如何根据中位数范围而不是平均范围创建范围控制图有没有简单的方法可以使用 JMP 13 创建基于中位数范围而不是平均范围的范围图？ （因此范围上限也将基于中值范围。）
如果不是，我假设一种选择是使用运行图并通过脚本对其进行调整。 我将所有子组的范围值放入一个列表中，找到该列表的中值，然后从那里获取它（即通过使用中心线中值范围和上限限制中值范围的脚本添加参考线乘以适当的偏差校正因子）。
欢迎任何评论/提示。
斯科特.
回复：如何根据中位数范围而不是平均范围创建范围控制图斯科特，我爱你思想实验，所以我会继续。
首先我要重申一下：范围图回答问题：子组内的变异（这是子组内 X 变化的函数）是否一致、稳定（因此可预测）？ 如果不是，您应该检查 X 在子组内的变化，以了解它们对 Y 的可能影响。 控制图（在本例中为范围图）旨在帮助识别那些“异常大的变异源”。 有时，特殊原因（唐喜欢称之为可分配原因）是显而易见的，您实际上不需要任何统计测试（控制限）。Xbar 图表是对比图。 他们将变化的内部来源（由控制限表示）与变化来源之间（由绘制的平均值表示）进行比较，以确定杠杆在哪里（理解过程应该在哪里继续？您应该进一步调查哪组 X？） 。
好吧，假设您已将范围缩小到有关氦源的范围。 当然，子组内有多个变量发生变化，其中之一与氦源有关（尽管您没有建议什么？）。 金额是否不足？ 浓度有变化吗？ 有污染物吗？ 您希望图表能够识别这些“事件”，以便您可以对流程采取适当的行动。 该图表达到了其目的。 我的猜测是，这种情况在氦气上发生过不止一次……它真的不是什么特别的，只是根据您选择的时间序列或抽样计划而特别。 你采取的行动看起来常见的原因喜欢（改变流程）以防止将来出现这种情况（确实不特别）。如果您根据所学知识更改了流程，您是否应该使用“旧”流程中的数据？
我不知道什么基线数据是，但我建议你使用10个小组作为比较和决策的依据。 为什么是 10 个？ 我的猜测是，您认为这 10 个将提供过程中变异性的代表性估计（有些人可能称之为常见原因变异性）。 10 因为您相信在 10 中您将看到您假设的 X 的影响将影响 Y（它们将在 10 个子组中发生足够的变化......）。 但，这 10 个数据中包含一个不寻常的“数据点”，它通过创建一个大的子组范围来展示自己。 是什么导致了这个数据点？ 是测量误差吗？ 或者是因为子组内其他 X 发生了变化？ 当然，您会确信这与子组内 X 的变化有关（可分配给子组 X 内），因为有范围统计中捕获的子组源之间没有。我对你的氦气假设有点困惑，因为如果氦气随着时间的推移而恶化，它可能会出现在 Xbar 图表上，但我会配合。 也许氦效应的变异性实际上存在于所有数据点中，并且仅在导致 OOC 情况的一个数据点中被夸大？ 或者也许氦气只是问题的一部分？ 您是否应该使用其余数据来比较来源内部和来源之间的数据？ 或者您应该制定新的抽样计划并获取新数据？ 嗯，我的理解是，你从假设（以及对假设效果的预测）开始，获取数据来深入了解你的假设（并确定你的预测有多好），然后了解学到了什么，放弃/添加/修改你的假设并再次运行循环。 对于你的思想实验：这些 X 被捕获之内子组（子组内频率的变化）可能会影响 Y，并且还有其他 X 会在之间子组频率（仅使用采样树的 2 层）。 我想使用抽样来帮助确定哪些来源更大（具有更大的影响力），因为我想知道我的工作重点在哪里。 但在比较来源之前，我想确保比较的基础（子组内）是稳定的（与不稳定的基础进行比较是不合理的）。 这就是范围图的目的。 如果子组内来源不稳定，请调查原因并采取适当的措施（可能是改变流程）。 如果稳定，则继续进行比较。
当然，如何“操作”数据是您的选择。 我的猜测是 JMP 会很乐意帮助您操作数据。 在我看来你的情况很特殊。 我认为JMP不应该改变“软件”，共同事业行动，对特殊原因事件做出反应。
戴明《走出危机》，第 318 页：
两种错误：
1. 将变化或错误归因于特殊原因，而实际上该原因属于系统（常见原因），
2. 将变化或错误归咎于系统（常见原因），而实际上原因很特殊
回复：如何根据中位数范围而不是平均范围创建范围控制图我认为我们的想法比你上次的回复所暗示的更接近。 你可以阅读我在Quality Digest上发表的论文，看看我不会无故删除数据。 我从 Wheeler 博士的 SPC 研讨会中学到的两个知识是 (i) 异常值是数据集中最重要的值，以及 (ii) 中位数的可能使用（尽管在极少数情况下）。
思想实验：你有十个子群，其中一个子群的范围很大。 进入设备的氦源在应该改变的情况下却没有改变，并且测量结果没有像往常一样工作，即不一致。 该怎么办？ 从特殊原因中吸取教训，例如更新程序，以便更及时地更换氦气源，或者通过增加更换频率，或者通过更频繁地监控其属性来了解何时应该进行氦气更换。
如果这十个子组是我的基线数据，我会因为这一大范围而得到夸大的限制。 所有十个子组范围的中位数范围，无需从数据集中删除“特殊原因”，仍然可以为我提供对常规（常见原因）变化的合理估计。 平均范围将会被夸大。
如前所述，我对中位数潜在价值的认识来自于 Wheeler 博士的 SPC 研讨会。 我多久会使用中位数范围？ 不是太频繁，但有它是有用的。 （从软件的角度来看，我认为 JMP 或任何软件供应商都可以很容易地引入中值范围作为平均范围的补充。）
我将在某个时候在《质量文摘》中写下我的一个示例。
希望这可以帮助。
回复：如何根据中位数范围而不是平均范围创建范围控制图惠勒论文只是为了汇编可用的多种类型的图表。 如果您查看表 1（使用哪个图表），这些就是 Wheeler 推荐的图表。 我对你对图表的使用感到困惑。 你是说删除数据吗？ 为什么？ 最重要的信息被删除了？ 您应该了解为什么会发生这些特殊原因并修复该过程。 为什么范围会扩大？
“常规变化”是什么意思？ 你的意思是共同原因变异？ 图表再次执行 2 个功能。 极差图（R 或 MR），并且只有极差图，可以评估稳定性/一致性，并提供对变异性本质的洞察（使用戴明白话的特殊/常见原因）。 Xbar（实际上最常见的是 Ybar）是一个比较图，用于提供变化源内部和变化源之间的比较。
我的问题再次是：您能否提供一个现实生活中的应用示例，该示例可以从使用中值范围与平均范围中受益？ 中位数范围如何提供“额外的洞察力”？
你说对了一件事，JMP 或任何统计软件都使得操纵数据变得太容易了。
回复：如何根据中位数范围而不是平均范围创建范围控制图同意平均范围的默认计算提供了检查过程的可预测性（或缺乏可预测性）的洞察力。然而，正如您所说，大范围值会扩大平均范围，从而扩大范围图和平均图的限制。在不需要删除任何数据的情况下，如果不一致（导致范围夸大）得到更好的控制并消除其影响，则中位范围更有可能更好地了解常规变异的水平。 （如果我们使用控制图，我们的想法肯定是寻求对特殊原因采取行动？ 中值范围可以更好地了解如果此操作成功将会发生什么。）
JMP 可以轻松地从计算中消除点（通过排除行），如果坚持平均范围，就可以做到这一点。 但是，在平均范围夸大的情况下，解决此问题的一种更简单的方法是使用中值范围，而不是保留平均范围并判断在计算中保留/删除哪些范围值。
中值范围有时可以帮助获得额外的洞察力。 这是一个简单的程序 - 正如惠勒在上述引用的论文中解释的那样使用中值范围 - 那么为什么不让它来帮助我们的工作呢？
回复：如何根据中位数范围而不是平均范围创建范围控制图Scott，您能否提供一个何时使用中位数范围的示例？ 我对现实生活中的应用程序以及中位数的愤怒程度非常感兴趣改进控制图法的分析。
Don（在参考论文中）指出：
“一般来说，对于默认计算，建议使用子组内离散度测量的平均值。 然而，在那些情况下如果一些极大的值可能夸大了该平均值，您可以改用子组内的中位数分散措施以改善灵敏度你的分析。”我认为当范围非常大时，使用中值范围会给你更小的值，这将导致更严格的控制限制（我想唐所说的增加灵敏度是什么意思）。
乙ut，控制图的想法不是：
1. 确定子组内变异是否一致，如果子组内变异一致，
2. 将内部来源与外部来源进行比较，以确定哪个具有更大的影响力
如果您的范围非常大，您是否不想知道为什么？ 我不确定使用中位数将如何提高对控制图回答的问题的洞察力。 仅仅因为您可以计算中位数范围并不意味着它有用。
谢谢，斯科特，这有帮助。 很高兴知道这仍然是一个积极的“愿望”，并且我发现的更改并未完全解决，我认为这与您的请求相同。 我四处打听，以便更清楚地了解这个问题。 它引发了一些讨论，包括在现有研究中寻找这一想法作为分散度的有效衡量标准。 （我们必须有有效的引用才能将新计算添加到 JMP。）
需要明确的是：我认为您的要求是使用中值范围作为分散度的度量，而不是传统的范围值或标准偏差值。 因此，您需要的是一对 XBar-and-Median-Range 图表，而不是 XBar-and-R 或 XBar-and-S 作为配对位置和离散度图表。 这对你来说合适吗？
我们最终确实在这里找到了离散图表中使用的中值范围的参考： https://www.spcpress.com/pdf/DJW207.pdf 。 我们正在根据此参考资料输入新的请求，现在我们更好地了解了您的请求。 这不是我们常见的事情，目前 JMP 或 SAS 中也没有这样做，但有先例。 如果您愿意，请随时查看该论文并在此处添加其他评论和说明。
与此同时，我已经在 JMP 中询问了一个可能更接近您正在寻找的示例，并得到了使用中位数的均值图上的个人的想法。 请注意，图表的名称使用“Individual”，但您也可以将其与子组一起使用。 这是使用示例数据的示例。
dt = Open( "$SAMPLE_DATA/Big class.jmp" );
Control Chart Builder(
Variables( Subgroup( :age ), Y( :height ) ),
Chart( Position( 1 ), Limits( Sigma( "Median Moving Range" ) ) )
);
回复：如何根据中位数范围而不是平均范围创建范围控制图你好，奥黛丽，感谢您的评论，是的，最近几个月我在一些图表中使用了中值移动范围来表示个别值。 我的问题不是关于单个值，而是关于分组数据，我将在其中使用平均值和范围图表（X-bar R 图表）。 除非我错过了什么，否则我的“愿望”仍然是“愿望”。 在某些情况下，我更愿意使用中值范围而不是更标准的平均范围。 我在两三年前提出了这个请求在平均值和极差图表中使用中位数范围
回复：如何根据中位数范围而不是平均范围创建范围控制图这里的解决方法对于早期的 JMP 版本来说非常有用。 我很高兴地报告，从 JMP 15 开始，控制图生成器支持个体图和中值移动极差图。
回复：如何根据中位数范围而不是平均范围创建范围控制图
你好，
您需要直接使用“个体图”和“移动极差图”选项，而不是通过“控制图生成器”。 为此：
菜单分析 -> 质量和过程 -> 控制图 -> IR
您可以在此处选择中值范围而不是移动范围
结果看起来像这样（左中值范围，右移动范围）
这是 JMP 13 中的内容，我猜以前的版本可用。中位数范围的计算记录在“质量和流程用户指南 PDF”中，位于“帮助”->“书籍”->“质量和流程方法”下
该脚本类似于：
Control Chart(
Group Size( 1 ),
KSigma( 3 ),
Chart Col( :CI, Individual Measurement, Median Moving Range )
);
其中 :CI 是您要分析的过程变量。
回复：如何根据中位数范围而不是平均范围创建范围控制图你好@scottahindle ，我目前找不到 JMP 支持的任何建议，但通过使用个体图表和移动极差图表的“控制限”列属性，合并起来相对容易。这将允许您在控制图生成器中实施自定义限制。
