<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao a tutti,
Sto analizzando i dati per un compito di controllo qualità. Ho 3 lotti da una certa produzione. Da ciascuno dei 3 lotti ho 13 campioni. Ogni campione è un numero reale compreso tra 0 e 1, tuttavia non sono sicuro che 1 sia il limite superiore possibile. Ogni campione al di sotto di 0,42 è un fallimento. Devo trovare un modo per analizzarlo. Poiché ci sono 3 batch, presumo che "batch" sia un effetto casuale. Pensavo di poterlo analizzare con le componenti della varianza, ma trovo difficile interpretare i risultati.
Alcuni retroscena numerici: ecco le medie e le deviazioni standard dei 3 lotti: 0,537 (0,055), 0,656 (0,129) e 0,514 (0,041).
Ora, ho eseguito il componente di varianza tramite il modulo "variability gauge" (jmp 11) e ho ottenuto:
| Componente | Componente Var | % totale | sqrt(componente var) |
|---|
| Lotto | 0,0053 | 42.6 | 0,0729 |
| Entro | 0,0071 | 57.4 | 0,084 |
| Totale | 0,012 | 100 | 0.111 |
Sono confuso su come interpretarlo, poiché la DS totale di tutte le osservazioni insieme è 0,103 e la sqrt (componente var) della componente totale è 0,111. Qual è la differenza tra questi due?
Inoltre ho ottenuto questa tabella ANOVA:
| Fonte | DF | SS | SM |
|---|
| Lotto | 2 | 0,153 | 0,0763 |
| Entro | 36 | 0,257 | 0.00716 |
| Totale | 38 | 0,410 | 0.01 |
In che modo questa tabella si aggiunge alla componente di varianza?
E un'ultima domanda, c'è un modo all'interno di JMP per mostrare che il minimo è superiore a 0,42, intendo, non solo per mostrare la stima puntuale, ma forse una stima dell'intervallo per il minimo? Penso solo, forse se trovo una probabilità di essere superiore a 0,42, aggiustata per l'influenza del lotto.
Grazie !
Nella prima tabella, il report è una stima dei componenti della varianza basata su un modello lineare in cui batch è un effetto casuale. Le deviazioni standard non possono essere sommate per ottenere una deviazione standard totale. Ricorda che sqrt(a) + sqrt(b) non è uguale a sqrt(a + b). Devi sommare le varianze e poi prendere la radice quadrata per ottenere la deviazione standard totale. Questo potrebbe non corrispondere alla deviazione standard del campione perché è una stima basata su un modello lineare, ma se il modello è un buon modello dovrebbe essere vicino.
La tabella ANOVA sta eseguendo un'analisi della varianza assumendo che il batch sia un effetto fisso.
