使用哈勃太空望远镜探索Galaxy的科学家在形式二进制代码中接收数字化图像流。在这种状态下，信息基本上是毫无价值的 - 这1S和0必须首先在科学家可以从中学习任何东西之前转换为图片。
统计分布也是如此参数用来描述样本数据。它们提供了重要的信息，但如果没有插图来帮助你解释，这些数字可能毫无意义。例如，如果你的数据遵循a伽马分布与一个规模8和a形状7？如果分布转移到10的形状，那是好还是坏？您如何将所有这一切解释为对结果更感兴趣的观众比统计数据更感兴趣？
一款统计软件的概率分布图创建的图片，使数字栩栩如生。即使是新手用户也可以从了解数据分布中获益。下面是一些例子。
看看你错过了什么
一家建筑材料制造商开发了一种增加工字梁强度的新工艺。输出结果表明，旧的过程符合比例为8和形状为7的伽马分布，而新过程的形状为10。制造商不知道这个形状参数的变化意味着什么。
Minitab的概率分布图表明，形状的细微变化使可接受光束数从91.4%增加到99.5%，提高了8.1%。此外，右尾巴似乎更粗，这表明有更多不同寻常的强壮单位。也许这些会带来一系列优质产品。
交流你的结果
一家连锁杂货店的质量改进专家想要实施一项新的但昂贵的计划，以减少商品的货架价格和收银金额之间的差异。没有价格差异是理想的，但任何在±0.5%范围内的差异都是可以接受的。
在试点研究中，平均改善是微小的，总统没有看到较小的标准差的好处。因此，总统不愿意批准这个耗资巨大的项目。
专家知道，更紧密的分布是该项目成功的关键。为了说明这一点，她创建了这张图来表明差异聚集在更接近于零的地方，大多数都在可接受的范围内。现在总统可以看到改进。
比较分布
农用设备制造商的制造部门计算每小时完成的拖拉机底盘的数量。一个泊松分布平均3.2最好地描述了样本数据。然而，测试实验室更喜欢使用需要正态分布并想知道它是否合适。如果正常分布没有近似泊松分布，则测试结果无效。
分布图可以很容易地将已知分布与正态分布进行比较。在这种情况下，实验室工作人员可以清楚地看到，正态分布，以及需要它的分析，将不是一个很好的拟合。
如何在Minitab中创建概率分布图
您可以很容易地创建一个概率分布图来可视化和比较分布，甚至检查感兴趣的区域。例如，分析师想要采访客户满意度分数在115到135之间的客户。一款统计软件的个体分布识别特征表明，这些分数通常以100的平均值分布，标准偏差为15.然而，分析师无法想象他的科目在分数范围内或它们的整个分布的比例范围内。
- 选择图>概率分布图>视图概率。
- 点击好的。
- 从分布,选择正常的。
- 在的意思是、类型100.。
- 在标准偏差，型号15。
- 单击阴影区域选项卡。
- 在定义阴影区域,选择X值。
- 点击中间。
- 在X值1、类型115。
- 在X值2、类型135。
- 点击好的。
感兴趣区域(115-135)的得分占人口的14.9%。这个小百分比表明分析师可能不得不花费额外的努力来找到足够数量的合格主题。
利用概率分布图
概率分布图提供了有价值的见解，因为它们揭示了分布的更深层次含义。使用这些图来突出显示变化分布和参数值的影响，显示目标值在分布中的位置，并查看与阴影区域相关联的比例。这些简单的情节也能清晰而容易地将这些高级概念传达给非统计的读者。
不要让你的观众对难以理解的概念和数字混淆。相反，使用minitab来说明您的数据正在告诉您。