Bonjour à tous,
Quelqu'un pourrait-il m'orienter dans la bonne direction en termes de meilleure compréhension des détails statistiques derrière le "rapport de probabilités de mauvaise classification" généré dans la plate-forme de jauge d'attributs de variabilité de JMP ?
Comment sont-ils calculés sur la base d'une analyse sur un Y continu vs X catégorique (comme dans Gauge R&R lorsque nous avons Mesure vs Opérateur, Pièce et Opérateur*Pièce).
Je connais les notions d'alpha et de bêta, et leurs compléments.Comment sont-ils liés à l'alpha et à la bêta ?
Voici ce que j'ai trouvé dans l'aide JMP (Quality and Process Methods Book):
+++++
Mauvaise classification Probabilités
En raison de la variation de mesure, les bonnes pièces peuvent être rejetées et les mauvaises pièces peuvent être acceptées. C'est appelé mauvaise classification. Une fois que vous avez sélectionné le Mauvaise classification Probabilités option, si vous ne l'avez pas déjà fait, vous êtes invité à sélectionner le type de modèle et à entrer les limites de spécification.
Exemple de la Mauvaise classification Probabilités Signaler
Notez ce qui suit :
• Les première et deuxième valeurs sont conditionnelles probabilités.
• Les troisième et quatrième valeurs sont conjointes probabilités.
• La cinquième valeur est une probabilité marginale.
• Les quatre premières valeurs sont probabilités d'erreurs qui diminuent lorsque la variation de mesure diminue.
+++++
Merci d'avance pour toutes les idées que vous pouvez offrir!
Bonjour,
Il s'agit d'une page contenant des explications supplémentaires que nous utilisons pour décrire la sortie des probabilités d'erreur de classification de JMP.
J'espère que cela aide un tout petit peu.
