「誤差項（および他の多くの要因）の独立性をどのように簡単に仮定できますか??かつて、「誤差項 (およびその他の多くの要因) の独立性を簡単に仮定するにはどうすればよいでしょうか?」という質問を受けました。
多くの分野では、データは必然的に「自己相関」するためです。
たとえば、正規性と非自己相関を仮定する典型的なツールである管理図は、明確に自己相関しています (範囲のみが問題です)。
明らかに、生産プロセスは外気温、オペレーターの状態、湿度などの影響を受けます。これらはすべて、季節の変化および/または連続する何らかのパターンの影響を明確に受けます。
したがって、これらの要因の影響を受けて、結果変数は必然的に特定のパターンに従います。
もちろん、製造業者は常に「状態の一貫性」に焦点を当てているため、その程度は小さいでしょう。その結果、これらの要因はすべて無視できます (ただしゼロにはなりません)。
同様に、他の多くのものは必然的に何らかのパターンに従います。
だから私は間違っていると思いますか？
自己相関がないので、少しの自己相関違反を受け入れることができますか?
分析DOE他のRe: どうすれば「誤差項 (およびその他の多くの要因) の独立性」を簡単に仮定できますか??やあ@マイクキム、
これ大好き！ 非常に哲学的な質問です。 私には決定的な答えを提供する資格がないと確信しています。 しかし、ここに行く...
科学的推論における多くの仮定と同様に、これは有用であるために 100% 真実である必要はないものだと思います。 そして、仮定の本質は、それらが 100% 真実ではないことを知っていることだとさえ言うかもしれません。 そうでなければ、それらは「仮定」ではなく「与えられた」ものになってしまいます。
管理図上の 2 つの連続した観測値が完全に独立しているという考えはばかげていることに同意します。 ある観察から次の観察まで、ある程度一貫している要因がいくつかあることは間違いありません。
ただし、この自己相関が小さく、重要ではないと仮定できる場合は、管理図を使用して、共通原因を特殊原因の変動から分離し、プロセスが制御不能な傾向にあるかどうかを特定できます。これは、SPC を使用するすべての良いことです。
私はほとんどの時間を DOE について考えています。 逐次 DOE では、「アクティブな」因子から「非アクティブな」因子を除外します。 これも同様にばかげています。 すべての要因が何らかの形でアクティブになります。 しかし、一部を重要でない/非アクティブに分類できれば、限られた努力を最も重要な要因に集中させ、プロセスを理解し、最適化し、制御して、一貫して高品質のアウトプットを生み出すことができます。
仮定により、プロセスをよりよく理解するための有用なモデルを構築できます。 すべてのモデルは間違っています - それは仮定が 100% 真実ではないことも一因です - しかし、いくつかのモデルは役に立ちます。
それが役立つことを願っています！
フィル
Re: どうすれば「誤差項 (およびその他の多くの要因) の独立性」を簡単に仮定できますか??どうもありがとう。 本当に助かります。 私の仮定に似ています。 私は幸せです。Re: どうすれば「誤差項 (およびその他の多くの要因) の独立性」を簡単に仮定できますか??実際、管理図について提案した仮定は間違っています。 正規性、自己相関、またはその欠如の仮定はありません。 ウィーラーとシューハートを読んでください。 そしてフィル、元の引用の著者に注意する必要があります「すべてのモデルは間違っています、いくつかは有用です」GEP 箱
開始するための 1 つの論文を次に示します。
https://www.spcpress.com/pdf/DJW088.pdf
Re: どうすれば「誤差項 (およびその他の多くの要因) の独立性」を簡単に仮定できますか??ああ、、
私はその論文を読みました... 私にとってはかなり大変でした。
考え、
「管理図自体の基本的な概念と根拠は、実際には のものですが、発明者は の仮定を否定していますか?」
かなり紛らわしい..
しかし、私は要点を理解しました、良い指摘、ありがとう。
意図せず誤解を招くような投稿をしてしまい大変申し訳ありません....訂正ありがとうございます。
とにかく、私の意図は管理図ではなく、 を想定したすべての統計ツールでした。
