トランスクリプト |
| こんにちは、私の名前はクリス・ゴトワルトです。 私の共同プレゼンターHadley |
| マイヤーズと私は、改善されたものを入手するためのアドインを提示しています |
| 分散の合計または線形結合の信頼区間 |
| コンポーネント。これは私たちが行った一連の講演の一部です |
| 私たちはいくつかのアプローチの改善と評価に取り組んでいます。 |
| 分散成分の合計に関する信頼区間の取得 |
| それは不確実性を提供するので品質において重要です |
| 再現性と再現性の評価 |
| 測定システム。 問題は、95％を要求すると |
| 信頼区間、関連する近似があり、 |
| 実際のインターバルカバレッジは80％まで低くすることができます。 |
| 以前の研究では、2つの方法が |
| 改善されたカバレッジ率、パラメトリックブートストラップおよび |
| Satterthwaiteの間隔ですが、それでも小さい場合は95％未満でした |
| サンプル。以前のバージョンのアドインは、 |
| 一時的なギャップとしてのパラメトリックブートストラップとElizabethClaassen |
| FitMixedにSatterthwaite間隔を実装しました |
| JMPPro16でネイティブにプラットフォーム。 ここで立ち止まってあげたい |
| の区間推定を行ったエリザベス・クラッセンの功績 |
| 分散成分の線形結合が非常に簡単になり、 |
| JMPプロ16。 彼女はまた、混合モデルの出力を大幅に拡張しました。 |
| これにより、このプレゼンテーションが非常に簡単になりました。 私も願っています |
| このプレゼンテーションがインスピレーションとして役立つこと |
| 他の人はこれらの新しい保存コマンドをチェックして、取得できるようにします |
| JMPProの混合モデル機能の詳細。 今、私たちは行きます |
| Bootstrapと呼ばれる手法を使用して2つのアプローチを組み合わせる |
| 1991年にLohによって導入されたインターバルキャリブレーション |
| StatisticaSinicaの記事。 ブートストラップキャリブレーションは非常に |
| 自信の範囲を改善するための一般的な手順 |
| ほとんどすべてのパラメトリックに適用できる間隔 |
| 統計モデル。 の基本的な考え方を紹介します |
| 私が最も簡単な言葉でブートストラップ間隔キャリブレーション |
| できます。マイクをハドリーに渡します。ハドリーはデモを行います。 |
| アドインを作成し、シミュレーション結果について話し合います。 これを作るには |
| 簡単に、具体的にしましょう。 非常に小さなネストされたものを考えてみましょう |
| 合計を推定したいゲージR＆Rタイプの研究 |
| 変化。 データを収集し、ネストされた分散を実行します |
| オペレーター効果のあるコンポーネントモデル、内のパーツ |
| オペレーター効果、および残留効果。 ソフトウェアは、 |
| 合計のSatterthwaiteベースの間隔。 それはよく知られています |
| これは「大きい」と仮定した概算です |
| の実際のカバレッジのためにデータの量が存在します |
| 間隔は95％に近くなります。 |
| 小さなサンプルでは、実際のカバレッジ、 |
| 間隔プロシージャは、実際に含まれる間隔を生成します |
| 推定量の真の値は、より少なくなる傾向があります |
| 95％以上。 物事は実際の間隔カバレッジです |
| デザインの複雑な機能、の真の価値 |
| 関数、および難しい他の仮定の長いリスト |
| または検証することは不可能です。 私たちにできることは、フィットしたものを使用しています |
| パラメトリックブートストラップを実行するためのモデルとそのパラメーター。 私たちが |
| これを行うと、私たちは私たちがいる量の真の価値を知っています |
| その値を使用してシミュレートしていたため、推定します。 |
| シミュレーションは何千回も実行できます。 適用します |
| シミュレートされたすべてのサンプルに同じモデルフィッティングプロセス。 私達 |
| JMPから間隔を収集し、頻度を計算できます |
| それらはあなたが持っている量の生成値を含んでいます |
| に興味がありました。 この場合、私たちはすべての合計に興味がありました |
| 分散成分なので、真の値は4.515です。 |
| 元のデータセットを取得し、推定値を取得したとします。 |
| FitMixedからのSaveSimulationFormulaを使用します。 |
| 多数の新しいデータセットを生成し、 |
| ここでそれぞれに適用したのと同じモデルフィッティングプロセス、 |
| そして、私たちはすべての信頼区間を収集しました |
| 合計の周りに報告されました。 これを行った後、 |
| その...推定カバレッジ、推定数 |
| これらの間隔が実際に真実を含んでいた時の、 |
| 88％であることが判明しました。 |
| したがって、95％の間隔が必要でしたが、ブートストラップ |
| 手順は、実際のカバレッジがより近いことを示しています |
| 88％。 今、私たちは小さなゲームをプレイすることができ、私たちは繰り返すことができます |
| 今回は99％間隔を使用したパラメトリックブートストラップ。 だから私たちは行きます |
| そのプロセスを通じて、すべてのブートストラップ間隔をやり直し、 |
| 99％の間隔を実行すると、実際のカバレッジは |
| 約98％。 このゲームを何度も繰り返したとしましょう |
| アルファが見つかるまでもう一度 |
| 実際のカバレッジは約95％です。 だからこれで |
| ケース、私たちがそれをしたと仮定し、私たちはその97.6％を見つけることになったとしましょう |
| 97.6％の間隔を要求したとき、実際には |
| 95％のカバレッジのようなもの。 |
| 次に、Fitを使用して1マイナスアルファを0.976に設定します。 |
| モデル起動ダイアログ、アルファオプションを設定すると、 |
| ブートストラップが調整された間隔 |
| おおよそのカバレッジ95％。 これはまだ概算です。 そこには |
| まだシミュレーションコンポーネントであり、より深い |
| 分析が非常に難しい基礎となる近似、 |
| しかし、それは使いやすくすることができます、そしてこれはハドリーが来るところです |
| の。 今、私はそれを彼に引き渡すつもりです、そして彼はデモをします |
| アドインを作成し、彼が行ったシミュレーションを確認します |
| より良いカバレッジ率を得ることができることを示します |
| ブートストラップを適用する前に |
| 線形結合でのSatterthwaite間隔へのキャリブレーション |
| 分散成分の。 ハドリーを奪う。 |
| クリス、ありがとうございました。オンラインでご覧になっている皆さん、こんにちは。 |
| 君はどこにいても。 それでは、まず、アドインがどのように機能するかを説明します。 |
| 動作し、それを使用してBootstrapCalibratedを計算する方法 |
| の混合モデルのランダム成分の信頼限界 |
| JMPプロ16。 |
| そしてそこから一歩後退します。 アドインがどのように |
| これらの計算を行い、いくつかの追加を強調します |
| それを可能にするJMPPro16の混合モデルへ。 |
| そこから、シミュレーションの結果をお見せします |
| これがどれほど正確であるかについてあなたにアイデアを与えるための研究 |
| 区間推定法は、ブートストラップキャリブレーションです。 |
| メソッド、およびそれが他のいくつかのメソッドとどのように比較されるか |
| 信頼限界の計算、およびそれが |
| 多かれ少なかれ正確であり、いくつかの制限とあなたのもの |
| あなたがそれを適用しようとしているのかどうかを知っておくべきです。 |
| 今後の作業で改善の可能性について話し合います |
| 簡単に説明しますが、そこから、 |
| 新しいMSAデザイナー、測定システム分析デザイナー、 |
| JMP Pro 16のDOEメニューから利用できるため、すばやく実行できます |
| 独自のMSAゲージR＆Rを簡単に設計および分析できます |
| 研究。それでは、このデータセットを見てみましょう。 |
| これは私がサンプルデータファイルから引き出したものです。 |
| 保存したこのFitMixスクリプトをここで実行します。 そう |
| ここにあるのはランダムな見積もり、見積もりです |
| ランダムなコンポーネントの場合。 |
| 今。 |
| 何らかの理由で、計算したい場合があります |
| 中間合計。たとえば、演算子とパーツは次のようにネストされます。 |
| オペレーター、またはこれらの3つ、 |
| あなたが知っている、オペレーターと残差。 |
| したがって、これらを計算するのは非常に簡単です。単純にこれらを追加します。 |
| 見積もりですが、それほど単純ではないのは、それらを決定することです |
| 信頼限界。 |
| 混合モデルには、16で追加された新機能があります。 |
| の線形結合 |
| 分散成分の線形結合機能 |
| ここで、あなたができることはあなたがそれをクリックすることができるということです。 |
| 関心のある分散成分の組み合わせを選択できます。 |
| 完了を押すことができます。 これで、それらの見積もりができました。 |
| コンポーネントとその |
| 信頼限界。 そう、 |
| 私が今やろうとしていることは、これを一歩踏み出すことです |
| さらに、ブートストラップを計算します |
| キャリブレーションされたSatterthwaiteの見積もりと私はそれを行うつもりです |
| アドインに移動し、BootstrapCalibratedをクリックします |
| そこに信頼区間。 したがって、ここから推定できます |
| シミュレーションの数。 |
| 2500は |
| デフォルトの数に対する推奨数。 それはまた |
| 他のいくつかのシミュレーションプラットフォームのデフォルト番号と |
| JMPプロで。 私が選ぶつもりです |
| これです。 ただし、注意すべき点の1つは、ある程度の時間がかかることです。 |
| これを行うことができる時間、そして時間の利益のために |
| 私がやろうとしていることは、私がそれを早く止めるつもりです。 |
| そしてここに私達は私達を持っています |
| キャリブレーションされた間隔、キャリブレーションされた上限と下限の信頼度 |
| レポートに制限が追加されました。 |
| それでは、一歩下がって、そこで何が起こったのかを見てみましょう。 |
| 先に進んで、これをもう一度追加します。 |
| さて、アドインが |
| あなたがそれを実行するとすぐに、 |
| 追加しますか |
| このシミュレーション式をデータテーブルに追加すると、 |
| シミュレーション式はこちら。 |
| アドインを閉じると、 |
| シミュレーション式が消えます。 |
| そこでのシミュレーション式は別のものを利用しています |
| 追加された機能... |
| JMP Proの混合モデルプラットフォームに、それが保存です |
| シミュレーション式機能 |
| ここ。だからこれがあなたにできることは |
| シミュレーション式そして次に |
| たとえば、それを使用してシミュレーションします |
| これらの値はここにあります。 したがって、「Y」を |
| 新しいシミュレーション式、 |
| 先に進んでそれを実行します。 したがって、アドインを実行すると、これは |
| すべてバックグラウンドで実行されます。 しかし、これがアドインの仕組みです |
| これらの間隔の計算について。 だから私はやめるつもりです |
| これは早い段階で、もう一度時間の利益のために。 |
| そして今、ここにサンプルがあります |
| それぞれについて推定。 |
| シミュレーション。そして、アドインがどのように機能するかは |
| これらすべてが必要です。 |
| そして、それはアッパーとの新しい推定値を計算します |
| これからより低いSatterthwaite間隔 |
| 見積もりとこの標準誤差、異なるスワップアウト |
| アルファの値。 では、0.05を目指しているのではないでしょうか。 |
| 95％の上限と下限、そしてそれが何であるかを取得するために |
| それは見つけますか |
| 95％のカバレッジ、つまり95％のヒットをもたらすアルファ値 |
| そして5％のミス、 |
| それを交換します、それはあなたがあなたの較正された間隔を得る方法です。 |
| それで、あなたがそれを見て楽しんだことを願っています。 お役に立てば幸いです。 |
| 私たちはいくつかのシミュレーション研究を行い、私たちが見つけたもの |
| それは |
| ここで4人のオペレーターについて見ることができる間隔 |
| ランダムコンポーネントとして12日、 |
| 私たちは約のミスを達成しました |
| 7％なので、ヒット率は92.8です。 今、これはすべてよりも優れています |
| これを含む他の、したがって線形結合、 |
| 単に標準のSatterthwaite間隔 |
| 線形成分の組み合わせ、および |
| ブートストラップ分位数、バイアス補正された間隔 |
| バイアス補正され加速された間隔ですが、ご覧のとおり |
| これらの間隔は改善され、すべて、 |
| からオペレーターの数を増やすと |
| 4から8および12から24までの日数。 だから増加する |
| これらのランダム成分のレベル |
| 結果ははるかに良く、はるかに |
| 信頼限界の正確な推定など |
| 私たちが今持っていること |
| ここでの方法 |
| それは同等です、 |
| ただ、 |
| .05のアルファ値。 |
| そう。もちろん、このパフォーマンスの向上は次のようになります。 |
| コストであり、それらのコストの1つは間隔の長さです。 |
| そして、あなたはここで見ることができます、 |
| それは私たちと |
| ブートストラップは、実際にはすべての間隔で調整されています。 |
| オペレーターの数が増えると、 |
| 間隔の長さがはるかに長いこと |
| 小さくなったときよりも0に近いバンドル |
| オペレーターの数。 あなたはこれが大いに尾を引くのを見ることができます |
| さらに、これがこの青い領域です。 それは本当です |
| それらのすべてですが、それは特に |
| ブートストラップ校正済み間隔。 あなたはこれを見ることができます |
| ここにロングテール。 |
| 平均して、これを使用すると長さが長くなります |
| 方法ですが、より正確な方法があります。 |
| それをもう少し深く探求すると、ここで見ることができます |
| この長さの増加は、次のように4人のオペレーターに当てはまります。 |
| 8人のオペレーターと同様に、それは重要です。 |
| 統計学的に重要な。 |
| 私が見たもう一つのことは、 |
| 繰り返しを追加する効果なので、違いは |
| 2回の繰り返しと5回の繰り返しの間、そしてあなたが見るもの |
| これは本当にないということです |
| 違い。だから見渡して |
| からの組み合わせのさまざまなセット |
| 4人のオペレーターと2人の担当者から4人のオペレーターと5人の担当者、約6人 |
| 合計測定値と3回の測定値、実際にはありません |
| 何かを得る。 これらはすべて互いに同等です。 |
| ですから、これは注意すべき点です。 |
| オペレーターの数を増やすときの精度、そしてあなた |
| 数を増やしても改善は見られません |
| 繰り返し。 |
| 私が言及したいことの1つは |
| これらの結果を改善する可能性は |
| フラクショナルランダムウェイトブートストラップ。 |
| に間に合うようにこれを実装できたのが好きでした |
| この会議。 これを取るために、私たちはそれをすることができませんでした |
| そしてそれをランダム分散成分に適用するので、 |
| 将来の仕事で、そしておそらくさえそれをすることができることを望んでいます |
| BootstrapCalibrated間隔の改善を参照してください。 |
| そして、私が前に強調したい他のこと |
| 行くは新しいです |
| JMP16に追加されたMSAデザイナーなど |
| ここから私たちにできることは、非常に迅速にできることです |
| できるようにするために私たち自身のデザインを作成する |
| 独自のMSAを実行するか |
| ゲージR＆R分析。 見てみましょう、私はこれを3つで行います |
| 演算子と5つの部分。 |
| これらにラベルを付けます |
| A、B、C。 |
| そして、それぞれを1回繰り返します。 だからそれは2つです |
| 合計測定値。 |
| だからここに私たちのテーブルがあります |
| デザイン。私にできることは、このボタンを非常に押すことができるということです |
| すぐにそれを別のオペレーターに送信し、 |
| 彼らは彼らの部分を記入し、それを私に送り返します。 |
| そして、私は追加することができます |
| それらの結果を一緒に。 |
| ここに別のテーブルがあるので、これを並べ替えます |
| 事前にこれを行ったところ。 だから私はこれらを追加します |
| あそこの値。 そして今、テーブル内のスクリプトから |
| 独自の測定システム分析を迅速かつ簡単に行うことができます |
| とゲージR＆R。 ですから、これがお役に立てば幸いです。 私はあなたを願っています |
| この会議での講演を引き続き楽しんでください。 どうもありがとうございました |
| 聞くためにたくさん。 |
