Vea cómo comparar y contrastar la utilidad situacional de dos métodos para observar muchas variables de proceso al mismo tiempo: Gráficos de control multivariado basados en modelos (MDMCC) y Detección de procesos.
Otro enfoque más "estadístico" es utilizar la prueba de Durbin Watson:
Entre los muchos enfoques de muestreo se incluyen: sistemático, estratificado, por conglomerados y multietapa.
Intenté generar fórmulas de columna en JMP usando JSL para imitar cada una de estas estrategias de muestreo:
Considere una muestra aleatoria de 1000 datos de prueba con una muestra de tamaño 250 para cada uno de los 4 lotes.
Muestra sistemática:
If(Sequence(1, 5) == 5, 1, 0)
Muestra estratificada:
If( Col Shuffle( :Lot ) <= 50,
1,
0
);
Muestra de grupo Seleccione los lotes 1 o 3:
If( :Lot == 1 | :Lot == 3,
1,
0
)
Grupo de muestras aleatorias Lote 1 o Lote 3:
If(
:Cluster Select Lot 1 or Lot 3 == 1 & If( Col Shuffle( :Lot ) <= 50,
1,
0
),
1,
0
)
Muestra multietapa n de 50 del lote 1 únicamente:
If( If( :Lot == 1, 1, 0 ) == 1 & If( Col Shuffle( :Lot ) <= 50, 1, 0 ),
1,
0
)
Muestra multietapa de n = 41 + n = 8 para un tamaño de muestra total de 49 del lote 1 únicamente:
Col 1 =
If( :"Multistage Sample 1 n=50"n == 1,
0,
If( If( :Lot == 1, 1, 0 ) == 1 & If( Col Shuffle( :Lot ) <= 50, 1, 0 ),
1,
0
)
)
Col 2 =
If( :"Multistage Sample 2 n=50 '"n == 1,
0,
If(
If( :Lot == 1, 1, 0 ) == 1 & If(
Col Shuffle( :Lot ) <= 50 - Col Sum( :"Multistage Sample 2 n=50 '"n ),
1,
0
),
1,
0
)
)
@Byron_JMP @Ben_Sagalovsky Una reflexión del seminario web en vivo del 20 de agosto: Tengo curiosidad sobre el papel de la autocorrelación para los cálculos de componentes principales, etc. Y asociado con esto, la cuestión del submuestreo de los datos del proceso y la decisión sobre cuál es el intervalo más apropiado para muestrear y cómo determinarlo. él.
