經驗 CDF

經驗 CDF 將數值排序,並將每個值按 (i − 0.5) / n 的百分比位置繪製,連成階梯。可用於在平均值之外比較各組、讀取低於某一限值的零件所佔比例,或對照常態、韋伯等配適分配檢查資料。選擇 By 欄可為每組繪製一條曲線,也可疊加多個變數。

最後審閱

核心要點

經驗 CDF 以階梯曲線繪製每個量測值對應的、不大於該值的觀測值百分比,可同時顯示整個分配的中位數、離散程度、尾部和間隙。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

經驗 CDF 繪製每個量測值對應的、不大於該值的觀測值百分比。其結果是一條階梯曲線,可同時顯示整個分配:中位數、離散程度、尾部和任何間隙。可用它在平均值之外比較兩個或更多組(機器、供應商、配置),讀取低於某一限值的零件所佔比例,或對照配適分配檢查資料。

主要功能

  • 每個變數一條階梯曲線;選擇 By 欄時,則為一個變數的每個組各一條曲線。
  • 多個變數疊加在同一張圖上,便於直接比較。
  • 可選的配適分配以虛線疊加:常態、對數常態、韋伯、指數、雙參數指數、最小或最大極值、羅吉斯或對數羅吉斯。
  • 縱軸為 0 到 100 的百分比刻度,因此可直接從曲線上讀取百分位數。
  • 繪圖前可按列號或條件排除或保留列。

統計方法

對於每條曲線,將非空數值排序,x₁ ≤ x₂ ≤ … ≤ xₙ,第 i 個值繪製在描點位置 pᵢ = (i − 0.5) / n 處,以百分比表示。各點連成階梯(先水準後垂直),因此曲線在每個觀測值處上升 100/n 個百分點。曲線與 50% 相交處的值為該組的中位數;與 90% 相交處為第 90 百分位數。

有 By 欄且只有一個變數時,列按 By 欄的水準拆分,每個水準各得一條曲線。有多個變數時,每個變數各得一條曲線,By 欄被忽略。

選擇配適分配後,其參數針對每條曲線(每個組或每個變數)分別估計,與 Minitab 相同,且每條配適 CDF 在其自身資料的範圍內繪製。常態分配使用樣本平均值和標準差;其他分配使用最大概似法(對數常態、韋伯、指數和對數羅吉斯的閾值固定為 0,因此需要正值)。圖例顯示每條曲線的配適參數,因此可將每個組與其自身的模型對照檢查。

輸入欄位和選項

欄位

說明

Variables

一個或多個數值欄。選擇一個變數,或選擇多個變數以疊加其曲線。

By (grouping) column

可選。該欄的每個水準各一條曲線。僅在選擇單一變數時使用。

Overlay fitted distribution

預設值為「--- (empirical only)」:不顯示配適線。或選擇 Normal、Lognormal、Weibull、Exponential、2-Parameter Exponential、Smallest Extreme Value、Largest Extreme Value、Logistic、Loglogistic 之一。

Title

圖的標題。預設值為「Empirical CDF」。

Data Options: Subset (optional)

Exclude matching rows(預設)或 Include only matching rows;透過 Row numbers(例如 3,7,12-15)和/或 Condition(例如 Weight_kg > 100)選擇列。兩者均留空時不起作用。

empirical-cdf-inputs


圖 1 — 範例的選項:Variables = Response_Time_ms,By (grouping) column = Config,無配適分配。

輸出說明

  • Empirical CDF — 每個組或變數的百分比對變數的階梯曲線,每個觀測值處有標記,圖例註明各曲線;若選擇了配適分配,則每條曲線對應一條虛線,顏色與該曲線相同(只有一條曲線時為黑色),並標註其參數。
  • 透過 Download 匯出 PDF。

empirical-cdf-output


圖 2 — 配置 A(藍色)和配置 B(橙色)反應時間的經驗 CDF,各 25 個請求。

計算範例

某 IT 團隊在兩種伺服器配置下測試一項網路服務,每種配置記錄 25 個反應時間(ms)。僅憑平均值(A 為 129.7 ms,B 為 143.6 ms)似乎 A 更快,但團隊想了解整個分配的比較情況,尤其是使用者能感受到的慢請求。他們選擇 Response_Time_ms 作為變數,Config 作為 By 欄,不選擇配適分配。

在 50% 處橫向讀取,配置 A 的中位數為 118.9 ms,配置 B 為 144.4 ms:在大部分範圍內 B 的曲線位於右側,因此 B 上的典型請求更慢。在 150 ms 時,A 的請求有 64% 已完成,B 為 56%。在上端兩條曲線相交:A 最慢的請求耗時 256.1 ms,B 最慢的請求為 225.9 ms,且 A 的離散程度更大(標準差 51.8 對 39.7 ms)。兩種配置都有 92% 的請求在 200 ms 內完成。因此,B 的典型請求更慢,而 A 的尾部更長;選擇哪種取決於對該服務而言中位數還是最壞情形更重要。

選擇 Normal 作為疊加分配後,會為每種配置新增一條虛線常態曲線,分別用其自身的 25 個值配適:A 的平均值為 129.7 ms、標準差為 51.8 ms,B 的平均值為 143.6 ms、標準差為 39.7 ms。階梯曲線偏離其虛線曲線之處,表明該配置的反應時間不服從常態分配。

常見問題

如何解讀經驗累積分配函數?

曲線在每個觀測值處上升 100/n 個百分點。在 50% 處橫向讀取可得各組的中位數,在 90% 處讀取可得第 90 百分位數,或從某一限值向上讀取以檢視低於該限值的值所佔比例。在計算範例中,配置 A 的反應時間中位數為 118.9 ms,配置 B 為 144.4 ms。

為什麼用經驗 CDF 而不是平均值來比較各組?

平均值會掩蓋離散程度和尾部的差異。在計算範例中,配置 A 的平均和中位反應時間更低,但曲線在上端相交:A 最慢的請求耗時 256.1 ms,B 最慢的請求為 225.9 ms。CDF 可顯示差異出在典型情形還是最壞情形。

如何對照配適分配檢查資料?

選擇要疊加的分配,例如常態、對數常態、韋伯、指數、羅吉斯或極值分配。其參數針對每條曲線分別估計,並以虛線繪製。階梯曲線偏離其虛線曲線之處,表明資料不服從該分配。對數常態、韋伯、指數和對數羅吉斯需要正值。

如何在 Zometric Statistical Software 中比較各組?

選擇單一變數和 By (grouping) column,即可得到每個水準一條階梯曲線;或選擇多個變數以疊加其曲線,此時 By 欄被忽略。繪圖前可使用 Data Options 按列號或條件排除或保留列。