1.statlet屬性能力分析

      這statlet執(zhí)行使用屬性數(shù)據(jù)的能力分析。數(shù)據(jù)也可以由任何數(shù)量的不合格項(xiàng)或不合格的樣品中的總?cè)藬?shù)如果一個(gè)項(xiàng)目可以有多個(gè)不合格。分析是基于二項(xiàng)式和泊松分布，statlet將計(jì)算參數(shù)估計(jì)和置信區(qū)間和置信區(qū)間上，能力指數(shù)(在最好的估計(jì)值和上限)，和DPM(每百萬(wàn)缺陷)。

      2.二元密度statlet

      這個(gè)Bstatlet變量密度 顯示2列數(shù)據(jù)密度函數(shù)估計(jì)。它使用一個(gè)二維等高線圖或三維頻率直方圖。這2個(gè)變量的聯(lián)合分布可以被假定為是多元正常或使用非參數(shù)估計(jì)方法。

      3.蝶形圖

      這個(gè)蝶形圖比較2個(gè)屬性的數(shù)據(jù)樣本。它由2套桿顯示每個(gè)樣本的頻率分布在一組類。

      4.能力控制圖

      本程序構(gòu)建監(jiān)測(cè)能力指標(biāo)如C II期統(tǒng)計(jì)過程控制圖P 和CPK。鑒于這一過程能夠滿足規(guī)定的要求的基于可變數(shù)據(jù)的分析，這些圖表監(jiān)控持續(xù)符合這些要求。

      5.控制圖的設(shè)計(jì)statlet能力

      這個(gè)新的statlet協(xié)助分析確定大樣本應(yīng)在構(gòu)建能力控制圖。 能力控制圖 監(jiān)控已被證明是產(chǎn)生的結(jié)果，產(chǎn)生少量的不合格穩(wěn)定的和有效的方法。

      6.分類和回歸樹

      這個(gè)分類和回歸樹 程序?qū)崿F(xiàn)了一個(gè)機(jī)器學(xué)習(xí)的過程來預(yù)測(cè)觀測(cè)數(shù)據(jù)。它創(chuàng)造了2種模式：分類模型和回歸模型。模型是通過創(chuàng)建一個(gè)樹，其中每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于一個(gè)二叉決策。給定一個(gè)特定的觀察，一個(gè)沿著樹的樹枝直到終止葉被發(fā)現(xiàn)。每片葉子的樹是一個(gè)預(yù)測(cè)的類或值相關(guān)聯(lián)的。

      7.最終篩選設(shè)計(jì)

      一個(gè)新的實(shí)驗(yàn)設(shè)計(jì)類型已被添加到向?qū)У脑O(shè)計(jì)實(shí)驗(yàn)。打電話 最終篩選設(shè)計(jì)，這些設(shè)計(jì)都能夠估算模型包括線性和二次效應(yīng)的小設(shè)計(jì)，雖然二階相互作用部分混淆自己和二次效應(yīng)。此外，6個(gè)或更多的因素陷入設(shè)計(jì)能夠完全二階模型設(shè)計(jì)(包括任何3個(gè)因素的相互作用)。