CPK分析中にデータの分布がJMPに含まれないcpk分析を行っており、連続フィット-->すべてをフィットしてデータの真の分布を見つけてから、cpkを実行します。 JMP が最良のオプションを提供してくれたので、適合度を実行して P 値で確認しましたが、P <0.001 で、JMP が提案した分布を拒否しました。 これは、JMP に適切なディストリビューションが保存されていないことを意味すると思います。 私の質問は、JMP の最も低い AICc に基づいて、ディストリビューションを使用して CPK を実行できるかどうかです。 または、正しい CPK を取得するにはどのようなオプションがありますか? ありがとう。
品質およびプロセスエンジニアリングRe: CPK分析中にデータの配布がJMPにないヒストグラムと箱ひげ図をありがとう。 私が求めていた分位点プロットは、CDF とデータ マーカーを線形化するために変換された軸でデータをプロットするため、最良のモデルが依然として適合度テストに失敗する理由を理解するのに役立ちます。 人間の視覚システムは、位置と線状パターンの検出に非常に優れています。 以下は、Big Class データ テーブルで :weight 変数を使用する例です。 分布プラットフォームは AICc に基づいて対数正規分布モデルを選択し、QQ プロットと PP プロットの両方を作成しました。 (最初のプロットは分位数で、2 番目のプロットは確率であり、データとモデルの両方からのものです。) 直線 (参照) は対数正規分布の CDF です。 この基準線に対してマーカーを検査して、「一致」/「不一致」または「適合度」を調べます。
これらのプロットと、選択した (および近似した) SHASH 分布モデルのデータはどのように見えるでしょうか?
Re: CPK分析中にデータの配布がJMPにないこれらの適合度テストは、データ量が多い場合に感度が高くなることで知られています。 その考え方は単純に、大量の実際のデータが理想的な分布モデルに従うことはほとんどないということです。 理想的な母集団をサンプリングした大量のデータ (例: 特定の分布の乱数生成器) であっても、多くの場合、モデルからの統計的に有意な逸脱が見つかります。これは、タイプ I 誤差です。
Re: CPK分析中にデータの配布がJMPにない1,000 以上の観測点がありますが、データとしては 1 つのピークとその後に細い尾部が続くのが自然です。
Re: CPK分析中にデータの配布がJMPにないここにありますヒストグラムと分位点プロット。
Re: CPK分析中にデータの配布がJMPにないプロット (つまり、ヒストグラムと分位点プロット) は、提供されたどちらの画像にも表示されません。
Re: CPK分析中にデータの配布がJMPにないという写真たち@Mark_Baileyを探しているので非常に役立ちます。 彼が述べたように、p 値が小さいのは外れ値が原因である可能性があります。 写真はそれを判断するのに役立ちます。 また、観察はどれくらいありますか？ 十分なデータがあれば、実際には重要ではない小さな不一致が統計的に有意であるとフラグを立てることができます。 繰り返しになりますが、マークが求めている写真もそれを判断するのに役立ちます。
Re: CPK分析中にデータの配布がJMPにない元の投稿に写真を添付しました。 間違っているかもしれません。 添付の写真は、JMP が最良の適合として SHASH を選択しましたが、適合度の p 値が <0.001 であることを示しています。 私の理解では、これは SHASH の催眠術を拒否する配布物です。オーバーレイはうまく適合しているようで、qq プロットも良好に見えますが、なぜ P 値がそれほど低いのかわかりません。
Re: CPK分析中にデータの配布がJMPにないこれらの分布モデルが、「最良の」モデルであっても、なぜうまく適合しないのでしょうか? PDF のグラフのプロットを重ねた分布のヒストグラムの画像を提供してください。 また、選択した近似の赤い三角形のコマンドを使用して分位点プロットを提供できますか? データまたは外れ値の問題である可能性があります。
工程能力指数は分布の裾の定義に大きく依存するため、計算で近似 CDF からの推定値を使用する場合は、良好な近似を行うことが重要です。
Re: CPK分析中にデータの配布がJMPにない完全に同意する。 私の分布決定における P 値に疑問を抱く人がいる場合、私の cpk 結果に対する確固たる裏付けはありません。
Re: CPK分析中にデータの配布がJMPにない私はあなたの質問に答えるのに適した人物ではありませんが、いくつか考えさせられることがあります。
あなたがやろうとしていることは、測定しているものの変動の推定値を取得し、それを仕様と比較することだと思います。 これらの比較を要約するインデックスが多数あるのと同様に、これを行う方法も多数あります。 すべての指数は推定値です。 正しいものはありません。 データの分布を分析する目的は、どのような要約統計が中心的な傾向と分散を最もよく表しているかを判断することです。 同じくらい (あるいはそれ以上に) 重要なのは、データが安定したシステムからのものであるかどうかを判断することです。 そうでなければ、インデックスは間違いなく役に立ちません。
