機率分配圖
機率分配圖根據輸入的參數,繪製理論分配的密度、品質或累積曲線,無需資料。它涵蓋十二種分配,包括常態、t、卡方、F、韋伯、對數常態、二項和卜瓦松分配。可用於瞭解分配的形狀、解釋抽樣方案或檢定統計量,或讀取機率。連續分配顯示為曲線;二項和卜瓦松分配顯示為條形。
最後審閱
核心要點
機率分配圖根據您輸入的參數,繪製理論分配(如常態、韋伯或二項分配)的機率密度(或機率品質)曲線或累積分配曲線,無需任何資料。
用途
機率分配圖根據您輸入的參數繪製理論分配的曲線:其機率密度(對於計數則為機率品質)或累積分配。無需任何資料。可用於在使用某種分配之前瞭解它的形狀,解釋抽樣方案或檢定統計量,或在假定的模型下讀取某個計數或量測值出現的可能性,例如在製程不合格率為 4% 時,50 個樣本中不合格品的數量。
主要功能
- 十二種分配:Normal、Student's t、Chi-Square、F、Exponential、Weibull、Lognormal、Uniform、Gamma、Beta、Binomial 和 Poisson。
- 機率密度/品質函數或累積分配函數。
- 連續分配繪製為平滑曲線(密度區域著色);二項和卜瓦松分配在每個整數處繪製為條形。
- 水準範圍自動選擇,以覆蓋分配從第 0.05 個百分位數到第 99.95 個百分位數的區間。
- 標題根據分配和曲線自動產生,也可使用您自己的標題。
統計方法
工具根據參數構建所選分配,並用標準公式求值。參數如下:Normal — Parameter 1 = 平均值,Parameter 2 = 標準差;Student's t 和 Chi-Square — 自由度;F — 分子和分母自由度;Exponential — 尺度(即平均值);Weibull 和 Gamma — 形狀和尺度;Lognormal — 位置和形狀,即 ln(X) 的平均值和標準差;Uniform — 下界和上界;Beta — 兩個形狀參數 α 和 β;Binomial — 試驗次數 n 和事件機率 p;Poisson — 平均值 λ。只有一個參數的分配僅使用 Parameter 1。
對於連續分配,曲線在第 0.05 個與第 99.95 個百分位數之間 500 個等間距的點上求值。對於二項和卜瓦松分配,則在該範圍內的每個整數處求值:機率品質 P(X = k) 給出每個條形的高度,累積函數 P(X ≤ k) 給出 CDF 圖中每個條形的高度。對於密度,曲線下某區間的面積即落在該區間內的機率;CDF 則直接以兩個高度之差給出該機率。
輸入欄位和選項
欄位 | 說明 |
Distribution | 必填。Normal、Student's t、Chi-Square、F、Exponential、Weibull、Lognormal、Uniform、Gamma、Beta、Binomial 或 Poisson。 |
Parameter 1 | 含義取決於分配:例如 Normal 為平均值,t 和 Chi-Square 為自由度,Weibull 和 Gamma 為形狀,Binomial 為試驗次數,Poisson 為平均值。 |
Parameter 2 | 僅用於雙參數分配:例如 Normal 為標準差,Weibull 和 Gamma 為尺度,Binomial 為事件機率。 |
Plot | Probability density/mass function(預設)或 Cumulative distribution function。 |
Title | 可選。預設為根據所選分配和曲線產生的標題。 |

圖 1 — 範例的選項:試驗次數為 50、事件機率為 0.04 的二項分配。
輸出說明
- <Distribution> Distribution — Probability Density:密度曲線(座標軸標為 Probability density);對於二項和卜瓦松分配則為 <Distribution> Distribution — Probability Mass,以條形顯示各計數的機率(座標軸標為 Probability)。
- <Distribution> Distribution — Cumulative Distribution:累積機率 P(X ≤ x)。
- 透過 Download 匯出 PDF。

圖 2 — 當製程不合格率為 4% 時,50 個樣本中出現 0 至 8 個不合格品的機率(Binomial,n = 50,p = 0.04)。

圖 3 — 同一分配,Plot = Cumulative distribution function:k = 0 至 8 時的 P(X ≤ k)。
計算範例
某供應商的製程不合格率約為 4%。進貨檢驗從每批中抽取 50 個零件作為樣本,品質工程師想知道預期會有多少個不合格品,以及來自該製程的批次出現 3 個或更多不合格品的頻率。Distribution = Binomial,Parameter 1 = 50(試驗次數),Parameter 2 = 0.04(事件機率),Plot = Probability density/mass function。
條形範圍為 0 至 8 個不合格品。最可能的計數是 1(機率 0.271)和 2(0.276),與平均值 n·p = 2 相符。沒有不合格品的樣本出現的機率為 13.0%,因此一個全合格的樣本幾乎不能說明製程是否有所改善。將 Plot 切換為 Cumulative distribution function,得到 P(X ≤ 2) = 0.677,因此來自該製程的樣本中有 32.3% 會含有 3 個或更多不合格品,13.9% 會含有 4 個或更多。
對檢驗方案而言,這意味著即使供應商按其正常的 4% 執行,允收數為 2 也會拒收約三分之一的批次。如果這樣的批次通常應被允收,則必須提高允收數或重新設計抽樣方案;允收抽樣和 AQL 工具可依據約定的品質水準計算出結果。
常見問題
機率分配圖有什麼用途?
它在沒有任何資料的情況下,顯示理論分配在給定參數下的形狀。可用於在使用某種分配之前瞭解它的形狀,解釋抽樣方案或檢定統計量,或在假定的模型下讀取某個計數或量測值出現的可能性,例如在製程不合格率為 4% 時,50 個樣本中不合格品的數量。
機率分配圖可以顯示哪些分配?
十二種:常態、Student's t、卡方、F、指數、韋伯、對數常態、均勻、Gamma、Beta、二項和卜瓦松分配。Parameter 1 和 Parameter 2 取決於分配,例如常態分配為平均值和標準差,韋伯和 Gamma 分配為形狀和尺度,二項分配為試驗次數和事件機率。單參數分配僅使用 Parameter 1。
PDF 圖與 CDF 圖有什麼區別?
機率密度(或品質)函數顯示分配在每個取值處的高度;對於密度,曲線下某區間的面積即落在其中的機率,而對於二項或卜瓦松分配,每個條形即 P(X = k)。累積分配函數顯示 P(X 小於或等於 x),因此機率是兩個高度之差。
如何閱讀二項機率分配圖?
在試驗次數為 50、事件機率為 0.04 的計算範例中,最可能的計數是 1(0.271)和 2(0.276),與平均值 n 乘以 p = 2 相符,出現零個不合格品的機率為 13.0%。累積圖給出 P(X 小於或等於 2) = 0.677,因此 32.3% 的樣本會含有 3 個或更多不合格品。
