Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Einmal wurde mir die Frage gestellt: „Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?“
Da Daten in vielen Bereichen notwendigerweise „autokorreliert“ sind.
Beispielsweise ist das typische Werkzeug, das Normalität und Nicht-Autokorrelationen annimmt, das Kontrolldiagramm, definitiv autokorreliert (es kommt nur auf das Ausmaß an).
Offensichtlich wird der Produktionsprozess durch die Außentemperatur, den Zustand der Bediener, die Luftfeuchtigkeit usw. beeinflusst. Und all dies wird definitiv durch saisonale Veränderungen und/oder ein kontinuierliches Muster beeinflusst.
Unter dem Einfluss dieser Faktoren folgen die Ergebnisvariablen zwangsläufig einem bestimmten Muster.
Natürlich wäre das Ausmaß gering, da sich die Hersteller immer auf die „Konsistenz des Zustands“ konzentrieren, was dazu führt, dass alle diese Faktoren vernachlässigt werden können (aber es kann nicht Null sein).
Ebenso folgen viele andere Dinge zwangsläufig einem bestimmten Muster.
Denke ich also falsch?
Kann eine kleine Verletzung der Autokorrelation akzeptiert werden, da keine Autokorrelation vorliegt?
AnalytikDAMHIRSCHKUHAndereBetreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Hier ist ein weiterer gut geschriebener Artikel eines angesehenen Autors:
Woodall, William H. (2000), „Kontroversen und Widersprüche in der statistischen Prozesskontrolle“, Zeitschrift für Qualitätstechnologie , Bd. 32, Nr. 4, Oktober 2000
Wenn Sie diese Ausgabe von JQT in die Finger bekommen, finden Sie dort eine informative Diskussion über den angemessenen Einsatz der Kontrollkartenmethode.
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Danke, dass du mich befruchtet hast.
Du hast mir mehr Wissen verschafft.
Sie veranlassen mich tatsächlich dazu, die Unnötigkeit normdistischer Annahmen bei der Verwendung von Kontrolldiagrammen zu bekräftigen, aus denen sich meine ursprüngliche Quelle für alle Fragen ergibt.
Aber mein persönlicher Wunsch nach intellektueller Forschung und die akzeptierte Antwort waren zufriedenstellender.
Ich bewundere dich
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Ich möchte nicht respektlos sein, aber isixsigma ist keine Quelle, die ich zitieren würde. Im Netz findet man alle möglichen Desinformationen.
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Übrigens,
'I-Kontrolldiagramm benötigt -Annahme, von
https://www.isixsigma.com/tools-templates/normality/dealing-non-normal-data-strategies-and-tools/
'
Hmm.... verwirrend,,, OTL.
" Normalverteilte Daten werden für die Verwendung einer Reihe statistischer Tools benötigt, beispielsweise für Einzelpersonen Kontrolle Diagramme, C P / C pk Analyse, T -Tests und die Analyse von Varianz ( ANOVA ). Wenn ein Praktiker jedoch kein solches spezifisches Tool verwendet, ist es nicht wichtig, ob die Daten normal verteilt sind. Der Verteilung wird erst dann zum Problem, wenn Praktiker in einem Projekt einen Punkt erreichen, an dem sie ein statistisches Tool verwenden möchten, das normalverteilte Daten erfordert, aber nicht über eines verfügen.“
Zu Ihrer Information.
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Ohh,,
Ich habe die Zeitung gelesen... ziemlich schwer für mich,
Denken,
„Das Grundkonzept und die Grundlage des Kontrolldiagramms selbst stammen tatsächlich von , und jetzt bestritt der Erfinder die -Annahme?“
Ziemlich verwirrend..
Aber ich habe verstanden, worum es geht, guter Hinweis, danke.
Es tut mir sehr leid, dass ich versehentlich einen irreführenden Beitrag gepostet habe. Vielen Dank für die Korrektur.
Aber meine Absicht war jedenfalls nicht das Kontrolldiagramm, sondern die Tools für alle Statistiken, die voraussetzen.
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Tatsächlich sind die Annahmen, die Sie für Kontrollkarten vorschlagen, falsch. Es gibt keine Annahmen über Normalität oder Autokorrelation oder deren Fehlen. Bitte lesen Sie Wheeler und Shewhart. Und Phil, Sie sollten den Autor des Originalzitats „Alle Modelle sind falsch, einige sind nützlich“ beachten, GEP Kasten
Hier ist ein Artikel für den Anfang:
https://www.spcpress.com/pdf/DJW088.pdf
Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Vielen Dank. Es hilft wirklich. Ähnlich meiner Annahme. Ich bin glücklich.Betreff: Wie können wir einfach die Unabhängigkeit des Fehlerterms (und so vieler anderer Faktoren) annehmen?Hallo @MikeKim ,
Ich liebe es! Eine sehr philosophische Frage. Ich bin mir ziemlich sicher, dass ich nicht qualifiziert bin, eine endgültige Antwort zu geben. Aber hier geht's...
Wie bei vielen Annahmen in der wissenschaftlichen Argumentation denke ich, dass sie nicht zu 100 % wahr sein muss, um nützlich zu sein. Und man könnte sogar sagen, dass es in der Natur von Annahmen liegt, dass man weiß, dass sie nicht zu 100 % wahr sind. Andernfalls wären sie „Gegebenheiten“ und keine „Annahmen“.
Ich stimme zu, dass die Idee, dass zwei aufeinanderfolgende Beobachtungen auf einer Kontrollkarte völlig unabhängig sind, absurd ist. Es wird sicherlich einige Faktoren geben, die von einer Beobachtung zur nächsten einigermaßen konsistent sind.
Wenn wir jedoch davon ausgehen können, dass diese Autokorrelation klein und unwichtig ist, können wir Kontrolldiagramme verwenden, um häufige Ursachen von Abweichungen aufgrund besonderer Ursachen zu trennen und festzustellen, ob der Prozess außer Kontrolle gerät – all die guten Dinge, für die wir SPC verwenden.
Ich verbringe die meiste Zeit damit, über DOE nachzudenken. Bei der sequentiellen DOE filtern wir die „inaktiven“ Faktoren von den „aktiven“ Faktoren heraus. Auch das ist absurd. Alle Faktoren werden auf irgendeine Weise aktiv sein. Aber wenn wir einige davon als unwichtig/inaktiv einstufen können, können wir unsere begrenzte Anstrengung auf die wichtigsten Faktoren konzentrieren und unseren Prozess verstehen, optimieren und steuern, um eine gleichbleibend hochwertige Ausgabe zu erzielen.
Annahmen ermöglichen es uns, nützliche Modelle zu erstellen, um unsere Prozesse besser zu verstehen. Alle Modelle sind falsch – und das liegt teilweise daran, dass die Annahmen nicht zu 100 % zutreffen –, aber einige sind nützlich.
Ich hoffe das hilft!
Phil
