1.statlet属性能力分析

      这statlet执行使用属性数据的能力分析。数据也可以由任何数量的不合格项或不合格的样品中的总人数如果一个项目可以有多个不合格。分析是基于二项式和泊松分布，statlet将计算参数估计和置信区间和置信区间上，能力指数(在最好的估计值和上限)，和DPM(每百万缺陷)。

      2.二元密度statlet

      这个Bstatlet变量密度 显示2列数据密度函数估计。它使用一个二维等高线图或三维频率直方图。这2个变量的联合分布可以被假定为是多元正常或使用非参数估计方法。

      3.蝶形图

      这个蝶形图比较2个属性的数据样本。它由2套杆显示每个样本的频率分布在一组类。

      4.能力控制图

      本程序构建监测能力指标如C II期统计过程控制图P 和CPK。鉴于这一过程能够满足规定的要求的基于可变数据的分析，这些图表监控持续符合这些要求。

      5.控制图的设计statlet能力

      这个新的statlet协助分析确定大样本应在构建能力控制图。 能力控制图 监控已被证明是产生的结果，产生少量的不合格稳定的和有效的方法。

      6.分类和回归树

      这个分类和回归树 程序实现了一个机器学习的过程来预测观测数据。它创造了2种模式：分类模型和回归模型。模型是通过创建一个树，其中每个节点对应于一个二叉决策。给定一个特定的观察，一个沿着树的树枝直到终止叶被发现。每片叶子的树是一个预测的类或值相关联的。

      7.最终筛选设计

      一个新的实验设计类型已被添加到向导的设计实验。打电话 最终筛选设计，这些设计都能够估算模型包括线性和二次效应的小设计，虽然二阶相互作用部分混淆自己和二次效应。此外，6个或更多的因素陷入设计能够完全二阶模型设计(包括任何3个因素的相互作用)。