Come implementare la scomposizione della varianzaSalve, sto seguendo una guida su come valutare la precisione delle misurazioni e mostra questa figura (immagine 1) per uno studio 20x2x2 (20 giorni, 2 esecuzioni al giorno, 2 repliche per ciascuna esecuzione).
Seguito dalla spiegazione (immagine 2):
Qual è il modo migliore per farlo in JMP? Disegna il grafico indicando quanta varianza totale è spiegata da ciascuna variabile e ottieni anche una tabella numerica con queste informazioni.
Grazie
Personalizzazione di massaRe: Come implementare la scomposizione della varianzaDa aggiungere a @Mark_Bailey Dai commenti di questo, dirò che a volte è ovvio e a volte no. Ecco un semplice diagramma che mostra il continuum tra nidificati e incrociati con la sistematica al centro. Per quanto riguarda il campionamento sistematico, troverete opinioni diverse su come questo dovrebbe essere gestito.
Re: Come implementare la scomposizione della varianzaGrazieRe: Come implementare la scomposizione della varianzaNon conosco un modo "facile". È un punto di confusione molto comune, quindi non sentirti in colpa se non è ancora del tutto chiaro. Dirò, però, che una volta che lo avrai capito, ti sarà molto chiaro.
Se ogni giorno fosse sempre l'Operatore Bob o Alice, l'Operatore viene barrato. Ma se ci fossero operatori diversi ogni giorno e li chiamassi semplicemente Bob e Alice, allora sarebbero nidificati. Non è come lo chiami tu, è quello che è!
Ecco un collegamento a una buona fonte (tra tante!) per chiarire, si spera, fattori incrociati e annidati.
Re: Come implementare la scomposizione della varianzaIntegrare @Mark_Bailey , ecco un webinar JMP On Demand sull'argomento di interesse qui, ospitato dal mio ex collega @JerryFish :
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/evaluating-and-monitoring-your-process-using-msa-and-spc.html
Re: Come implementare la scomposizione della varianzaPenso di capirlo, ma se invece delle esecuzioni 1 e 2 fossero l'Operatore Bob e l'Operatore Alice, anche quello sarebbe nidificato?
Esiste un modo semplice per determinare se i fattori sono nidificati o incrociati, soprattutto se sto pensando a più di 2 fattori?
Re: Come implementare la scomposizione della varianzaHa a che fare con la modellazione e il corretto calcolo delle componenti della varianza. Ha a che fare con il significato della STESSA cosa. Etichetti la corsa come 1 e 2 per ogni giorno, tranne la corsa i cambiamenti di giorno in giorno. La corsa 1 del giorno 3 è non lo stesso della corsa 1 del giorno 1. Se fossero incrociati, riusciresti a ripetere la STESSA corsa ogni giorno, cosa fisicamente impossibile. Un altro modo di pensarci è in termini di gradi di libertà. Se utilizzassi un disegno a croce, avresti solo 2 gradi di libertà per Corsa. Ma hai 20x2 = 40 gradi di libertà per Run. Questo perché Run è nidificato in Day.
Pensare in questo modo. Cosa succederebbe se il fattore fosse Campione = 1 o 2 da testare il giorno = da 1 a 20? Se lo stesso campione venisse testato ogni giorno, si tratterebbe di un disegno incrociato. Se i due campioni fossero diversi ogni giorno, il disegno sarebbe nidificato.
Re: Come implementare la scomposizione della varianzaGrazie, questo è esattamente quello che volevo.
Anche se non capisco perché devo scegliere nidificato, ho pensato che giorno e corsa fossero incrociati? Per ogni giorno che hai corso 1 e 2?
GrazieRe: Come implementare la scomposizione della varianzaPresumo che tu abbia una tabella dati con una riga per ogni misurazione. Sono presenti colonne di dati per la misurazione e le variabili di raggruppamento. Le variabili di raggruppamento sono denominate Giorno (1-20), Esegui (1-2) e Replica (1-2). Ci saranno un totale di 80 righe nella tabella.
Esistono un paio di piattaforme in grado di calcolare i componenti della varianza per te. Entrambi forniranno le stime, ma ciascuno offre informazioni aggiuntive uniche sulle stime e sulle ipotesi del modello. Inizieremo con la piattaforma Fit Least Squares.
- Selezionare Analizza > Stima modello.
- Selezionare Misura e fare clic su Y.
- Seleziona Giorno ed Esegui nell'elenco delle colonne a sinistra.
- Fare clic su Aggiungi.
- Seleziona Giorno nell'elenco delle colonne e seleziona Esegui nell'elenco degli effetti.
- Fai clic su Nidifica.
- Seleziona Giorno ed Esegui[Giorno] nell'elenco degli effetti.
- Fai clic sul triangolo rosso accanto ad Attributi e seleziona Effetto casuale.
- Confronta la tua finestra di dialogo con l'immagine qui sotto e quando sono d'accordo, fai clic su Esegui.
I componenti della varianza si trovano nella colonna Componente Var nel report Stime dei componenti della varianza REML nella finestra Adatta ai minimi quadrati.
Il grafico della variabilità è un altro buon modo per ottenere le stime.
- Selezionare Analizza > Qualità e processo > Grafico variabilità/indicatore attributi.
- Selezionare Misurazione e fare clic su Y, Risposta.
- Selezionare Giorno ed Esegui e fare clic su X, Raggruppamento.
- Fare clic su Decidi in seguito e selezionare Nidificato per Tipo di modello.
- Verifica che la finestra di dialogo corrisponda all'immagine seguente e fai clic su OK.
- Fai clic sul triangolo rosso accanto a Indicatore di variabilità e seleziona Componenti della varianza.
- Fare clic su OK.
I risultati delle due piattaforme differiscono. Innanzitutto, il modello nella piattaforma Variability Gauge include un termine di interazione che non fa parte del modello utilizzato nella piattaforma Fit Least Squares. In secondo luogo, il metodo di stima è diverso. La prima piattaforma utilizzava REML e la seconda piattaforma utilizzava una tecnica bayesiana. Il motivo è che le varianze Giorno e Corsa sono pari a 0 nelle mie misurazioni simulate, quindi le stime possono variare intorno allo 0. La prima piattaforma consente stime negative ma puoi modificare questo comportamento. La seconda piattaforma rileva la stima negativa e cambia metodo per fornire solo stime positive, ma puoi modificare questo comportamento.
