連続温度データの管理図こんにちは、
ニワトリのストレス実験を行いました。 脚の温度を7日間監視しました。 たとえば、脚の温度がどうなるかを確認するために大きな音を導入しました (ストレッサー誘導後に低下すると予想されます)。
ストレッサー誘導の 2 分前とストレッサー誘導の 2 分後の温度を抽出しました。 温度センサーのサンプリング周波数が 25 Hz だったので、7001 個のデータポイントのベクトルがあります。 この温度ベクトルの管理図を作成しようとしていますが、良い結果が得られません... 添付ファイルには、作成しようとしたデータ ベクトルと管理図が含まれています... 誰でも私を助けてもらえますか？
ありがとうございました。
敬具、
サム。
Re: 連続温度データの管理図私はあなたのデータを持ってここに座っているわけではありませんが、試してみると面白いかもしれないことは次のとおりです。
分析>特殊モデリング>フィットカーブ
赤い三角形のメニュー、指数関数的な成長と減衰>セルの成長に合わせる 4p
それとも、薬物動態モデルの 1 つですか?
たまたま JMP Pro をお持ちの場合は、Functional Data Explorer を使用して曲線を適合させようとすることを検討したいと思います。
次に、強度、頻度、刺激間の持続時間などを補助変数として含めて、曲線パラメーターだけでなく、応答曲線への影響を調べることができます。
Re: 連続温度データの管理図まず、「シューハート型」管理図がどのような質問に答えるかを理解する必要があります。
1.サブグループ内の変動です(変数のため、サブグループ内で x が変化します)一貫した、安定した? この質問は、範囲チャートで回答されます。 サブグループ内で x が変化する機会がほとんどない場合、平均範囲 (したがって、範囲 D4R バーの関数である管理限界) は非常に小さくなり、対応する管理限界は非常に厳しくなります。
2.サブグループの変動間の変動です(サブグループ間で変数が変化するため)サブグループ内の変動によって予測されるよりも大きいですか?X バー管理図の管理限界は、サブグループ内変動 (+/- A2R バー) の関数です。 または、本質的にどちらの変動源が大きいか。
合理的なサブグループ化の概念は非常に重要ですが、一般化する (したがって教える) ことは困難です。 管理図を使用して変動のソース (変動研究のコンポーネント) を分割して割り当てる場合は、サブグループを選択して、応答に影響を与える可能性があると思われる変数のサブセットを表します (選択を裏付ける科学的仮説を用意することをお勧めします)。 これを行うには、サブグループのサイズとサブグループ内の測定頻度を選択します。 範囲チャートは、デミングによると、これらのソースがランダムに、一般的な原因のように作用しているかどうかに関する質問に答えます。 そうであれば、そのソースを定量化することができ、そのソース (変数のサブセット) は、研究に関心のある他の変動ソースとの比較の基礎として機能することができます。 これらの他の変動源 (仮説の関数として再度選択された変数の別のサブセット) は、サブグループ間のサンプリングで変動が明らかになります。 重要なのは、これらの変数が実際に変化する可能性を高めるサンプリング間隔を選択することです。 X バー チャート (X ではなく Y をチャート化している可能性が高いため、Y バー チャートである可能性が高い) は比較チャートです。 サブグループ内 (管理限界) とサブグループ間 (平均のプロット値) を比較します。 「管理外」の点は、変動のソース間がソース内よりも影響力が大きいことを示唆しています。
あなたの状況では、サブグループ化の選択は、仮説に基づいているのではなく、恣意的であるようです。 変動が非常に小さいため、変動の原因を分離できるという管理図の有用性が失われます。 サブグループ化戦略を再考することは適切です。
Re: 連続温度データの管理図管理図は、このデータには適していない可能性があります。
- 管理図は、変動が一定の安定した工程を想定しています。
- 特別な原因による摂動は安定性を乱しますが、まれです。
- 管理限界を確立するために使用されるデータが収集される間、特別な原因は存在しません。
- 管理図は、サブグループの大部分が共通原因の変動のみを示すと想定しています。 この場合、それを期待できますか？
- 管理図は、測定値が独立していることを前提としています。
- 25 Hz でサンプリングした場合、温度の読み取り値が独立していることはありません。
- 実際の温度変動は、独立性のためにその半分の割合で発生する必要があります。
- 管理図の識別を有効にするには、下限管理限界と上限管理限界の間で少なくとも 5 つのレベル変更が必要です。
経時的なデータの収集は、データの視覚的検査のために少なくともラン チャートを使用することを当然示唆しますが、管理図の機能を追加することは適切ではないようです。
Functional Data Explorer を試して、データを関数として扱うこともできます。 このアプローチは、複数の鳥からそのようなデータを複数回収集したと仮定して、治療に対する新しい反応 (通常対ショック) および鳥 (被験者) などのランダム効果として使用できる機能原理コンポーネントを提供します。
他に提案はありません。 ただし、コミュニティには賢い人がたくさんいるので、ここで他のアイデアが得られるかもしれません。
