la distribution des données n'est pas dans JMP lors de l'analyse CPKJe fais une analyse cpk et j'ai effectué un ajustement continu -> tout ajuster pour trouver la vraie distribution des données, puis j'exécute cpk. JMP a fourni la meilleure option, puis j'ai fait la qualité de l'ajustement pour confirmer par la valeur P, cependant, P <0,001, ce qui rejette la distribution suggérée par JMP. Je suppose que cela signifie que JMP n'a pas stocké la distribution appropriée. Ma question est de savoir si je peux simplement utiliser la distribution pour exécuter CPK, en fonction de l'AICc le plus bas de JMP ? Ou quelle sera l'option ici pour moi d'obtenir le CPK correct ? Merci.
Ingénierie Qualité et ProcédésRe : la distribution des données n'est pas dans JMP lors de l'analyse CPKMerci pour l'histogramme et les boîtes à moustaches. Le tracé quantile que je demandais aiderait à comprendre pourquoi le meilleur modèle échoue toujours au test d'ajustement car il trace les données avec des axes qui ont été transformés pour linéariser le CDF et les marqueurs de données. Le système visuel humain est très efficace pour détecter l’emplacement et les modèles linéaires. Voici un exemple utilisant la variable :weight dans la table de données Big Class. La plateforme de distribution a sélectionné le modèle de distribution Lognormal basé sur AICc puis j'ai produit les tracés QQ et PP. (Le premier graphique correspond aux quantiles et le second aux probabilités, à la fois issues des données et du modèle.) La ligne droite (référence) est le CDF pour la distribution lognormale. Inspectez les marqueurs par rapport à cette ligne de référence pour « accord » / « désaccord » ou « qualité de l'ajustement ».
À quoi ressemblent vos données dans ces graphiques par rapport au modèle de distribution SHASH sélectionné (et ajusté) ?
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKCes tests d’adéquation sont notoirement sensibles lorsque la quantité de données est importante. L’idée est simplement que les données réelles, en grande quantité, suivent rarement un modèle de distribution idéaliste. Même de grandes quantités de données provenant de l'échantillonnage d'une population idéale (par exemple, un générateur de nombres aléatoires pour une distribution donnée) trouveront souvent un écart statistiquement significatif par rapport au modèle, ce qui constitue une erreur de type I.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKJ'ai plus de 1 000 obs, le naturel des données est un pic suivi d'une queue fine.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKVoici la histogramme et tracé quantile.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKLes tracés (c'est-à-dire l'histogramme et le tracé quantile) ne sont visibles dans aucune des images que vous avez fournies.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKLes photos qui @Mark_Bailey recherche serait extrêmement utile. Comme il l’a déclaré, la petite valeur p pourrait être causée par une valeur aberrante. Les images aideront à le déterminer. Et combien d’observations avez-vous ? Avec suffisamment de données, tout petit écart qui n’a aucune signification pratique pourrait être signalé comme statistiquement significatif. Encore une fois, les photos demandées par Mark aideront également à déterminer cela.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKJ'ai joint la photo dans le message d'origine. Je peux me tromper. La photo ci-jointe montre que JMP a sélectionné SHASH comme le meilleur ajustement, mais la valeur p de la qualité de l'ajustement est <0,001. Je crois comprendre que ce p rejette l'hypnose de SHASH est la distribution. la superposition semble bien ajustée et les tracés qq semblent bons également, mais je ne comprends pas pourquoi les valeurs P sont si faibles.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKPourquoi ces modèles de distribution, même les « meilleurs », ne conviennent-ils pas ? Veuillez fournir une image de l'histogramme dans la distribution avec le tracé du graphique du PDF superposé. Pouvez-vous également fournir le tracé quantile à l’aide de la commande dans le triangle rouge pour l’ajustement sélectionné ? Il peut s'agir d'un problème de données ou d'un problème aberrant.
Les indices de capacité dépendent fortement de la définition des queues de la distribution. Il est donc important d'avoir un bon ajustement si vous envisagez d'utiliser les estimations du CDF ajusté dans le calcul.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKEntièrement d'accord. N'ayez tout simplement pas de support solide pour mes résultats cpk si les gens remettent en question la valeur P dans ma détermination de distribution.
Re : la distribution des données n'est pas dans JMP lors de l'analyse CPKJe ne suis pas la bonne personne pour répondre à vos questions, mais j'ai quelques pistes de réflexion :
Je crois que ce que vous essayez de faire, c'est d'obtenir une estimation de la variation de tout ce que vous mesurez et de la comparer aux spécifications. Il existe de nombreuses façons de procéder, tout comme il existe de nombreux indices pour résumer ces comparaisons. TOUS les indices sont des estimations. Il n’y en a AUCUN correct. Le but de l’analyse de la distribution des données est de déterminer quelles statistiques récapitulatives décrivent le mieux la tendance centrale et la dispersion. Il est tout aussi important (voire plus) de déterminer si les données proviennent d’un système stable. Dans le cas contraire, les indices ne seront sûrement pas utiles.
