Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Une fois, j'ai eu la question qui est, "Comment pouvons-nous facilement supposer 'l'indépendance du terme d'erreur (et tant d'autres facteurs) ??"
Puisque, dans de nombreux domaines, les données sont nécessairement « autocorrélées ».
Par exemple, l'outil typique qui assume ceux de la normalité et des non-autocorrélations, Control Chart, est définitivement autocorrélé (juste l'étendue compte).
De toute évidence, le processus de production est influencé par la température extérieure, la condition des opérateurs, l'humidité, etc. Et tous ces éléments sont définitivement affectés par les changements saisonniers et/ou une sorte de modèle continu.
Ainsi, impactées par ces facteurs, les variables de résultat suivent nécessairement un schéma spécifique.
Bien sûr, l'ampleur serait faible, puisque le fabricant se concentre toujours sur la «consistance de l'état», ce qui fait que tous ces facteurs peuvent être négligés (mais ils ne peuvent pas être nuls).
De même, beaucoup d'autres choses suivent nécessairement un certain modèle.
Alors est-ce que je pense mal?
peu de violation d'autocorrélation peut être acceptée car il n'y a pas d'autocorrélation ?
AnalytiqueBICHEAutreRe : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Voici un autre article bien écrit par un auteur distingué :
Woodall, William H. (2000), "Controverses et contradictions dans le contrôle statistique des processus", Journal de la technologie de la qualité , Vol. 32, n° 4 octobre 2000
Si vous pouvez vous procurer ce problème de JQT, il y a une discussion informative sur l'utilisation appropriée de la méthode de la carte de contrôle.
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"merci de m'avoir fécondé.
vous m'avez fait plus de connaissances.
c'est vous qui me faites réellement fortifier l'inutilité de l'hypothèse normdiste lors de l'utilisation de la carte de contrôle, à partir de laquelle est ma source initiale de toutes les questions posées.
Mais ma recherche personnelle à la recherche intellectuelle, la réponse acceptée était plus satisfaisante.
Je vous admire
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Je ne veux pas être irrespectueux, mais isixsigma n'est pas une source que je citerais. Vous pouvez trouver toutes sortes de désinformation sur le net.
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"D'ailleurs,
'La carte de contrôle I nécessite l'hypothèse , par
https://www.isixsigma.com/tools-templates/normality/dealing-non-normal-data-strategies-and-tools/
'
Hmm .... déroutant,,, OTL.
" Des données normalement distribuées sont nécessaires pour utiliser un certain nombre d'outils statistiques, tels que les individus contrôle graphiques, C p / C paquet analyse, t -tests et l'analyse de variance ( ANOVA ). Si un praticien n'utilise pas un tel outil spécifique, cependant, il n'est pas important que les données soient distribuées normalement. Le distribution ne devient un problème que lorsque les praticiens atteignent un point dans un projet où ils veulent utiliser un outil statistique qui nécessite des données normalement distribuées et qu'ils ne l'ont pas."
POUR VOTRE INFORMATION.
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Ohh,,
J'ai lu le journal... assez dur pour moi,
Pensée,
"Le concept de base et la base de la carte de contrôle elle-même proviennent en fait de , et maintenant l'inventeur nie l'hypothèse ?"
Assez déroutant..
Mais j'ai compris, bon pointage, merci.
Il est vraiment désolé que j'ai involontairement posté un message trompeur.... merci pour la correction.
Mais de toute façon, mon intention n'était pas la carte de contrôle mais tous les outils statistiques qui supposent .
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"En fait, les hypothèses que vous suggérez pour les cartes de contrôle sont fausses. Il n'y a aucune hypothèse de normalité ou d'auto-corrélation ou d'absence de celle-ci. Veuillez lire Wheeler et Shewhart. Et Phil, vous devriez noter l'auteur de la citation originale "Tous les modèles sont faux, certains sont utiles" GEP Boîte
Voici un papier pour commencer :
https://www.spcpress.com/pdf/DJW088.pdf
Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Merci beaucoup. Cela aide vraiment. Similaire à mon hypothèse. Je suis content.Re : Comment pouvons-nous facilement supposer "l'indépendance du terme d'erreur (et de tant d'autres facteurs) ?"Salut @MikeKim ,
J'aime cela! Une question très philosophique. Je suis assez sûr que je ne suis pas qualifié pour fournir une réponse définitive. Mais voilà...
Comme beaucoup d'hypothèses dans le raisonnement scientifique, je pense que celle-ci n'a pas besoin d'être vraie à 100 % pour être utile. Et vous pourriez même dire que la nature des hypothèses est que vous savez qu'elles ne sont pas vraies à 100 %. Sinon, elles seraient des « données » et non des « hypothèses ».
Je suis d'accord que l'idée que 2 observations consécutives sur une carte de contrôle soient complètement indépendantes est absurde. Il y aura certainement des facteurs qui sont quelque peu cohérents d'une observation à l'autre.
Cependant, si nous pouvons supposer que cette autocorrélation est faible et non importante, nous pouvons utiliser des cartes de contrôle pour séparer la cause commune de la variation de cause spéciale, identifier si le processus tend à devenir incontrôlable - toutes les bonnes choses pour lesquelles nous utilisons SPC.
Je passe la plupart de mon temps à penser au DOE. Dans le DOE séquentiel, nous éliminons les facteurs "inactifs" des facteurs "actifs". C'est tout aussi absurde. Tous les facteurs seront actifs d'une manière ou d'une autre. Mais si nous pouvons classer certains comme sans importance/inactifs, nous pouvons concentrer nos efforts limités sur les facteurs les plus importants et comprendre, optimiser et contrôler notre processus pour obtenir des résultats de qualité constante.
Les hypothèses nous permettent de construire des modèles utiles pour mieux comprendre nos processus. Tous les modèles sont faux - et c'est en partie parce que les hypothèses ne sont pas vraies à 100 % - mais certains sont utiles.
J'espère que ça aide!
Phil
