Cómo implementar la descomposición de la varianzaHola, estoy siguiendo una guía sobre cómo evaluar la precisión de las mediciones y muestran esta figura (imagen 1) para un estudio de 20x2x2 (20 días, 2 ejecuciones cada día, 2 réplicas cada ejecución).
Seguido de la explicación (imagen 2):
¿Cuál es la mejor manera de hacer esto en JMP? Haz la gráfica con qué parte de la varianza total es explicada por cada una de las variables, y también obtén una tabla numérica con esta información.
Gracias
La personalización en masaRe: Cómo implementar la descomposición de la varianzaPara añadir a @Mark_Bailey En los comentarios, diré que a veces es obvio y otras no. Aquí hay un diagrama simple que muestra el continuo entre anidado y cruzado con sistemático en el medio. En el caso del muestreo sistemático, encontrará diferentes opiniones sobre cómo debe manejarse.
Re: Cómo implementar la descomposición de la varianzaGraciasRe: Cómo implementar la descomposición de la varianzaNo conozco una manera "fácil". Es un punto de confusión muy común, así que no te sientas mal si aún no está del todo claro. Sin embargo, diré que una vez que lo entiendas, te resultará muy claro.
Si siempre fue el Operador Bob o Alice todos los días, el Operador está cruzado. Pero si se trata de operadores diferentes cada día y simplemente los llamaste Bob y Alice, entonces está anidado. ¡No es como lo llamas, es lo que es!
Aquí hay un enlace a una buena fuente (¡entre muchas!) para, con suerte, aclarar los factores cruzados y anidados.
Re: Cómo implementar la descomposición de la varianzaPara suplementar @Mark_Bailey recomendaciones, aquí hay un seminario web de JMP On Demand sobre el tema de interés aquí, organizado por mi ex colega @JerryFish :
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/evaluating-and-monitoring-your-process-using-msa-and-spc.html
Re: Cómo implementar la descomposición de la varianzaCreo que lo entiendo, pero si en lugar de ejecutar 1 y 2 fueran el Operador Bob y el Operador Alice, ¿eso también estaría anidado?
¿Existe una manera fácil de determinar si los factores están anidados o cruzados, especialmente si estoy pensando en más de 2 factores?
Re: Cómo implementar la descomposición de la varianzaTiene que ver con el modelado y el correcto cálculo de los componentes de la varianza. Tiene que ver con el significado de MISMO cosa. Etiquetas Run como 1 y 2 para cada día, pero la carrera cambios De dia a dia. La carrera 1 del día 3 es no Lo mismo que la carrera 1 el día 1. Si se cruzaran, podrías hacer la MISMA carrera todos los días, lo cual es físicamente imposible. Otra forma de pensarlo es en términos de grados de libertad. Si usaras un diseño cruzado, entonces tendrías solo 2 grados de libertad para Correr. Pero tienes 20x2 = 40 grados de libertad para Ejecutar. Esto se debe a que Run está anidado en Day.
Piénsalo de esta manera. ¿Qué pasaría si el factor fuera Muestra = 1 o 2 para ser probado el Día = 1 a 20? Si se analizó la misma muestra todos los días, entonces se trata de un diseño cruzado. Si las dos muestras fueron diferentes cada día, entonces el diseño está anidado.
Re: Cómo implementar la descomposición de la varianzaGracias, esto es exactamente lo que quería.
Aunque no entiendo por qué tengo que elegir anidado, supuse que se cruzaron el día y la ejecución. ¿Por cada día que has corrido 1 y 2?
GraciasRe: Cómo implementar la descomposición de la varianzaAsumiré que tienes una tabla de datos con una fila para cada medida. Hay columnas de datos para la medición y las variables de agrupación. Las variables de agrupación se denominan Día (1-20), Ejecución (1-2) y Replicación (1-2). Habrá un total de 80 filas en su tabla.
Hay un par de plataformas que pueden calcular los componentes de la variación por usted. Ambos le darán las estimaciones, pero cada uno ofrece información adicional única sobre las estimaciones y los supuestos del modelo. Comenzaremos con la plataforma Fit Least Squares.
- Seleccione Analizar > Ajustar modelo.
- Seleccione Medición y haga clic en Y.
- Seleccione Día y Ejecutar en la lista de columnas de la izquierda.
- Haga clic en Agregar.
- Seleccione Día en la lista de columnas y seleccione Ejecutar en la lista de efectos.
- Haga clic en Anidar.
- Seleccione Día y Ejecutar[Día] en la lista de efectos.
- Haga clic en el triángulo rojo junto a Atributos y seleccione Efecto aleatorio.
- Verifique su cuadro de diálogo con la imagen a continuación y cuando estén de acuerdo, haga clic en Ejecutar.
Los componentes de la varianza se encuentran en la columna Componente Var en el informe Estimaciones de componentes de varianza REML en la ventana Ajustar mínimos cuadrados.
El gráfico de variabilidad es otra buena forma de obtener las estimaciones.
- Seleccione Analizar > Calidad y proceso > Gráfico de indicadores de variabilidad/atributos.
- Seleccione Medición y haga clic en Y, Respuesta.
- Seleccione Día y ejecución y haga clic en X, Agrupación.
- Haga clic en Decidir más tarde y seleccione Anidado en Tipo de modelo.
- Compruebe que su cuadro de diálogo coincida con la imagen siguiente y haga clic en Aceptar.
- Haga clic en el triángulo rojo junto a Indicador de variabilidad y seleccione Componentes de varianza.
- Haga clic en Aceptar.
Los resultados de las dos plataformas difieren. En primer lugar, el modelo de la plataforma Variability Gauge incluye un término de interacción que no forma parte del modelo utilizado en la plataforma Fit Least Squares. En segundo lugar, el método de estimación es diferente. La primera plataforma utilizó REML y la segunda plataforma utilizó una técnica bayesiana. La razón es que las variaciones de Día y Carrera son 0 en mis mediciones simuladas, por lo que las estimaciones pueden variar alrededor de 0. La primera plataforma permite estimaciones negativas, pero puedes cambiar ese comportamiento. La segunda plataforma detecta la estimación negativa y cambia de método para proporcionar solo estimaciones positivas, pero usted puede cambiar ese comportamiento.
