Tous les outils d’analyse JMP intégrés peuvent-ils aider à indiquer qu’il ya eu une augmentation des valeurs aberrantes?Salut à tous,
Je fais récemment une comparaison du résultat du test (test 1) de différentes conditions, par exemple les conditions A, B, C et D pour les dispositifs à semi-conducteurs.
Existe-t-il des fonctionnalités intégrées dans JMP 13 que je peux utiliser pour effectuer une comparaison statistique afin de déterminer s’il ya eu une augmentation du nombre de valeurs aberrantes dans le test 1 pour les conditions A -> D?
Je vous remercie,
Ann Ann
Re: Tous les outils d’analyse JMP intégrés peuvent-ils aider à indiquer qu’il ya eu une augmentation du nombre de valeurs aberrantes?Merci beaucoup pour les propositions.
En fait, je pensais / cherchais quelque chose qui pourrait me donner une indication de la fréquence accrue des valeurs aberrantes lors de la comparaison des différentes conditions de test pour les paramètres numériques. Par exemple, pour la comparaison moyenne, mon premier crétère de déclenchement serait probablement le rapport T et la valeur P. Par conséquent, je pensais juste à avoir quelque chose de similaire sur lequel je pourrais me baser pour surveiller les performances de fréquence des aberrantes.
Je vous remercie,
Ann Ann
Re: Tous les outils d’analyse JMP intégrés peuvent-ils aider à indiquer qu’il ya eu une augmentation du nombre de valeurs aberrantes?Juste pour ajouter un peu à mon collègue @markbailey Les conseils et les conseils qui ont du sens ... Je recommande également de simplement tracer les données de performances réelles en utilisant, par exemple, Graph Builder. Surtout si vous recherchez des valeurs aberrantes ... une image peut vous en dire beaucoup qui pourraient être masquées ou ne pas être visuellement évidentes en utilisant une approche de modélisation tout seul.
Re: Tous les outils d’analyse JMP intégrés peuvent-ils aider à indiquer qu’il ya eu une augmentation du nombre de valeurs aberrantes?Vous voulez tester s'il y a un changement significatif dans la fréquence des valeurs aberrantes. Je suggère d'essayer un modèle loglinear de Poisson.
Remarque: si la taille de l'échantillon pour chaque condition varie, vous devez créer un décalage pour le modèle. Ce doit être le journal de la taille de l'échantillon.
Sélectionnez Analyser> Adapter le modèle. Sélectionnez la colonne de données avec les indicateurs de valeur aberrante, puis cliquez sur Y. Sélectionnez la colonne de données avec les indicateurs de condition, puis cliquez sur Ajouter. Cliquez sur Moindres carrés standard> Modèles linéaires généralisés. Cliquez sur Distribution> Poisson. Utilisez la fonction de liaison par défaut (journal). Si vous devez utiliser un décalage, sélectionnez cette colonne de données et cliquez sur Décaler. Sélectionnez l'option Overdispersion. Puis cliquez sur Exécuter.
Les résultats devraient vous aider à déterminer s’il existe une différence significative entre les conditions.
