normal 0.975341 0.591202 1.359480 0.591202 38064.052375 22.669316 38086.721690
Weibull 1.084241 0.910504 1.174923 0.910504 9664.694462 238.109175 9902.803637
Lognormal 0.676176 1.056622 0.600117 0.600117 251.783451 11260.382796 11512.166247
Gama 0.934760 0.976176 0.920001 0.920001 2333.366009 2364.136766 4697.502776
Johnson SU 0.936134 0.571583 1.342177 0.571583 24196.979939 124.483773 24321.463711
Clements (Pearson) 1.031110 0.940740 1.071143 0.940740 4725.105506 708.362869 5433.468375
Box-Cox 0.925130 0.877530 0.972730 0.877530 4236.832399 1760.345648 5997.178047

Tablo 3 (süreç özeti):

olcut deger
n 254
Ortalama 73,64566929
Standart sapma 35,88486806
Çarpıklık √b1 0,73092517
Basıklık b2 3,51706
LSL 10
USL 220
Shapiro-Wilk W 0,93670944
Shapiro-Wilk p 5,4849305e-09
Gözlenen ppm < LSL 0
Gözlenen ppm > USL 0
Özetlenen yöntem Gama

Şekil 121.1. Gama yoğunluğu (mavi, sürekli), normal yoğunluk (turuncu, kesikli), spesifikasyon sınırları (kırmızı noktalı) ve gama yüzdelikleri X_{0{,}00135}, X_{0{,}5}, X_{0{,}99865} (yeşil noktalı çizgiler). Histogram sağa çarpıktır; normal eğri alt sınırın (10) altına belirgin kütle koyar.

Şekil 121.2. Gama için olasılık (Q–Q) grafiği: gözlem (dikey) ile uydurulan dağılımın yüzdeliği (yatay); kırmızı çizgi y=x. Noktalar çizgi etrafındadır; uç değerlerde bağlı gözlemler basamaklar oluşturur.

Öğe Ne yazar Nasıl yorumlanır
logLik, AIC En çok olabilirlik yöntemleri (ve Box-Cox) için Küçük AIC iyi uyum; Johnson ve Clements'te NaN
AD Anderson-Darling A^2 Küçük iyi uyum; p değeri değil; yöntemleri karşılaştırır (B8)
X_0.135, X_50, X_99.865 Uydurulan dağılımın yüzdelikleri Süreç yayılımının "6\sigma genişliği"nin dağılıma uyarlanmış hâli
Pp, PPL, PPU, Ppk Yüzdelik yöntemi (ISO 22514-2) Box-Cox satırı dönüştürülmüş ölçektedir (B2)
ppm_alt, ppm_ust, ppm_toplam Uydurulan dağılımdan beklenen sınır dışı oran Gözlenen ppm ile birlikte okunur
Özet metin ve şekil dagilim ile seçilen yöntem otomatik yalnız ML satırlarından en küçük AIC'yi seçer

Rapor cümlesi. Kıyma porsiyon büyüklüğü (n=254; LSL =10 g, USL =220 g) normal dağılımdan sapmıştır (Shapiro-Wilk W=0{,}937, p<0{,}001; çarpıklık 0{,}73). Normal, Weibull, lognormal, gama, Johnson, Clements ve Box-Cox yöntemleri yüzdelik yöntemiyle (ISO 22514-2) karşılaştırıldı; en küçük AIC'li gama dağılımı seçildi (\hat a=4{,}008, \hat\beta=0{,}0544; AIC 2511{,}25). Gama ile P_p=0{,}935, P_{pk}=0{,}920 ve beklenen spesifikasyon dışı oran 4698 ppm'dir; normal varsayımla P_{pk}=0{,}591 ve 38\,087 ppm bulunurdu. Yöntem seçimi sonucu belirgin biçimde etkilemiştir: P_{pk} 0{,}57 (Johnson) ile 0{,}94 (Clements) arasında değişmiştir.

121.8 Sık hatalar ve tuzaklar

  • Normal satır bu veride yanıltıcıdır. Normal P_{pk}=0{,}591 ve 38 087 ppm verir; gama 0{,}920 ve 4 698 ppm. Normal eğri alt sınırın altına kütle koyar; oysa ölçüm 10'dan küçük olamaz. Shapiro-Wilk reddettiğinde normal satırı kullanmayın.
  • Yöntem seçimi sonucu değiştirir. Aynı veride P_{pk} yöntemden yönteme 0{,}57 (Johnson SU) ile 0{,}94 (Clements) arasında değişir; lognormalde alt kuyruk hafif, üst kuyruk ağırdır (P_{pu}=0{,}600). Tek bir sayı raporlamak yerine AIC ve A^2 ile birlikte gerekçelendirin.
  • Johnson ve Clements AIC taşımaz ve otomatik seçime girmez (B4). Johnson yüzdelik yöntemi bağlı gözlemli veride ve sınırlı destekte zayıf uyabilir (groundbeef: A^2=11{,}66; Beta verisi: SB, A^2=3{,}64 iken Clements 0{,}35; B3).
  • Clements (Pearson) uç değerlere duyarlıdır. Momentlere dayandığı için tek bir aykırı gözlem eğriyi dejenere eder: groundbeef'te bir gözleme 900 yazılınca \sqrt{b_1}=8{,}92, b_2=115{,}96 ve üç yüzdelik çakışır (X_{0{,}135}\approx X_{50}\approx63{,}72; eskiden P_{pl}=3{,}67\cdot10^{6}, A^2=35\,909). Şablon bu durumu tanır, Clements satırını tablodan çıkarır ve "Clements (Pearson) eğrisi dejenere …" notunu yazar (yn_aykiri; 156–162). Yüzdelik tabanlı Weibull, lognormal, gama ve Johnson uç değere dayanıklı kalır ve tabloda kalır.
  • Box-Cox indeksi varsayılanda öteki satırlarla aynı ölçekte değildir. Aynı satırın yüzdeliklerinden ISO tanımıyla P_{pk}=0{,}9426, varsayılan tablo 0{,}8775 der; bc_indeks = yuzdelik seçildiğinde tablo 0{,}9426 verir. ppm iki tanımda aynıdır.
  • Pozitif olmayan veri. Tek bir 0 ya da negatif gözlem Weibull, lognormal, gama ve Box-Cox'u siler (yn_sifirli: yalnız normal, Johnson, Clements kalır); kaydırılmış (üç parametreli) uyarlama yoktur (B6).
  • Pearson türü sayıdır. "Pearson türü: 1" Tip I'dir (0 normal, 1 Tip I, 2 Tip II, 3 Tip III, 4 Tip IV, 5 Tip V, 6 Tip VI, 7 Tip VII); lognormal örnekte 6 çıkar (yn_n5200; B7).
  • Boş gözlem atılır ve sayısı yazılır (yn_eksik: 3 boş hücre, n=251; "3 boş ya da sonlu olmayan gözlem atıldı (n = 251)." notu). Sayıya çevrilemeyen metin gözlem hata verir.
  • Bağlı gözlem ve kesikli veri. Az sayıda farklı değer (örnekte 33) ya da dört değerli sayım (yn_dort_deger: Johnson uydurulamadı notu) sürekli dağılımları zorlar; ölçüm çözünürlüğünü artırın.
  • Alan etiketi "özetlenecek yöntem"dir. dagilim tabloyu değiştirmez; yalnız özet cümlesi ve şekil için yöntemi seçer.
  • Tohum. Şablonda rastgelelik yoktur (benzetim, bootstrap yok); kod panelinin Tohum alanı (Bölüm 1.3) sonucu değiştirmez.

121.9 Uzman soruları

S1. Yüzdelik yöntemi neden \Phi(\pm3) ve ortanca?

Normal dağılımda \pm3\sigma yüzdelikleri 0{,}135\% ve 99{,}865\%'tir; 6\sigma genişliği bunların farkıdır. ISO 22514-2 ve Clements (1989) aynı olasılıkları uydurulmuş dağılıma uygular, böylece normal durumda P_p ve P_{pk} aynen elde edilir. Ortanca (X_{0{,}5}) ortalama yerine alınır; çarpık dağılımda ortalama, dağılımın merkezi değildir.

S2. Bir yöntemi nasıl seçmeliyim?

Tablodaki AIC (en çok olabilirlik satırları), A^2 ve Q–Q grafiğine birlikte bakın; konu bilgisi (pozitif destek, ağır üst kuyruk) önceliklidir. otomatik seçim yalnız AIC'ye bakar ve Box-Cox, Johnson, Clements'i dışlar (B4). Örnek veride gama (A^2=3{,}567, AIC 2511{,}25) ve Box-Cox (3{,}543; 2513{,}15) yakındır; Weibull 2514{,}45, lognormal 2526{,}64'tür.

S3. Weibull ve gama kestirimleri neden "kesin" ve fitdistrplus ile aynıdır?

İki dağılımın en çok olabilirlik kestiricisi tek bir değişkenli profil denklemin köküdür; uniroot 10^{-14} toleransla çözer. fitdistr, optim ile enbüyükleme yapar ve 10^{-6} düzeyinde aynı sonucu verir; bağımsız R hesabı çözümsel gradyanlı BFGS'le 10^{-6} içinde eşleşir. Yayımlı değerler (2{,}186; 83{,}348) yuvarlanmıştır.

S4. Johnson parametreleri neden yüzdelik yöntemiyle?

JohnsonFit(…, moment = "quant") beş örneklem yüzdeliğinden (5; 20{,}6; 50; 79{,}4; 95) \gamma, \delta, \xi, \lambda ve türü çıkarır; moment yöntemi uç değere duyarlıdır. Yüzdelik yöntemi dayanıklıdır (aykırı değerli veride aynı parametreleri verir) ama bağlı gözlemli ve küçük veride uyum zayıf kalabilir (Adım 6; B3).

S5. Box-Cox indeksi neden öteki satırlardan farklıdır?

Varsayılanda Box-Cox satırında indeksler dönüştürülmüş ölçekte normal formüllerle hesaplanır (P_p=(U'-L')/6s_y). Öteki satırlarda yüzdelikler özgün ölçekte alınır. Monoton dönüşüm yüzdeliklerin sırasını korur ama mesafeleri korumaz; bu nedenle iki tanım farklı P_p verir (0{,}925 ve 0{,}957). ppm aynı dağılımdan hesaplandığı için ikisinde de aynıdır. bc_indeks = yuzdelik seçimi Box-Cox satırını öteki satırlarla aynı tanıma getirir.

S6. Anderson-Darling neden p değeri vermez?

Parametreler veriden kestirildiğinde A^2'nin sıfır dağılımı kestirilen parametrelere göre değişir (Stephens kestirimli kritik değerleri) ve çoğu dağılım için kapalı bir p yoktur. Şablon A^2'yi yöntemleri sıralamak için verir (B8).

S7. Başka bir paketle fark var mı?

Weibull, lognormal ve gama uydurmaları MASS::fitdistr ile (en çok olabilirlik) 10^{-5} düzeyinde aynıdır; Box-Cox \lambda car::powerTransform ile aynıdır. Johnson ve Pearson için bağımsız bir uydurma yoktur: ikisi de SuppDists ve PearsonDS çıktısıdır (bağlı gözlemli veride Johnson parametreleri paket sürümüne duyarlı olabilir). Şablonun Box-Cox satırı dönüştürülmüş ölçekte indeks verir; yüzdelik yöntemini özgün ölçekte uygulayan bir araçla bu satır farklı çıkar (B2).

S8. Kod panelinin Tohum alanı sonucu değiştirir mi?

Hayır; şablonda rastgele sayı yoktur (Bölüm 1.3).

121.10 Kaynaklar

  • Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716–723. https://doi.org/10.1109/TAC.1974.1100705
  • Anderson, T. W., & Darling, D. A. (1952). Asymptotic theory of certain "goodness of fit" criteria based on stochastic processes. The Annals of Mathematical Statistics, 23(2), 193–212. https://doi.org/10.1214/aoms/1177729437
  • Box, G. E. P., & Cox, D. R. (1964). An analysis of transformations. Journal of the Royal Statistical Society: Series B, 26(2), 211–243. https://doi.org/10.1111/j.2517-6161.1964.tb00553.x
  • Clements, J. A. (1989). Process capability calculations for non-normal distributions. Quality Progress, 22(9), 95–100.
  • Delignette-Muller, M. L., & Dutang, C. (2015). fitdistrplus: An R package for fitting distributions. Journal of Statistical Software, 64(4), 1–34. https://doi.org/10.18637/jss.v064.i04
  • Becker, M., & Klößner, S. (2026). PearsonDS: Pearson distribution system (R paketi sürüm 1.3.2). https://doi.org/10.32614/CRAN.package.PearsonDS
  • Fox, J., Weisberg, S., & Price, B. (2026). car: Companion to applied regression (R paketi sürüm 3.1-5). https://doi.org/10.32614/CRAN.package.car
  • Harris, C. R., Millman, K. J., van der Walt, S. J., et al. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
  • Johnson, N. L. (1949). Systems of frequency curves generated by methods of translation. Biometrika, 36(1–2), 149–176. https://doi.org/10.1093/biomet/36.1-2.149
  • Kotz, S., & Johnson, N. L. (2002). Process capability indices—a review, 1992–2000. Journal of Quality Technology, 34(1), 2–19. https://doi.org/10.1080/00224065.2002.11980119
  • Montgomery, D. C. (2009). Introduction to statistical quality control (6. bas.). Wiley.
  • R Core Team (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/
  • Slifker, J. F., & Shapiro, S. S. (1980). The Johnson system: Selection and parameter estimation. Technometrics, 22(2), 239–246. https://doi.org/10.1080/00401706.1980.10486139
  • Somerville, S. E., & Montgomery, D. C. (1996). Process capability indices and non-normal distributions. Quality Engineering, 9(2), 305–316. https://doi.org/10.1080/08982119608919047
  • Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4. bas.). Springer. https://doi.org/10.1007/978-0-387-21706-2
  • Virtanen, P., Gommers, R., Oliphant, T. E., et al. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
  • Wheeler, B. (2026). SuppDists: Supplementary distributions (R paketi sürüm 1.1-9.9). https://doi.org/10.32614/CRAN.package.SuppDists
  • Wheeler, R. E. (1980). Quantile estimators of Johnson curve parameters. Biometrika, 67(3), 725–728. https://doi.org/10.1093/biomet/67.3.725