Il y a eu une question au cours de la session sur la nature des coefficients anticipés; si elles étaient sur les facteurs échelonnés ou les niveaux réels. Je peux confirmer d'un collègue développeur qu'ils font référence à la mise à l'échelle que le modèle d'ajustement utilise dans ses modèles (par exemple, enregistrez la formule de prédiction et notez le centrage et la mise à l'échelle des facteurs utilisés ici).
Merci pour la clarification @calking !
De plus, en examinant mon journal, j'ai trouvé des erreurs dans le tableau «Erreurs de type 1 et de type 2» qui était affiché dans la vidéo.J'ai corrigé les erreurs dans le journal ci-joint et dans l'image ci-dessous:
# JMP16, # Type_1_Type_2_Errors
Voir comment examiner :
Noter: Des questions-réponses sont intercalées tout au long de la vidéo.
Pourquoi utiliser Explorateurs de taille d'échantillon pour le DOE, introduit dans JMP 16 ? Pour équilibrer nos ressources (ne pas vouloir exécuter trop de tests) avec les résultats souhaités.Ces résultats dépendent de la confiance et de la puissance souhaitées, ainsi que de certaines estimations spécifiques aux tests.Répondre aux questions, y compris
- Combien d'unités dois-je tester ?
- Pourrai-je détecter une différence dans mes moyens de traitement ?
- Combien d'échantillons sont nécessaires pour construire un intervalle avec une largeur spécifiée ?
- Combien d'unités dois-je tester pour estimer le temps de défaillance ?
À propos de la confiance statistique
Si nous collectons un échantillon de pièces et effectuons une mesure sur chacune de ces pièces, nous pouvons calculer une moyenne et un écart type pour cet échantillon spécifique.L'échantillon a été tiré d'une "population" de pièces, qui a sa propre vraie moyenne et vrai écart-type.Nous n'avons aucun moyen de connaître la véritable moyenne et l'écart type de la population (sauf si nous mesurons TOUTES LES PARTIES de la population, ce qui est généralement prohibitif.) La moyenne et l'écart type de l'échantillon ne seront probablement pas les mêmes que la moyenne de la population et écart-type.Nous aimerions mettre des limites sur une plage de valeurs où nous pensons que la moyenne de la population totale pourrait vraiment être.
Pour déterminer cette plage, nous devons avoir une certaine confiance dans nos résultats.Il peut s'agir de n'importe quel pourcentage compris entre 0 et 100 %.Souvent, il est choisi à 95%, mais cela dépend de votre application.Donc, après quelques calculs, nous nous retrouvons avec une déclaration comme "Notre échantillon de 15 pièces avait une moyenne de 13,1.Nous avons 95% de confiance que la vraie moyenne de population à partir de laquelle ces 15 parties ont été tirées est comprise entre 10,4 et 15,8.Cela signifie que 95% du temps (ou 19 fois sur 20) j'aurai raison.La vraie moyenne de la population serait vraiment comprise entre 10,4 et 15,8.
Les 5% restants du temps (1 fois sur 20) nous aurions tort.La vraie moyenne de la population serait soit inférieure à 10,4, soit supérieure à 15,8.
Notez que si nous tirons un autre échantillon de 15 pièces, nous obtiendrons une autre réponse.Peut-être obtenons-nous une moyenne d'échantillon de 13,3 avec un écart type d'échantillon différent.Maintenant, notre intervalle de confiance à 95% pourrait être de 10,9 à 15,7. Si nous tirons encore un autre échantillon, cette fois de 30 parties, nous pourrions produire un intervalle de confiance à 95 % plus serré, disons 12,1 à 14,5.Il est plus serré parce que nous avons une meilleure estimation de la vraie moyenne de la population et de l'écart type, grâce à la plus grande taille de l'échantillon.
À propos de la puissance statistique
Il s'agit généralement d'être capable de détecter une DIFFÉRENCE. Par exemple, nous voulons savoir si la vraie moyenne de la population est de 15, à +/- 1 unité. Nous avons l'intention de tirer un échantillon de 25 parties de la population.Nous nous attendons à ce que l'écart type des pièces soit de 1,0 unité. Lorsque nous estimons la moyenne réelle de la population, nous voulons avoir une confiance de 95 % dans l'estimation.
À quelle fréquence aurons-nous raison de supposer que la vraie moyenne de la population est de 15 ± 1 ?C'est la PUISSANCE STATISTIQUE.Dans ce cas, nous aurions raison 40% du temps.Donc, si nous tirons plusieurs échantillons de 5 parties chacun, et que nous tirons une conclusion à chaque fois quant à savoir si la moyenne de la population est vraiment de 15 +/- 1, nous n'aurons raison que 40% du temps. Nous pouvons augmenter la puissance en augmentant notre nombre d'échantillons, soit en élargissant la différence à détecter, soit en réduisant notre confiance dans l'estimation de la moyenne de la population.Puissance = probabilité de rejeter correctement l'hypothèse nulle.Nous ne sommes généralement intéressés par la puissance que lorsque la valeur nulle est en fait fausse.
Ressources
