JMP14 的自相關我檢查了 2007 年接受培訓的培訓 Powerpoint 文件。 當我們想要製作控製圖時，我們必須檢查數據的正態性。 還有 JMP 的自相關。
我嘗試在 JMP14 上搜索自相關檢查，但找不到它。
JMP14 中用於代替自相關的任何函數。
在以前版本的 JMP 中，我們需要通過
自相關檢查 – 在 JMP 中：
分析 > 建模 > 時間序列
如果每批次進行多次測量，
對批次平均值進行分析
檢查所有條是否都落在藍色條內。
沒有超出限制的柱 = 無自相關
高級統計建模回复：JMP14 的自相關@statman非常感謝您的善意指導。
我想分享一下我對應用控製圖的理解。 我們需要檢查正態性的原因是為了確保我們用於計算開始時控制限的數據是合適的。 通過混合來自2台機器的數據，我們可能會發現數據有異常，有一些數據來自不同的操作員。 如果是2台機器混合的話，最好製作2個控製圖。 如果不同組的OP出現異常，那麼我們應該將其切斷，因為這是暫時的問題。
對於自相關，這對我來說是新的。 我以前從未使用過它。 我想它也將用於檢查異常。 我將嘗試使用一些數據來更好地理解它。
實際上我計劃將控製圖應用到我的流程中。 我必須培訓我的年輕工程師。 在我研究自相關之後，如果我不是100%清楚，我不會解釋它，只會使用正態性檢驗和控製圖規則檢驗。
再次非常感謝您獲得專家的建議和知識。 如有任何補充建議，請隨時告訴我。
@馬克貝利非常感謝您的建議。
回复：JMP14 的自相關@馬克貝利已經回答了您的自動相關問題，但我不得不問為什麼在使用控製圖之前要檢查數據的正態性。 您意識到使用控製圖沒有正態性假設。 休哈特在《製成品質量的經濟控制》第 275-277 頁上的論點。 在這些頁面上，休哈特似乎短暫地考慮了使用概率方法的想法。 他在這些頁面上解釋了他的論點，指出如果一個過程完全穩定，即堅定不移地符合某種精確的數學模型，並且如果我們知道其基礎（固定）統計分佈的細節，那麼我們就可以根據概率進行工作限制。 然而，他指出，在實踐中，我們永遠不知道適當的統計分佈類型。 雖然統計學家通常對他們最喜歡的分佈（高斯分佈或正態分佈）很滿意，幾乎就好像這是一個已成定局的結論， Shewhart 在他 1939 年出版的書《質量控制視角下的統計方法》第 12 頁上討論了正態分佈的使用l.” （休哈特圖表和概率方法，惠勒和尼夫，英國戴明協會第九屆年會，1996 年）
戴明在《擺脫危機》第 334-335 頁上說：
“顯示在圖表上放置控制限的位置的計算以概率論為基礎。 然而，將任何特定數字附加到用於檢測特殊原因的統計信號可能是錯誤的概率，或者當存在特殊原因時圖表可能無法發送信號的概率是錯誤的。 原因是，除了使用隨機數的人工演示之外，沒有任何過程是穩定的、堅定不移的。 確實，一些關於質量統計控制的書籍和許多控製圖教學培訓手冊都顯示了正態曲線及其下方面積比例的圖表。 此類表格和圖表具有誤導性，並且會破壞控製圖的有效研究和使用”。
添加有關自相關的內容：
“因此，控製圖概率方法的一個主要問題是它完全脫離現實。 用於數學處理的假設成為錯誤地強加於實踐的禁令。 通常會遇到如下限制。 “數據必須呈正態分佈。” “控製圖之所以有效，是因為中心極限定理——因此你必須有至少包含五個觀測值的子組。” “該圖表不適用於序列相關（自相關）數據——在使用控製圖之前，觀察結果必須相互獨立。”這些以及其他類似的人都是尾巴搖狗的例子。 為方便數學家而選擇的假設被轉化為使用該技術的先決條件。 就控製圖而言，這種逆轉既不恰當又具有誤導性。
回复：JMP14 的自相關是的，時間序列平台提供了不同滯後的自相關係數。
您還可以在擬合最小二乘平台中獲取有關一階自相關的信息。 選擇分析 > 擬合模型。 將響應投射到 Y 角色中，並將時間變量添加到效果中。 單擊“確定”。 單擊頂部的紅色小三角，然後選擇行診斷 > 按行繪製殘差和 Durbin-Watson 檢驗。
