Comment comparer les variations des paramètres appariés entre les groupes?Dans l'industrie des semi-conducteurs, VMIN et IDDQ (fuite) sont des paramètres très critiques pour la puissance et les performances du processeur mobile. Pour chaque périphérique, il y aura une paire de VMIN et IDDQ pour chaque domaine d'alimentation, tels que la logique et la mémoire. Il existe un certain degré de corrélation entre VMIN et IDDQ (le périphérique avec une VMIN plus élevée a tendance à avoir un IDDQ plus petit), comme indiqué ci-dessous (les cercles gree représentent 95% de la population):
Supposons que le chat du bivariat gauche corresponde à la logique IDDQ (axe X) vs VMIN (axe des Y), tandis que celui de droite correspond à la mémoire. Si quelqu'un comparait la variation entre VMIN et IDDQ entre la logique et la mémoire, comment vous y prendrez-vous?
Merci!
Re: Comment comparer la variation des paramètres appariés entre les groupes?Si vous êtes prêt à croire que la gaussienne à deux variables est un modèle utile pour tous les groupes que vous souhaitez comparer, vous pouvez l'exploiter (après avoir transformé l'IDDQ de manière appropriée).
Si la complexité tient à la complexité des données brutes, vous pouvez, par exemple, tracer un elipse (probablement à la valeur ajustée à 95%) qui indiquerait l'emplacement, l'étendue et la corrélation de chaque groupe. De plus, si vous comptez le nombre de points dans chaque groupe qui se situent en dehors de l'élipse à 95%, vous pouvez augmenter la transparence de l'élipse afin que l'œil ne soit pas attiré par les groupes pour lesquels le modèle supposé est suspect.
Re: Comment comparer la variation des paramètres appariés entre les groupes?Merci beaucoup pour les commentaires et les suggestions, Ian! BTW, IDDQ est log normalement distribué.
Re: Comment comparer la variation des paramètres appariés entre les groupes?Je ne pense pas que ce soit une question facile, car j'estime qu'une réponse appropriée dépendra de l'utilisation d'une telle "comparaison". Je suppose que vous recherchez un ou plusieurs facteurs de mérite qui ont du sens dans votre situation.
À bien des égards, la comparaison la plus juste est fournie par les affichages ci-dessus, à l’exception du fait que vous n’avez pas d’échelles x et y communes. En règle générale, l’utilisation de la même échelle est considérée comme un élément important de toute comparaison (et c’est pourquoi GraphBuilder impose cette obligation lors de la création de tracés de treillis). De plus, je me méfierais des éléments verts, car il semble que vos données ne soient pas normalement distribuées, que ce soit dans un sens univarié ou bivarié. La variable y semble également être quantifiée, ce qui peut être important ou non.
