POV (변동 파티션) 대 COV (변동 계수)안녕,
누군가 JMP에서 기본적으로 Variation 파티션을 수행하는지 또는 비슷한 것을 가지고 있는지 묻는 사람이 있습니다.온라인에서 아무것도 찾을 수 없습니다.분명히 이것은 반도체에서 사용됩니다. "문제를 해결하려고 할 때 중요한 단계 중 하나는 변동의 원인을 분리하는 것"입니다.POV는 균형 및 불균형 데이터와 함께 연속 및 속성 데이터를 처리하도록 조정합니다."또한 공통 / 노이즈를 포함하여 내부 및 편차 사이를 구분합니다."
이것이 JMP에 포함되어 있는지 여부와 가변성 / 속성 게이지 플랫폼의 표준 변형 구성 요소와 어떻게 비교되는지 아는 사람이 있습니까?
Re : POV (변동 파티션) 대 COV (변동 계수)나는 그것들이 분산 성분을 의미한다고 확신하며, 예, JMP는 여러 곳에서 이것을 계산합니다.
Re : POV (변동 파티션) 대 COV (변동 계수)헤이 해들리,
분산 성분 분석에 대해 이야기 할 수 있습니까? 그렇다면 랜덤 효과로 모델을 피팅하면 분산 성분 추정치가 생성됩니다.
변동내는 분산 성분 추정치 표의 잔차입니다. Between은 상호 작용 모델에 사용할 수 있습니다.합계는 총 분산을 제공합니다.JMP 사용자가되기 전에 이것이 제가 MSA 문제를 해결 한 방법입니다. 랜덤 효과가있는 모든 상황에서 편리합니다. 이것이 그들이 요구하는 것일 수 있습니까?
제이
미안합니다 마크, 우리가 동시에 답장을 했나봐
Re : POV (변동 파티션) 대 COV (변동 계수)이에 대한 또 다른 변형은 응답에서 주성분 (PCA)을 생성 한 다음 Jason이 위에 표시된 것과 같은 분산 성분을 사용하지만 대신 주성분에 대해 모델링하는 PVCA (Principal Variance Component Analysis)입니다.
이 분석과 관련하여 약 11 년 전 Russ W.의 게시물에서 가져온 링크입니다. PVCA
또한 도움이 될 수있는 NIEHS의 링크 NIEHS PVCA
Re : POV (변동 파티션) 대 COV (변동 계수)안녕,
응답 해 주셔서 감사합니다.지금 당장 가지고 돌아갈만큼 충분한 것 같아요.다시 한 번 감사드립니다.
친애하는,
해들리
