Wie kann man die Variation gepaarter Parameter zwischen Gruppen vergleichen?In der Halbleiterindustrie sind VMIN und IDDQ (Durchsickern) sehr wichtige Parameter für die Leistung und Leistung mobiler CPUs. Für jedes Gerät gibt es ein Paar VMIN und IDDQ für jede Leistungsdomäne, z. B. Logik und Speicher. Es besteht eine gewisse Korrelation zwischen VMIN und IDDQ (ein Gerät mit höherem VMIN neigt dazu, eine kleinere IDDQ aufzuweisen) (siehe unten) (grüne Kreise stellen 95% der Gesamtbevölkerung dar):
Nehmen wir an, der linke Bivariat-Chat entspricht der logischen IDDQ (X-Achse) vs. VMIN (Y-Achse), während der rechte Chat dem Speicher entspricht. Wenn jemand die VMIN-IDDQ-Variation zwischen Logik und Speicher vergleichen würde, wie würden Sie vorgehen und dies tun?
Vielen Dank!
Re: Wie kann man die Variation gepaarter Parameter zwischen Gruppen vergleichen?Wenn Sie bereit sind zu glauben, dass das bivariate Gaußsche Modell für alle Gruppen, die Sie vergleichen möchten, ein nützliches Modell ist, könnten Sie dies nutzen (nachdem Sie IDDQ entsprechend transformiert haben).
Wenn die Komplexität dadurch entsteht, dass Sie so viele Gruppen haben, dass die Rohdaten überwältigend wären, könnten Sie beispielsweise eine Elipse (wahrscheinlich mit dem angepassten Wert von 95%) darstellen, die den Ort, die Streuung und die Korrelation jeder Gruppe anzeigt. Wenn Sie außerdem die Anzahl der Punkte in jeder Gruppe zählen, die außerhalb der 95% igen Elipse liegen, können Sie die Transparenz der Elipse erhöhen, sodass das Auge nicht auf Gruppen gezogen wird, für die das angenommene Modell verdächtig ist.
Re: Wie kann man die Variation gepaarter Parameter zwischen Gruppen vergleichen?Vielen Dank für das Feedback und die Vorschläge, Ian! Übrigens, IDDQ ist normal verteilt.
Re: Wie kann man die Variation gepaarter Parameter zwischen Gruppen vergleichen?Ich denke nicht, dass dies eine einfache Frage ist, da ich glaube, dass eine angemessene Antwort davon abhängt, wofür ein solcher Vergleich tatsächlich verwendet wird. Ich nehme an, Sie suchen nach einer oder mehreren Verdienstzahlen, die in Ihrer Situation sinnvoll sind.
In vielerlei Hinsicht bieten die oben dargestellten Anzeigen den besten Vergleich, mit Ausnahme der Tatsache, dass Sie keine gemeinsamen X- und Y-Skalen haben. Im Allgemeinen wird die Verwendung des gleichen Maßstabs als wichtiger Bestandteil jedes Vergleichs angesehen (und deshalb erzwingt GraphBuilder dies bei der Erstellung von Gitterplots). Darüber hinaus wäre ich bei den grünen Elipsen vorsichtig, da Ihre Daten anscheinend nicht normalverteilt sind, entweder im univariaten oder im bivariaten Sinne. Die y-Variable scheint auch quantisiert zu sein, was vielleicht von Bedeutung ist oder nicht.
