セッション中に、予想される係数の性質について質問がありました。それらがスケーリングされた要因にあるのか、実際のレベルにあるのか。 仲間の開発者から、Fit Modelがモデルで使用しているスケーリングを参照していることを確認できます（たとえば、予測式を保存し、そこで使用されている因子のセンタリングとスケーリングに注意してください）。
説明してくれてありがとう@コーキング！
また、ジャーナルを確認したところ、ビデオに表示されている「タイプ1およびタイプ2のエラー」チャートにいくつかのエラーが見つかりました。添付のジャーナルと下の画像のエラーを修正しました。
＃JMP16、＃Type_1_Type_2_Errors
調べる方法を参照してください。
- 1標本平均の誤差範囲
- 1 サンプル比率の誤差
- 1サンプル分散の誤差
- 2 つの独立した標本平均の誤差の範囲
- 2 つの独立したサンプル比率
- 2 つの独立したサンプル分散の誤差の範囲
1標本平均の検出力
- 計画された実験に対する N 回の試行の影響と結果の比較
注意：動画全体にQ&Aが散りばめられています。
使用する理由DOE のサンプル サイズ エクスプローラー、 JMP 16で導入？ リソース (あまり多くのテストを実行したくない) と望ましい結果のバランスを取るため。これらの結果は、テスト固有の推定値とともに、望ましい信頼度とパワーに依存します。などの質問に答える
- いくつのユニットをテストする必要がありますか?
- 治療手段の違いを検出することはできますか?
- 指定された幅の間隔を構成するために必要なサンプルの数は?
- 故障時間を見積もるには、何台のユニットをテストする必要がありますか?
統計的信頼度について
部品のサンプルを収集し、それらの各部品を測定すると、その特定のサンプルの平均値と標準偏差を計算できます。サンプルは、独自の真の平均値と真の標準偏差を持つ部品の「母集団」から抽出されました。真の母集団の平均と標準偏差を知る方法はありません (母集団のすべての部分を測定しない限り、一般的にコストがかかります)。サンプルの平均と標準偏差は、母集団の平均と同じにはならない可能性が高く、標準偏差。総人口の平均が実際にそうであると思われる値の範囲に境界を設定したいと思います。
この範囲を決定するには、結果にある程度の自信が必要です。これは、0 から 100% の間の任意のパーセンテージです。多くの場合、95% が選択されますが、アプリケーションによって異なります。そのため、いくつかの計算を行った後、「15 個の部品のサンプルの平均値は 13.1 でした。これらの 15 の部分が抽出された真の母平均は 10.4 から 15.8 の間であるという 95% の信頼性があります。これは、95% の確率 (または 20 回中 19 回) で私が正しいことを意味します。真の人口平均は、10.4 から 15.8 の間になります。
残りの 5% の時間 (20 回に 1 回) は間違っています。真の母平均は、10.4 未満または 15.8 より大きくなります。
15 の部分の別のサンプルを描画すると、別の答えが得られることに注意してください。おそらく、サンプルの標準偏差が異なる 13.3 のサンプル平均が得られます。これで、95% 信頼区間は 10.9 ～ 15.7 になる可能性があります。 今回は 30 パーツのサンプルをさらに抽出すると、12.1 から 14.5 など、より厳しい 95% 信頼区間が生成される可能性があります。サンプルサイズが大きいため、真の母平均と標準偏差の推定値が高くなるため、より厳密です。
統計的検出力について
これには通常、差異を検出できることが含まれます。 たとえば、真の母集団の平均が +/- 1 単位以内の 15 であるかどうかを知りたいとします。 母集団から 25 部のサンプルを抽出する予定です。部品の標準偏差は 1.0 単位になると予想されます。 母集団の実際の平均を推定するときは、推定値に 95% の信頼性が必要です。
真の母集団の平均が 15 +/- 1 であるという私の仮定が正しいのはどのくらいの頻度でしょうか?これが統計力です。この場合、私たちは 40% の確率で正しいでしょう。したがって、それぞれ 5 つの部分からなる複数のサンプルを抽出し、母集団の平均が本当に 15 +/- 1 であるかどうかについて毎回結論を出す場合、正しい確率は 40% に過ぎません。サンプル数、検出する差を広げる、母平均の推定値の信頼性を下げる。パワー = 帰無仮説を正しく棄却する確率。私たちは通常、帰無仮説が実際に偽である場合にのみ力に関心があります。
リソース
