当您收集了有关系统或流程的数据时，下一步是确定具有哪种类型的概率分布。概率分布的类型是：离散均匀，伯努利，二项式，负二项式，泊松，几何，连续均匀，正常（钟形曲线），指数，伽马和贝塔分布。从可能性列表中缩小甚至几个，使得确定哪个是最接近的R平方值更快。
你需要的物品
-
图形软件
-
计算R平方值的方法（最佳拟合分析）
绘制数据以获得数据类型的直观表示。
确定数据分布的最初步骤之一 - 以及用于建模数据的等式类型 - 是排除它不可能的东西。 •如果数据集中存在任何峰值，则它不能是离散的均匀分布。 •如果数据有多个峰值，则不是泊松或二项式。 •如果它具有单个曲线，没有次峰，并且每侧具有缓慢的斜率，则可以是泊松或伽马分布。但它不能是一个离散的均匀分布。 •如果数据均匀分布，并且没有向一侧倾斜，则可以安全地排除伽玛或威布尔分布。 •如果函数在绘制结果的中间具有均匀分布或峰值，则它不是几何分布或指数分布。 •如果因子的出现随环境变量而变化，则可能不是泊松分布。
在缩小概率分布类型之后，对每种可能的概率分布类型进行R平方分析。具有最高R平方值的那个最可能是正确的。
消除一个异常数据点。然后重新计算R平方。如果相同的概率分布类型出现为最接近的匹配，则可以确信这是用于数据集的正确概率分布。
提示
-
如果数据显示多个峰值的广泛分散，则可能正在进行两个单独的过程或者正在采样的产品是混合的。重新收集数据，然后重新分析。
警告
验证针对以后数据集生成的等式，以确认它对于数据集仍然是准确的。环境因素和过程漂移可能使当前的方程和模型不正确。
