การปรับแบบการแจกแจง

การปรับแจกแจงคืออะไร?

การปรับข้อมูลเข้ากับการแจกแจงคือการระบุว่าการแจกแจงความน่าจะเป็นแบบใดอธิบายชุดข้อมูลได้ดีที่สุด แม้หลายคนจะสันนิษฐานว่าข้อมูลมีการแจกแจงปกติ แต่ข้อมูลในโลกจริงมักเป็นไปตามการแจกแจงล็อกนอร์มัล (กระบวนการเชิงคูณ) เอกซ์โพเนนเชียล (เวลาระหว่างเหตุการณ์) ไวบูล (ความเชื่อถือได้/อายุการใช้งาน) หรือการแจกแจงอื่น การใช้การแจกแจงที่ผิดจะนำไปสู่การทำนายและการประเมินความสามารถของกระบวนการที่ผิดพลาด

กระบวนการปรับข้อมูลจะประมาณค่าพารามิเตอร์ของการแจกแจง (เช่น ค่าเฉลี่ยและ σ สำหรับการแจกแจงปกติ พารามิเตอร์รูปร่างและสเกลสำหรับไวบูล) ด้วยวิธีการประมาณค่าภาวะน่าจะเป็นสูงสุด การเลือกแบบจำลองใช้เกณฑ์สารสนเทศ ได้แก่ AIC (เกณฑ์สารสนเทศอากาอิเกะ) และ BIC (เกณฑ์สารสนเทศแบบเบส์) ซึ่งถ่วงดุลระหว่างความแนบของแบบจำลองกับความซับซ้อนของแบบจำลอง ค่า AIC/BIC ที่ต่ำกว่าบ่งชี้แบบจำลองที่ดีกว่า

การทดสอบ Kolmogorov-Smirnov (KS) เปรียบเทียบการแจกแจงสะสมเชิงประจักษ์กับ CDF เชิงทฤษฎีที่ปรับได้ ค่า p ของ KS ที่สูง (> 0.05) บ่งชี้ว่าปรับเข้ากันได้ดี กราฟ QQ ช่วยตรวจสอบด้วยสายตา จุดที่เรียงตามเส้นทแยงมุมยืนยันว่าการแจกแจงที่เลือกนั้นเหมาะสม

Formula: KS Statistic = max|F_empirical(x) - F_theoretical(x)| AIC = 2k - 2 ln(L) BIC = k ln(n) - 2 ln(L) where k = parameters, L = likelihood, n = sample size

ตัวอย่างการคำนวณ

ค่าวัด 100 ค่าถูกปรับเข้ากับการแจกแจงปกติ (AIC=312, BIC=317, KS p=0.08) และล็อกนอร์มัล (AIC=305, BIC=310, KS p=0.45) ล็อกนอร์มัลมีค่า AIC/BIC ต่ำกว่าและค่า p ของ KS สูงกว่า จึงเป็นการแจกแจงที่เหมาะสมกว่า กราฟ QQ ของล็อกนอร์มัลแสดงการเกาะแนวเส้นทแยงมุมแนบแน่นกว่ากราฟ QQ ของการแจกแจงปกติ

เมื่อใดควรใช้เครื่องคำนวณนี้

• ก่อนการวิเคราะห์ความสามารถกระบวนการเพื่อกำหนดแบบจำลองการกระจายที่ถูกต้อง — การใช้สูตร Cpk กับข้อมูลที่ไม่เป็นปกติให้ผลลัพธ์ที่ทำให้เข้าใจผิด
• เมื่อวิเคราะห์ข้อมูลความน่าเชื่อถือหรืออายุการใช้งานที่มักเบ้ขวา — Weibull, lognormal หรือ exponential อาจเหมาะกว่า normal มาก
• ระหว่างการจำแนกลักษณะกระบวนการเพื่อเข้าใจรูปร่างพื้นฐานของข้อมูลและเลือกวิธีทางสถิติที่เหมาะสม
• เมื่อขีดจำกัดแผนภูมิควบคุม SPC ดูไม่เหมาะสม — ข้อมูลอาจไม่มีการกระจายแบบปกติ ต้องใช้แผนภูมิประเภทอื่นหรือข้อมูลที่แปลงแล้ว
• เมื่อเปรียบเทียบข้อมูลการวัดกับสเปกซัพพลายเออร์ — การทราบการกระจายจริงช่วยทำนายอัตราออกนอกสเปกอย่างแม่นยำ

ข้อผิดพลาดที่พบบ่อยที่ควรหลีกเลี่ยง

• สมมติว่าข้อมูลทั้งหมดมีการกระจายแบบปกติโดยไม่ตรวจสอบ — ข้อมูลการผลิตมักเบ้ (lognormal) มีขอบเขต (beta) หรือหลายโหมด (mixture) ฟิตและเปรียบเทียบเสมอ
• เลือกการกระจายตาม AIC เพียงอย่างเดียวเมื่อค่า p ของ KS ต่ำมาก — AIC จัดอันดับ fit สัมพัทธ์ระหว่างตัวเลือก แต่ค่า p ของ KS ต่ำหมายความว่าแม้ตัวเลือกที่ดีที่สุดอาจ fit ไม่ดี เก็บข้อมูลเพิ่มหรือพิจารณาการกระจายอื่น
• Over-fit โดยเลือกการกระจายซับซ้อนที่มีหลายพารามิเตอร์กับชุดข้อมูลเล็ก — AIC และ BIC ลงโทษความซับซ้อนแต่ด้วยตัวอย่างเล็ก เกณฑ์เหล่านี้ก็อาจชอบแบบจำลองที่ซับซ้อนเกินไป เลือกการกระจายที่ง่ายกว่าเมื่อ fit คล้ายกัน
• ไม่ใช้การแสดงผลด้วยภาพ — เกณฑ์ตัวเลขเพียงอย่างเดียวอาจทำให้เข้าใจผิด ตรวจสอบ histogram overlay และ QQ-plot เสมอเพื่อยืนยันว่าการกระจายที่ฟิตตรงกับรูปแบบข้อมูล

วิธีตีความผลลัพธ์

• การกระจายที่มี AIC/BIC ต่ำที่สุดและค่า p ของ KS สูงที่สุดเป็นตัวเลือกที่ดีที่สุด — เมื่อ AIC และ BIC ไม่เห็นด้วย BIC เป็นแบบอนุรักษ์นิยมกว่า
• ค่า p ของ KS > 0.05 บ่งชี้ว่าการกระจายที่ฟิตสอดคล้องกับข้อมูล — ค่าต่ำกว่าแนะนำ fit ที่ไม่ดีที่ไม่ควรใช้สำหรับการทำนาย
• หาก Normal ฟิตดี สูตร Cpk/Ppk มาตรฐานและการทดสอบพาราเมตริกสามารถใช้ได้โดยตรง
• หาก Lognormal ฟิตดีที่สุด พิจารณาแปลง log ข้อมูลก่อนการวิเคราะห์ความสามารถหรือใช้วิธีความสามารถไม่เป็นปกติ
• หากไม่มีการกระจายมาตรฐานฟิตดี ข้อมูลอาจเป็นหลายโหมด (ส่วนผสมของสองกระบวนการ) — ตรวจสอบว่าควรแบ่งชั้นข้อมูล

มาตรฐานและเอกสารอ้างอิงที่เกี่ยวข้อง

• NIST/SEMATECH e-Handbook §1.3.5 — แนวทางการพล็อตความน่าจะเป็น การประเมินความพอดี และการเลือกการแจกแจง
• Akaike (1974) & Schwarz (1978) — บทความต้นฉบับที่นิยาม AIC และ BIC เกณฑ์สารสนเทศที่ใช้จัดอันดับการแจกแจงตัวเลือกที่นี่
• D'Agostino & Stephens, Goodness-of-Fit Techniques (1986) — เอกสารอ้างอิงคลาสสิกว่าด้วยการประเมินว่าการแจกแจงที่ปรับแล้วอธิบายข้อมูลได้ดีเพียงใด
• ISO 5479 — การทดสอบการเบี่ยงเบนจากการแจกแจงปกติ ครอบคลุมการทดสอบความเป็นปกติ Shapiro-Wilk ที่รายงานควบคู่กับผลการปรับ

คำถามที่พบบ่อย

ควรลองการแจกแจงแบบใดก่อน

เริ่มจากการแจกแจงปกติสำหรับข้อมูลต่อเนื่องที่สมมาตร ลองล็อกนอร์มัลสำหรับข้อมูลที่เบ้ขวาหรือข้อมูลที่ติดลบไม่ได้ (ความเข้มข้น เวลารอบการผลิต) ลองไวบูลหรือเอกซ์โพเนนเชียลสำหรับข้อมูลอายุการใช้งาน/ความเชื่อถือได้ ข้อมูลนับจำนวน (ข้อบกพร่องต่อหน่วย จำนวนการมาถึง) เป็นข้อมูลไม่ต่อเนื่อง — เครื่องมือนี้ปรับเฉพาะการแจกแจงต่อเนื่อง จึงควรตรวจสอบข้อมูลนับด้วยการแจกแจงปัวซงหรือทวินามแยกต่างหาก รูปทรงของฮิสโทแกรมให้แนวทางเบื้องต้น: ระฆังคว่ำสมมาตร → ปกติ, เบ้ขวา → ล็อกนอร์มัล/ไวบูล, อัตราคงที่ → เอกซ์โพเนนเชียล

AIC กับ BIC ต่างกันอย่างไร

ทั้งสองเกณฑ์ลงโทษความซับซ้อนของแบบจำลองเพื่อป้องกันการปรับเกินพอดี แต่ BIC ลงโทษการเพิ่มพารามิเตอร์หนักกว่า โดยเฉพาะเมื่อตัวอย่างมีขนาดใหญ่ AIC มีแนวโน้มเลือกแบบจำลองที่ซับซ้อนกว่า (ทำนายได้ดีกว่า) ขณะที่ BIC มีแนวโน้มเลือกแบบจำลองที่เรียบง่ายกว่า (ระบุตัวแบบได้ดีกว่า) เมื่อทั้งสองให้ผลไม่ตรงกัน BIC จะระมัดระวังมากกว่า ควรใช้ทั้งคู่ และหากทั้งสองสอดคล้องกัน ก็มั่นใจในการเลือกได้สูง