連續溫度數據控製圖你好，
我在雞身上進行了壓力實驗。 我已經監測了 7 天的腿部溫度。 例如，我引入了一個響亮的聲音來查看腿部溫度會發生什麼（我們預計它會在壓力源感應後下降）。
我在壓力源感應前 2 分鐘和壓力源感應後 2 分鐘提取了溫度。 所以我有一個包含 7001 個數據點的向量，因為溫度傳感器的採樣頻率是 25 Hz。 我正在嘗試建立這個溫度矢量的控製圖，但它沒有給出好的結果...... 在附件中，您可以找到我的數據向量和我嘗試構建的控製圖... 誰能幫幫我嗎？
謝謝你。
親切的問候，
山姆。
回复：連續溫度數據控製圖我不會坐在這里處理您的數據，但可能有趣的嘗試是：
分析>專業建模>擬合曲線
紅色小三角菜單，指數增長和衰減>擬合細胞生長 4p
或者也許是藥代動力學模型之一？
如果您碰巧有 JMP Pro，我肯定會嘗試使用 Functional Data Explorer 來擬合曲線。
然後你可以包括強度、頻率、刺激之間的持續時間等作為補充變量來研究它們對響應曲線的影響，而不僅僅是曲線參數。
回复：連續溫度數據控製圖首先，您需要了解“Shewhart 類型”控製圖回答的問題。
1.是子組內的變異（由於變量，x 在子組內發生變化）一致，穩定？ 這個問題用範圍圖來回答。 如果 x 在子組內幾乎沒有變化的機會，則平均範圍（以及作為範圍 D4R-bar 的函數的控制限制）將非常小，並且相應的控制限制非常嚴格。
2.是子組變異之間的變異（由於子組之間的變量變化）超過子組內變異預測的？X 條形圖上的控制限是子組內變異 (+/- A2R-bar) 的函數。 或者，本質上哪個變異來源更大。
理性分組的概念非常重要，儘管很難概括（因此也很難教授）。 如果您使用控製圖來劃分和分配變異源（變異研究的組成部分），那麼您可以選擇子組來描述您認為可能影響響應的變量子集（我建議您有支持您的選擇的科學假設）。 您可以通過選擇子組大小和子組內度量的頻率來執行此操作。 根據戴明的說法，範圍圖將回答這些來源是否隨機、常見原因等問題。 如果是，則可以量化該來源，並且該來源（變量的子集）可以作為與您有興趣研究的其他變異來源進行比較的基礎。 那些其他變異來源（根據您的假設再次選擇的另一個變量子集）將在子組之間的抽樣中暴露出它們的變異。 關鍵是選擇能夠增加這些變量確實發生變化的可能性的採樣間隔。 X 條形圖（實際上更可能是 Y 條形圖，因為您可能繪製的是 Y，而不是 x）是比較圖。 它將子組內（控制限）與子組間（平均值的繪圖值）進行比較。 “失控”點表明變異源之間的影響比內部來源更大。
對於您的情況，分組的選擇似乎是任意的，而不是基於假設。 變化是如此之小，控製圖失去了能夠分離變化來源的效用。 重新考慮您的分組策略是否合適。
回复：連續溫度數據控製圖控製圖可能不適用於此數據。
- 控製圖假設一個穩定的過程，並且不斷變化。
- 特殊原因引起的擾動會擾亂穩定性，但並不常見。
- 在收集將用於建立控制限度的數據時不存在特殊原因。
- 控製圖假定大多數子組僅顯示常見原因變異。 在這種情況下，您會期望嗎？
- 控製圖假定測量值是獨立的。
- 當以 25 Hz 採樣時，溫度讀數不可能是獨立的。
- 為了獨立，實際溫度波動必須以該速率的一半發生。
- 控製圖區分需要在控制下限和上限之間至少有五個級別的變化才有用。
隨著時間的推移收集數據自然建議至少使用運行圖來直觀檢查數據，但添加控製圖功能似乎並不合適。
您可以嘗試 Functional Data Explorer 並將數據視為函數。 這種方法將提供功能原理組件，然後可以將其用作新的反應與治療（正常與休克）和隨機效應，如鳥類（受試者）等等，假設您已經多次收集了多隻鳥類的此類數據。
我沒有任何其他建議。 不過，社區中有很多聰明人，所以您可能會在這裡得到一些其他的想法。
