<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola a todos,
Estoy analizando datos para alguna tarea de control de calidad. Tengo 3 lotes de alguna producción. De cada uno de los 3 lotes tengo 13 muestras. Cada muestra es un número real entre 0 y 1, sin embargo, no estoy seguro de que 1 sea el límite superior posible. Cada muestra por debajo de 0,42 es un fracaso. Necesito encontrar una manera de analizarlo. Como hay 3 lotes, supongo que "lote" es un efecto aleatorio. Pensé que podría analizarlo con los componentes de la varianza, pero me resulta difícil interpretar los resultados.
Algunos antecedentes numéricos: aquí están las medias y las desviaciones estándar de los 3 lotes: 0,537 (0,055), 0,656 (0,129) y 0,514 (0,041).
Ahora, ejecuté el componente de varianza a través del módulo "medidor de variabilidad" (jmp 11), y obtuve:
| Componente | Componente Var | % total | sqrt (componente var) |
|---|
| Lote | 0.0053 | 42.6 | 0.0729 |
| Dentro | 0.0071 | 57.4 | 0.084 |
| Total | 0.012 | 100 | 0.111 |
No sé cómo interpretar esto, ya que la SD total de todas las observaciones juntas es 0,103 y la raíz cuadrada (componente var) del componente total es 0,111. Cuál es la diferencia entre estos dos ?
Además obtuve esta tabla ANOVA:
| Fuente | DF | SS | EM |
|---|
| Lote | 2 | 0.153 | 0.0763 |
| Dentro | 36 | 0.257 | 0.00716 |
| Total | 38 | 0.410 | 0.01 |
¿Cómo se suma esta tabla al componente de varianza uno?
Y una última pregunta, ¿hay alguna forma dentro de JMP de mostrar que el mínimo está por encima de 0,42, quiero decir, no solo para mostrar la estimación puntual, sino también alguna estimación de intervalo para el mínimo? Solo pienso, tal vez si encuentro una probabilidad de estar por encima de 0.42, ajustada por la influencia del lote.
Gracias !
En la primera tabla, el informe es una estimación de los componentes de la varianza basada en un modelo lineal donde el lote es un efecto aleatorio. Las desviaciones estándar no se pueden sumar para obtener una desviación estándar total. Recuerda que sqrt(a) + sqrt(b) no es igual a sqrt(a + b). Debe sumar las varianzas y luego sacar la raíz cuadrada para obtener la desviación estándar total. Es posible que esto no coincida con la desviación estándar de la muestra porque es una estimación basada en un modelo lineal, pero si el modelo es bueno, debería estar cerca.
La tabla ANOVA está haciendo un análisis de varianza asumiendo que el lote es un efecto fijo.
