Esta es la cuarta publicación de una serie que muestra cómo realizamos un estudio observacional sobre las temperaturas de las oficinas, desde el diseño hasta la ejecución, el análisis y la visualización. Ver Parte I , Parte II y Parte III .
Las publicaciones anteriores de esta serie trataron el diseño y la ejecución de un estudio observacional sobre los factores que afectan la temperatura de la oficina. En la Parte III, probó algunas de las nuevas características de Graph Builder, y vimos cuáles son algunos de los factores importantes cuando se trata de determinar la temperatura de la oficina. Hoy examinamos algunos de los factores que fueron considerados significativos por el modelo.
Una de las preguntas que hice al estudiar fue: ¿los termómetros serían lo suficientemente similares? El modelo que vimos en la Parte III indicado. termómetro Fue un factor significativo. ¿En qué se diferenciaron los termómetros? En el gráfico a continuación, usamos la plataforma Variability en JMP para crear una visualización de termómetro por Fahrenheit . Este es un cuadro simple que muestra todos los puntos de datos y se clasifica por termómetro. Parece que T5 podría estar midiendo más alto que los otros. También se muestran las desviaciones estándar, y T5 claramente tiene la variabilidad más alta.
La siguiente prueba de heterogeneidad de varianza, una nueva característica en JMP 9 , también muestra claramente que algo está pasando con T5. La desviación estándar es más alta de lo que debería ser, en comparación con los otros termómetros.
Nos gustaría saber qué está pasando con la T5. ¿Realmente está midiendo más alto? ¿Es el rango de T5 demasiado amplio? Para una respuesta parcial, calculamos los medios de mínimos cuadrados disponibles en la plataforma Fit Model. Aquí también, parece que T5 está midiendo más alto. También podemos comparar los medios utilizando la t de Student y observar el informe Connecting Letters, que confirma que T5 está midiendo significativamente más alto que todos los demás termómetros.
T4 también está midiendo más bajo que los otros termómetros. Los termómetros restantes (en el Grupo 
no son significativamente diferentes entre sí. ¿Qué significa esto? Si tuviéramos que repetir este experimento, probablemente realizaríamos más pruebas en los termómetros y solo usaríamos los que medían de manera similar.
En nuestro modelo de temperatura de oficina, voluntario Fue otro factor que fue significativo. Preferiría que las cosas, como los termómetros y los voluntarios, sean homogéneas, pero en la vida real a menudo no es así. De nuevo, nos dirigimos a la gráfica de promedios LS para comparar las mediciones de cada uno. voluntario . En la siguiente tabla, vemos dos anomalías obvias con el Volunteer C y el Volunteer V - C medidas mucho más altas que las demás, mientras que las lecturas de V son mucho más bajas. Esto puede indicar que tal vez el Voluntario C no tuvo cuidado con el sensor del termómetro, o que el Voluntario V estaba parado directamente debajo de un respiradero. La tabla indica que algo es diferente acerca de las medidas tomadas por estos dos voluntarios.
En el próximo post, veremos el factor. tipo de espacio y explora los efectos que tiene sobre la temperatura de la oficina. ¡También veremos específicamente mi oficina y determinaremos si realmente es la oficina más fría de todas!
¿De qué otras formas podríamos analizar los datos?
