So implementieren Sie die VarianzzerlegungHallo, ich folge einer Anleitung zur Bewertung der Präzision von Messungen und sie zeigen diese Abbildung (Bild 1) für eine 20x2x2-Studie (20 Tage, 2 Durchläufe pro Tag, 2 Wiederholungen pro Durchlauf).
Anschließend die Erklärung (Bild 2):
Was ist der beste Weg, dies in JMP zu tun? Zeichnen Sie auf, wie viel von der Gesamtvarianz durch jede der Variablen erklärt wird, und erstellen Sie außerdem eine numerische Tabelle mit diesen Informationen.
Danke
MassenanpassungBetreff: So implementieren Sie die VarianzzerlegungHinzufügen zu @Mark_Bailey 's Kommentare, ich werde sagen, manchmal ist es offensichtlich und manchmal nicht. Hier ist ein einfaches Diagramm, das das Kontinuum zwischen verschachtelt und gekreuzt mit der Systematik in der Mitte zeigt. Bei der systematischen Stichprobe gibt es unterschiedliche Meinungen, wie damit umzugehen ist.
Betreff: So implementieren Sie die VarianzzerlegungDankeBetreff: So implementieren Sie die VarianzzerlegungIch kenne keinen „einfachen“ Weg. Es handelt sich hierbei um einen sehr häufigen Punkt der Verwirrung, also seien Sie nicht beunruhigt, wenn es noch nicht ganz klar ist. Ich möchte jedoch sagen, dass es Ihnen sehr klar sein wird, sobald Sie es verstanden haben.
Wenn es jeden Tag immer Operator Bob oder Alice war, ist der Operator durchgestrichen. Aber wenn es jeden Tag andere Operatoren wären und Sie sie lediglich Bob und Alice nennen, dann ist es verschachtelt. Es ist nicht das, was Sie nennen, es ist das, was es ist!
Hier ist ein Verknüpfung auf eine gute Quelle (von vielen!) um hoffentlich gekreuzte und verschachtelte Faktoren zu klären.
Betreff: So implementieren Sie die VarianzzerlegungZur Ergänzung @Mark_Bailey Empfehlungen von s, hier ist ein JMP On Demand-Webinar zu genau dem Thema, das hier von Interesse ist, moderiert von meinem ehemaligen Kollegen @JerryFish :
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/evaluating-and-monitoring-your-process-using-msa-and-spc.html
Betreff: So implementieren Sie die VarianzzerlegungIch denke, ich verstehe das, aber wenn es anstelle von Lauf 1 und 2 Operator Bob und Operator Alice wären, wäre das auch verschachtelt?
Gibt es eine einfache Möglichkeit festzustellen, ob die Faktoren verschachtelt oder gekreuzt sind, insbesondere wenn ich an mehr als zwei Faktoren denke?
Betreff: So implementieren Sie die VarianzzerlegungDabei geht es um die Modellierung und die korrekte Berechnung der Varianzkomponenten. Es hat mit der Bedeutung des GLEICHEN Dinges zu tun. Sie bezeichnen „Laufen“ für jeden Tag mit Ausnahme des Laufs als 1 und 2 Änderungen von Tag zu Tag. Lauf 1 an Tag 3 ist nicht das Gleiche wie Lauf 1 am ersten Tag. Wenn sie gekreuzt würden, wäre es möglich, jeden Tag den GLEICHEN Lauf zu absolvieren, was physikalisch unmöglich ist. Eine andere Möglichkeit, darüber nachzudenken, sind die Freiheitsgrade. Wenn Sie ein Kreuzdesign verwenden würden, hätten Sie für Run nur 2 Freiheitsgrade. Aber Sie haben 20x2 = 40 Freiheitsgrade für Run. Das liegt daran, dass Run in Day verschachtelt ist.
Denk darüber so. Was wäre, wenn der Faktor Probe = 1 oder 2 wäre, der am Tag = 1 bis 20 getestet werden soll? Wenn jeden Tag die gleiche Probe getestet wurde, handelt es sich um einen gekreuzten Entwurf. Wenn die beiden Proben jeden Tag unterschiedlich waren, wird das Design verschachtelt.
Betreff: So implementieren Sie die VarianzzerlegungVielen Dank, das ist genau das, was ich wollte.
Obwohl ich nicht verstehe, warum ich verschachtelt wählen muss, bin ich davon ausgegangen, dass Tag und Lauf gekreuzt sind? Für jeden Tag, an dem Sie 1 und 2 gelaufen sind?
DankeBetreff: So implementieren Sie die VarianzzerlegungIch gehe davon aus, dass Sie eine Datentabelle mit einer Zeile für jede Messung haben. Es gibt Datenspalten für die Messung und die Gruppierungsvariablen. Die Gruppierungsvariablen heißen „Tag“ (1–20), „Lauf“ (1–2) und „Replikation“ (1–2). Ihre Tabelle enthält insgesamt 80 Zeilen.
Es gibt einige Plattformen, die die Varianzkomponenten für Sie berechnen können. Beide liefern Ihnen die Schätzungen, aber jede bietet einzigartige zusätzliche Informationen zu den Schätzungen und zu den Annahmen des Modells. Wir beginnen mit der Fit Least Squares-Plattform.
- Wählen Sie Analysieren > Modell anpassen.
- Wählen Sie Messung und klicken Sie auf Y.
- Wählen Sie in der Spaltenliste auf der linken Seite „Tag“ und „Lauf“ aus.
- Klicken Sie auf Hinzufügen.
- Wählen Sie in der Spaltenliste „Tag“ und in der Liste der Effekte „Ausführen“ aus.
- Klicken Sie auf „Verschachteln“.
- Wählen Sie in der Liste der Effekte „Tag“ und „Lauf[Tag]“ aus.
- Klicken Sie auf das rote Dreieck neben „Attribute“ und wählen Sie „Zufälliger Effekt“ aus.
- Vergleichen Sie Ihren Dialog mit dem Bild unten und klicken Sie auf „Ausführen“, wenn sie zustimmen.
Die Varianzkomponenten finden Sie in der Spalte „Var Component“ im Bericht „REML Variance Component Estimates“ im Fenster „Least Squares anpassen“.
Das Variabilitätsdiagramm ist eine weitere gute Möglichkeit, Schätzungen zu erhalten.
- Wählen Sie Analysieren > Qualität und Prozess > Variabilitäts-/Attributmessdiagramm.
- Wählen Sie „Messung“ und klicken Sie auf „Y, Antwort“.
- Wählen Sie „Tag und Lauf“ und klicken Sie auf „X“, „Gruppierung“.
- Klicken Sie auf „Später entscheiden“ und wählen Sie „Geschachtelt“ als Modelltyp aus.
- Überprüfen Sie, ob Ihr Dialog mit dem Bild unten übereinstimmt, und klicken Sie auf OK.
- Klicken Sie auf das rote Dreieck neben „Variabilitätsanzeige“ und wählen Sie „Varianzkomponenten“ aus.
- OK klicken.
Die Ergebnisse der beiden Plattformen unterscheiden sich. Erstens enthält das Modell in der Variability Gauge-Plattform einen Interaktionsterm, der nicht Teil des in der Fit Least Squares-Plattform verwendeten Modells ist. Zweitens ist die Schätzmethode unterschiedlich. Die erste Plattform verwendete REML und die zweite Plattform verwendete eine Bayes'sche Technik. Der Grund dafür ist, dass die Tages- und Laufabweichungen in meinen simulierten Messungen 0 sind, sodass die Schätzungen um etwa 0 variieren können. Die erste Plattform erlaubt negative Schätzungen, aber Sie können dieses Verhalten ändern. Die zweite Plattform erkennt die negative Schätzung und wechselt die Methoden, um nur positive Schätzungen zu liefern, aber Sie können dieses Verhalten ändern.
