從我在實驗和數據分析中的錯誤中學習——第 1 部分：場景
I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.希望能幫助大家避免數據分析中的一些錯誤。我已經成為執業工程師多年了。 一路上，我看到了許多測試的執行，以及許多不同的數據分析方法。 我承認，更多時候我所在的團隊在工作上犯了一個或多個錯誤。 最終結果是公司付出了時間和金錢的代價。
我想有些讀者可能會喜歡從我的錯誤中學習，所以我想出了一個虛構的場景來反映我在工作中遇到的各種問題。
儘管我的場景是一個機械工程範例，但它既簡單又通用，您應該會發現它很容易轉化為您的特定學科。 我們將在這篇文章和即將發表的部落格文章中探討這種情況。
場景
我們正在努力提高產品的強度。 我們已經確定了一種治療方法“A”，我們相信它可以提高力量。 我們的管理層希望我們在實施生產變革之前證明這一點。
我們使用處理 A 創建三個樣本並測量每個樣本的強度。 我們還收集三個標準（或對照）樣本並測量每個樣本的強度。 這是數據：
使用 Fit Y by X 平台聯合管理計劃（見下文），我們發現處理 A 樣本的平均強度略高於對照組。 然而，t 檢定顯示我們不能（以 95% 的置信度）說治療 A 的總體平均值與對照組的總體平均值有任何不同。 我們停止測試，開始尋找另一種提高產品強度的方法。
這似乎是一個簡單的測試，結果易於解釋，但我認為在上述場景中犯了錯誤，我們可能會放棄一個完美的解決方案。
你認為它們可能是什麼？請繼續關注我的下一篇文章在這個系列，大約一週後到！
所以您是統計和數據分析的新手。 老闆要求你確定新流程是否對你的產品有幫助。 您了解一些統計學知識，並且知道應該使用 t 檢定。 但它並不總是像收集數據和運行分析那麼簡單！ 在這個部落格系列中，您可以從我近 40 年的工程生涯中所犯的一些錯誤中學習。
回覆：從實驗和數據分析中的錯誤中學習——第 1 部分：場景好吧……再說一次……我經常是新產品開發團隊的統計學家，並且是能源部與團隊工作相關的所有事情的「同樣」資源。 通常我們會設計實驗，包括在團隊會議上討論與實驗相關的所有後勤事務。 然後，團隊的一部分人將負責自己運行實驗，或者有時將設計（我的 JMP 數據表通常在一張紙上）交給一些不參與（計劃中）的人來實際進行實驗。
在不只一次的情況下，實際運行實驗的人們會忽略諸如隨機化之類的事情（哎呀......當我實際運行這個實驗時，在接下來的8 小時內在低溫和高溫之間切換是一件痛苦的事情......我'將所有的低點放在一起，然後所有的高點......這會傷害什麼？ 另外，我的工作效率會更高，因為我不必等待每次運行時的溫度達到平衡。）
或者自己承擔不使用特定因素的水平的責任，因為，「好吧，每次我為這些人進行實驗時，他們都會使用這些水平......他們一定在電子表格上犯了錯誤」。
或者出了問題......就像供應商的一袋原材料被確定無法使用......所以他們換成另一個供應商的“相同”的東西，而這些東西恰好在儲藏室裡。 “他們不知道的事情不會傷害他們。”
不斷進行各種「改進」。
我敢打賭你還能編出一些其他的嗎？
因此，我很快就了解到，確保不會發生此類程序故障模式的最佳方法是在實驗進行過程中堅持親自在場進行觀察……甚至可能伸出援手。 通常我發現技術人員非常歡迎這種對他們工作的興趣和幫助。 另外，透過實際“去現場”，我了解了很多關於他們的工作和我們的流程的知識。 精益概念，粗略地翻譯為「去看看工作在哪裡完成」。 當然，這意味著要在深夜進行……在夜班等上進行實驗……但最終我們確信這是運行我們專案的最佳方式。
回覆：從實驗和數據分析中的錯誤中學習——第 1 部分：場景出色的@彼得_巴特爾！這是常犯的錯誤之一。我將在以後的文章中詳細討論它。讓想法不斷湧現！
回覆：從實驗和數據分析中的錯誤中學習——第 1 部分：場景我們對測量系統變異了解多少？ 也許大部分的變化是由於測量系統造成的，而不是兩個群體的屬性差異…區分每個問題的真實但未知群體值。
