Autocorrelación por JMP14Reviso mi archivo de PowerPoint de capacitación. Fui capacitado en el año 2007. Cuando queremos hacer un gráfico de control, debemos verificar la normalidad de los datos. Y también autocorrelación por JMP.
Intento buscar una verificación de autocorrelación en JMP14 pero no puedo encontrarla.
Cualquier función en JMP14 para usar en lugar de autocorrelación.
En la versión anterior de JMP debemos pasar por
Comprobación de autocorrelación – En JMP:
Analizar > Modelado > Serie temporal
Si toma varias medidas por lote,
realizar análisis sobre promedios de lotes
Verifique si todas las barras se encuentran dentro de las barras azules.
Sin barras fuera de los límites = sin autocorrelación
Modelado estadístico avanzadoRe: Autocorrelación por JMP14@statman Muchas gracias por su amable instrucción.
Me gustaría compartir mi comprensión sobre la aplicación del cuadro de control. La razón por la que necesitamos verificar la normalidad es para asegurarnos de que los datos que utilizamos para calcular el límite de control al inicio sean apropiados. Es posible que encontremos que los datos son anormales al mezclar datos de 2 máquinas, hay algunos datos de diferentes operadores. En caso de mezclar con 2 máquinas, es mejor hacer 2 cuadros de control. Si la anomalía ocurre por un grupo diferente de OP, entonces debemos cortarlo porque es un problema temporal.
Para la autocorrelación, esto es nuevo para mí. Nunca lo uso antes. Supongo que también se utilizará para comprobar anomalías. Intentaré con algunos datos para entenderlo mejor.
De hecho, planeo aplicar un gráfico de control a mi proceso. Tengo que formar a mi joven ingeniero. Después de estudiar la autocorrelación, si no lo tengo 100% claro, no lo explicaré y usaré solo la prueba de normalidad y también la prueba de regla del gráfico de control.
Muchas gracias de nuevo por recibir sugerencias y conocimientos de un experto. Cualquier consejo adicional, no dude en hacérmelo saber.
@markbailey Muchas gracias por tu consejo.
Re: Autocorrelación por JMP14@Mark_Bailey Ya respondí su pregunta de correlación automática, pero tengo que preguntarle por qué verifica la normalidad de los datos antes de usar un gráfico de control. Te das cuenta de que NO existe ninguna suposición de normalidad al utilizar un gráfico de control. Argumento de Shewhart en las páginas 275-277 de Control económico de la calidad del producto manufacturado. En estas páginas, Shewhart parece jugar brevemente con la idea de utilizar el enfoque de probabilidad. Parafraseando su argumento en estas páginas, señala que si un proceso fuera exactamente estable, es decir, se ajustara inquebrantablemente a algún modelo matemático preciso, y si conociéramos los detalles de su distribución estadística subyacente (fija), entonces podríamos trabajar en términos de probabilidad. límites. Sin embargo, señala que, en la práctica, nunca conocemos el tipo apropiado de distribución estadística. Si bien los estadísticos suelen optar, casi como si fuera una conclusión inevitable, por su distribución favorita, la distribución gaussiana o normal, Shewhart descarta el uso de la distribución normal en la página 12 de su libro de 1939, Statistical Method from the Viewpoint of Quality Control. yo." (Gráficos de Shewhart y el enfoque de probabilidad, Wheeler y Neave, Novena Conferencia Anual de la Asociación Británica Deming, 1996)
En las páginas 334 y 335 de Fuera de la crisis, Deming dice:
“Los cálculos que muestran dónde colocar los límites de control en un gráfico tienen su base en la teoría de la probabilidad. Sin embargo, sería erróneo asignar una cifra determinada a la probabilidad de que una señal estadística para la detección de una causa especial pueda ser errónea, o de que el gráfico no pueda enviar una señal cuando existe una causa especial. La razón es que ningún proceso, excepto en demostraciones artificiales mediante el uso de números aleatorios, es constante e inquebrantable. Es cierto que algunos libros sobre control estadístico de la calidad y muchos manuales de capacitación para enseñar gráficos de control muestran una gráfica de la curva normal y las proporciones del área debajo de la misma. Tales tablas y gráficos son engañosos y desbaratan el estudio y uso efectivo de los gráficos de control. .”
Para AGREGAR con respecto a la autocorrelación:
"Por lo tanto, un problema importante con el enfoque de probabilidad para los gráficos de control es que está totalmente fuera de contacto con la realidad. Los supuestos utilizados para el tratamiento matemático se convierten en prohibiciones que se imponen erróneamente a la práctica. Es común encontrar restricciones como las siguientes. "Los datos deben distribuirse normalmente". "El gráfico de control funciona gracias al teorema del límite central; por lo tanto, es necesario tener subgrupos de al menos cinco observaciones". “ El gráfico no funcionará con datos correlacionados en serie (autocorrelacionados) —Las observaciones deben ser independientes entre sí antes de poder utilizar un gráfico de control”. Estos, y otros similares, son ejemplos de cómo mueve la cola el perro. Los supuestos seleccionados para conveniencia del matemático se convierten en requisitos previos para el uso de la técnica. En el caso de los gráficos de control, esta inversión es inapropiada y engañosa.
Re: Autocorrelación por JMP14Sí, la plataforma Time Series proporciona el coeficiente de autocorrelación para diferentes retrasos.
También puede obtener información sobre la autocorrelación de primer orden en la plataforma Fit Least Squares. Seleccione Analizar > Ajustar modelo. Transmita la respuesta en el rol Y y agregue la variable Tiempo a los Efectos. Haga clic en Aceptar. Haga clic en el triángulo rojo en la parte superior y seleccione Diagnóstico de fila > Trazar residuo por fila y prueba de Durbin-Watson.
