Hallo an alle,
Könnte mich jemand in die richtige Richtung weisen, um die statistischen Details hinter dem „MissClassification Probabilities Report“ besser zu verstehen, der in der Variability Attribute Gauge Platform von JMP generiert wird?
Wie werden diese auf der Grundlage einer Analyse auf einem kontinuierlichen Y vs. kategorialem X berechnet (z. B. in Gauge R&R, wenn wir Messung vs. Bediener, Teil und Bediener*Teil haben).
Ich bin mit den Konzepten von Alpha und Beta und ihren Ergänzungen vertraut.Wie hängen diese mit Alpha und Beta zusammen?
Folgendes habe ich in der JMP-Hilfe (Quality and Process Methods Book) gefunden:
+++++
Fehlklassifizierung Wahrscheinlichkeiten
Aufgrund von Maßabweichungen können Gutteile aussortiert und Schlechtteile akzeptiert werden. Das nennt man Fehlklassifizierung. Sobald Sie die auswählen Fehlklassifizierung Wahrscheinlichkeiten Wenn Sie dies noch nicht getan haben, werden Sie aufgefordert, den Modelltyp auszuwählen und die Spezifikationsgrenzen einzugeben.
Beispiel für die Fehlklassifizierung Wahrscheinlichkeiten Bericht
Beachte das Folgende:
• Der erste und der zweite Wert sind bedingt Wahrscheinlichkeiten.
• Der dritte und der vierte Wert sind gemeinsam Wahrscheinlichkeiten.
• Der fünfte Wert ist eine marginale Wahrscheinlichkeit.
• Die ersten vier Werte sind Wahrscheinlichkeiten von Fehlern, die mit abnehmender Messvariation abnehmen.
+++++
Vielen Dank im Voraus für alle Einblicke, die Sie anbieten können!
Hallo,
Dies ist eine Seite mit zusätzlichen Erläuterungen, die wir verwenden, wenn wir die Ausgabe von JMP für Fehlklassifikationswahrscheinlichkeiten beschreiben.
Hoffe das hilft ein bisschen.
