管理図の標準偏差を計算していますか?やあ。 シックスシグマに詳しい方に質問です。 ユーザーマニュアルの「品質とプロセス方法」セクションで、 「管理図ビルダーの統計の詳細」 、標準偏差は範囲を使用して概算されているようです。 たとえば、 XmRチャート、標準の開発式は次のとおりです。
ここで、MR-bar は移動範囲の平均であり、d2 はルックアップ テーブルの値です。
シグマを計算するためのこの方法論に慣れていないわけではなく、他のいくつかのプロセス制御の参考文献で使用されているのを見てきました。 私の質問は、しかし、なぜですか？ つまり、シグマを計算するための従来の式を代わりに使用できるのに、なぜこの方法を使用してそれを近似するのでしょうか。
技術的には、シグマの計算は「真の」値の推定であることを理解しています。したがって、ある式が別の式と同じくらい優れていると主張する人もいるかもしれません。 ただし、後者の式は、標準偏差の実際の定義に由来します。 また、偏りのあるものと偏りのないもの、およびベッセル補正係数 (N-1) の問題があることも理解していますが、同じ問題が両方の式に当てはまると思いますか? 最後に、後者の式にはより多くの計算ステップが必要であることを理解しています。 計算速度は何十年も前に問題だったかもしれませんが、それはもはや特に正当な理由とは思えません。
おそらく、上記の仮定の 1 つまたは複数について間違っているかもしれませんが、もしそうなら、その理由を知りたいです。 インターネットやその他の参考文献を検索しましたが、満足のいく答えを見つけることができませんでした。 誰か知っていますか？
明けましておめでとうございます。
分析Re: 管理図の std devs を計算していますか?R-bar/d2 法を使用する理由は次のとおりです。
1. 何よりもまず、統計を計算する前に、サンプルが一貫して安定しているかどうかを判断するために、データ (つまり、範囲、MR チャート) をプロットする必要があります。 これは、ほぼすべての状況で優れたアイデアです。
2. 範囲は実際には、サンプル サイズが小さい場合、長い形式よりも早く「真の」母標準偏差に収束します。
3. 2 番目に重要な概念は、範囲が RATIONAL サブグループからのものであり、サブグループ内の X の変化による変動を表すことです。 したがって、この変動の推定値は、変動の潜在的な原因に割り当てることができます。 因果構造を理解しようとしている場合、非常に重要です。 式を使用すると、変動は変動のすべてのソースにわたってプールされます。
Re: 管理図の std devs を計算していますか?ありがとうスターマン。 以下の私の回答をご覧ください。
1. データのプロットが一貫性を判断する上で重要な部分であることに同意します。 しかし、プロットを必要とする標準偏差の数学的計算に固有のものは何もないことに同意すると思います。 同様に、どちらの方法についても、防ぐ1 つはデータをプロットすることです。 この点で、私はどちらにも利点があるとは思いません。
2.「真の」値に最適に収束することは、間違いなく有利です。 しかし、私はこれが以前に言及されたのを見たことがなく、根底にある原則をよりよく理解したい. これをもう少しよく説明する情報源はありますか?
3. この点を十分に把握していない可能性があります。 もう少し詳しく説明していただけますか？ 私の質問は、一般的に std dev を計算する方法に関するものであり、必ずしも比較目的でサブグループの std dev を計算するわけではありません。
再度、感謝します。
Re: 管理図の std devs を計算していますか?自分のコメントに返信します。 問題についてより多くの情報を提供したかったのです。
1. 私は現在、Donald Wheeler による EMP III を読んでいます。そこでは、平均、標準偏差、中央値などのいくつかの統計が、上記で説明したものと同様に、平均移動範囲から計算されます。 . 私は実際にこの同じ質問で彼に直接連絡を取りました。 それまでの間、JMP コミュニティに質問したいと思いました。
2. この質問に関する同様の投稿もいくつか確認しました。
A: https://community.jmp.com/t5/Discussions/IR-Control-charts-limits/mp/249674/highlight/true#M49029
この応答は、標準偏差を計算する方法が複数あることを示しています。 しかし、私は同意しません。 複数の方法があります近似標準偏差ですが、伝統的な標準偏差の式は明確に定義されています (元の投稿の 2 番目の式)。 これは、分布の 2 次モーメントの定義に由来します。 つまり、標準偏差はそのように定義されているため、その式を持っています。
B: https://community.jmp.com/t5/Discussions/Control-Chart-3-Sigma/mp/11356/highlight/true#M10885
この回答は基本的に、範囲ベースの式が元々計算を容易にするために使用され、歴史的な理由からまだ使用されているというものです。 より正確な方法が利用可能で実行可能である場合、次善の近似はもはや使用されるべきではないと私は主張します。
子： https://community.jmp.com/t5/Discussions/Control-Chart-3-Sigma/mp/11357/highlight/true#M10886
同じスレッドからのこの応答は、範囲ベースの方法がデータの順序に依存していることを示唆していますが、従来の方法はそうではありません。 それが範囲ベースの方法を使用するための引数である方法がわかりません。 どちらかといえば、これは範囲ベースの方法が必要な理由を示していると主張しますいいえ計算は、データの順序付けの主観性に依存してはならないためです。
3. 結果があいまいになるので、これは私にとって問題です。 つまり、ユーザーがこの別の近似法が使用されていることを認識していない限り、ユーザーは別の計算を行い、なぜ結果がずれているのか不思議に思うでしょう。 「JMP は標準偏差を正しく計算していない」と自信満々に断言するユーザーが何回かありました。 これらの人々は現在、JMP bc の代わりに分析用に Matlab と Excel を使用していますが、これは壊れていると考えています。 せいぜい、彼らを JMP に引き戻すのは困難な戦いになるでしょう。
私の質問の背後にある説明と理論的根拠をもう少し提供してくれることを願っています。 いつものように、助けてくれてありがとう。
Re: 管理図の std devs を計算していますか?最初のポイントとして、一貫性を評価するためにデータをプロットする必要があります。 範囲が不一致 (管理図で管理外) を示した場合は、R-bar/d2 を使用しません。 数学的計算の前に整合性チェックの「要件」はありません。 の列挙統計量の計算について質問されました管理図. 意図したとおりに管理図を使用したいと思います (ところで、これはシックス シグマとは何の関係もありません)。
読むことをお勧めします：
シューハート、ウォルター A. (1931) 「製造された製品の品質の経済的管理」 、D. Van Nostrand Co.、 ニューヨーク
「合理的な理論に基づいてデータを最初に合理的なサブグループに分割することに成功したエンジニアは、長期的には本質的により良い状態にある」シューハート
Don は Shewhart によって詳述された概念を非常によく理解しています。
3 番目の点に関して、質問は、データで何をしているのかということです。 あなたが提案するように、私たちはいつも見積もり列挙統計。 あなたの見積もりはどれくらい正確である必要がありますか? 管理図を使用するために、見積もりが「正しい」ことが本当に必要ですか? 私のポイントは、管理図法の適切な使用に関するものです（シューハートによって詳述されています）。 第 1 に、比較の根拠は一貫して安定しているか (サブグループ内の変動源が一貫して/一般的に機能しているか)? これは範囲チャートで評価されます。 第 2 に、変動のどのソースが、対象の応答に対してより大きな影響力を持っているか (内または間)? これは、X バー チャートで答えられる質問です。
「本で教えられている分散分析、t 検定、信頼区間、およびその他の統計手法は、たとえ興味深いものであっても、予測の根拠を提供せず、生産順序に含まれる情報を埋めてしまうため、不適切です。 すべてではないにしてもほとんどのデータ分析用コンピュータ パッケージは、非効率性の目に余る例を提供しています。」
Deming, W. Edwards (1975), On Probability As a Basis For Action. アメリカの統計学者、29（4）、1975年、p。 146-152
あなたの質問が好奇心なのか、それともある方法が別の方法よりも優れている状況に遭遇し、直面している問題を理解するのに影響を与えたのかどうかはわかりません. 私は実際のデータを使用して実際の状況で複数の方法を何千回も使用する機会があり、標準偏差を推定するためにどの方法を使用してもほとんど影響がないことがわかりました. 正直に言うと、どちらが正しい価値は因果関係の理解をより良くするものではありません。 私は、推定値を報告するよりも、変動 (および平均) に影響を与える因果関係を見つけることに関心があります。
Re: 管理図の std devs を計算していますか?繰り返しますが、あなたのクエリは計算に関するものでした管理図用。2C については、列挙型の問題と分析型の問題の違いを理解することをお勧めします。
デミング、私たち 「欧米における品質管理の礎」。 日本、大阪で開催された経営科学会議で発表された論文。 (1989 年 10 月、1990 年 4 月改訂)。
デミング、WE、 「行動の根拠としての確率について」アメリカの統計学者、29（4）、1975年、p。 146-152。
時間の順序 (または何らかの合理的な順序) は、分析上の問題には不可欠です。
3点目ですが、実際にお持ちのデータセットを見て、推定値がどのくらい違うのか比較してみましたか? 「彼らの結果はずれている」とはどういう意味ですか? 何から？ JMP は、精度と精度を備えた統計計算の能力以上のものであることを保証します。 JMP を Excel や Minitab と比較して、これらの見積もりに基づいてどちらを使用するかを決定するのは、私見ですが、ばかげています。
範囲を使用した変動の推定値のより技術的な比較に関心がある場合 (これは管理図とは関係ありません)、こちらを参照してください。
パトナイク、PB 「統計検定における分散の推定値としての平均範囲の使用」。バイオメトリカ、巻。 37、いいえ。 1/2、1950 年、78 ～ 87 ページ。 JSTOR 、 https://doi.org/10.2307/2332149 .
Re: 管理図の std devs を計算していますか?こんにちは、スタマンです。 返信ありがとうございます。 ここで両方に返信します：
最初のポイントとして、一貫性を評価するためにデータをプロットする必要があります。
ここに異論はありません。 一貫性を確認する必要があることに 100% 同意します。 繰り返しますが、どちらの方法も、一貫性を評価するためにデータをプロットすることを妨げないということです。 したがって、この要件を適用することはできません。 std dev を計算するための従来の方法ではなく、範囲ベースの方法を使用する必要がある、または使用する必要があるという引数として使用されます。
意図したとおりに管理図を使用したいと思います (ところで、これはシックス シグマとは何の関係もありません)。
これは私の質問に接していると思いますが、ここでのあなたの発言には反対しなければなりません。 シックス シグマ プロセスは、管理図に大きく依存しています。 これは、範囲ベースの方法を使用して std dev を概算するという概念を初めて紹介された場所です。 悲しいことに、その理論的根拠はそこでも十分に説明されていませんでした。 当時は肩をすくめて先に進んだだけでしたが、今はもっと興味があります。
3 番目の点に関して、質問は、データで何をしているのかということです。 [等...]
最初に頭に浮かぶのは、「このデータをどのように使用するかという最終目標は重要でしょうか?」ということです。 （IMO）すでに明確に定義されており、簡単に計算できる std dev などの用語の代替近似法を受け入れる必要がある理由はまだわかりません。 ただし、実際の式よりも近似法を使用する方が明らかに有利です。 近似がより急速に「真の」値に向かう傾向があると先に述べたとき、あなたはその方向を目指していました。 私はまだその証拠を理解したいと思っています。
時間の順序 (または何らかの合理的な順序) は、分析上の問題には不可欠です。
これは面白い。 記憶のないマルコフ過程を仮定すると、ある測定の確率は、以前の測定とは完全に無関係です。 したがって、一連の測定値が高、低、高、低... と交互に繰り返される可能性は、一連の測定値が低から高の順に表示される可能性と同じです。 前者の場合、平均 2 ポイントの移動範囲が最大になります。 後者では、最小化されます。 どちらのケースも同様に可能性がありますが、範囲ベースの方法を使用して std dev の大幅に異なる計算を提供する可能性があります。 これで大丈夫ですか？ 繰り返しますが、これが範囲ベースの方法を使用すべきではない明確な理由であると私は主張します。 すべてのデータ ポイントが同じ値を持ち、順序が異なるだけであるにもかかわらず、さまざまな方法論を使用することは、依然として非常に不可解です。
3点目ですが、実際にお持ちのデータセットを見て、推定値がどのくらい違うのか比較してみましたか? 「彼らの結果はずれている」とはどういう意味ですか? 何から？ JMP は、精度と精度を備えた統計計算の能力以上のものであることを保証します。 JMP を Excel や Minitab と比較して、これらの見積もりに基づいてどちらを使用するかを決定するのは、私見ですが、ばかげています。
同僚のコメントを自分のコメントと勘違いしているかもしれません。 私ではなく、JMP が適切なプラットフォームであると確信する必要があるのは彼らです。 そのために必要な弾薬を手に入れるためにここに来ているだけです。 同時に、私は彼らの質問/懸念が正当であると感じており、彼らが理解できるように手助けしたいと考えています.
パトナイク、PB 「統計検定における分散の推定値としての平均範囲の使用」。バイオメトリカ、巻。 37、いいえ。 1/2、1950 年、78 ～ 87 ページ。 JSTOR 、 https://doi.org/10.2307/2332149 .
ありがとう。 意思間違いなくこの参照を見てください。
Re: 管理図の std devs を計算していますか?申し訳ありませんが、私はあなたの質問に答えようとしました。 私はあなたに私の主張を伝えるのが難しいと感じています.あなたの回答に基づいて、あなたはそれらを誤解しています. もちろん、私があなたを誤解している可能性もあります...笑。 いずれにせよ、私の回答が役に立たなかったら申し訳ありません。 そして、私は非常に偏っています。
管理図法は、シックス シグマ (シューハートによって発明された) の数十年前に発明されたと言えます。
明けましておめでとう。
Re: 管理図の std devs を計算していますか?わかりました、もう一度具体的にあなたのコメントに対処してみます。
ここに異論はありません。 一貫性を確認する必要があることに 100% 同意します。 繰り返しますが、どちらの方法も、一貫性を評価するためにデータをプロットすることを妨げないということです。 したがって、この要件を適用することはできません。 std dev を計算するための従来の方法ではなく、範囲ベースの方法を使用する必要がある、または使用する必要があるという引数として使用されます。
SD方程式でプロットしているデータは何ですか? 有理サブグループにはどのようなものがありますか? 範囲を取得するには、サブグループ化する必要があります (MR でさえ、ただし、MR チャートは変動研究の構成要素にはあまり役に立ちません)。 有理サブグループ (管理図法の必須要素) は、さまざまな変動要因を分離して割り当てる方法を提供します。 それらは、開業医に定量的な手段を提供します研究の次の反復に焦点を当てる必要がある場所に優先順位を付けます (どのコンポーネントがより大きな影響力を持つか)。
これは私の質問に接していると思いますが、ここでのあなたの発言には反対しなければなりません。 シックス シグマ プロセスは、管理図に大きく依存しています。 これは、範囲ベースの方法を使用して std dev を概算するという概念を初めて紹介された場所です。 悲しいことに、その理論的根拠はそこでも十分に説明されていませんでした。 当時は肩をすくめて先に進んだだけでしたが、今はもっと興味があります。
あなたは私のポイントを逃します。 管理図の方法論は、シックス シグマが登場するずっと前に発明されました。 残念ながら、その理由を詳しく説明できるインストラクターがいなかったのは残念です (どうやら私も問題を抱えているようです)。 管理図は分析ツールです (本来の目的であり、列挙型ではありません)。 因果関係を理解するのに役立ちます。 数値が実際の人口統計と比較してどの程度正確であるかは気にしません。 数値がどのように、なぜ変化するかを理解するために、効率的に概算したいと考えています。 かどうかを知る数値が正確であっても、分析上の問題には役立ちません。 （私がすでに投稿したデミングの引用を参照してください...おそらく、私が参照した彼の論文を読んでください)
最初に頭に浮かぶのは、「このデータをどのように使用するかという最終目標は重要でしょうか?」ということです。 （IMO）すでに明確に定義されており、簡単に計算できる std dev などの用語の代替近似法を受け入れる必要がある理由はまだわかりません。 ただし、近似法を使用することには明らかな利点があります。実際の式. 近似がより急速に「真の」値に向かう傾向があると先に述べたとき、あなたはその方向を目指していました。 私はまだその証拠を理解したいと思っています。
「データ自体には意味がありません。それらは、研究された現象の概念モデルに関連してのみ意味があります。」
ボックス、GEP、 Hunter、Bill、Hunter、Stu 「実験者のための統計」 そうです、研究の目的によって、データを取得する方法が決まります。
「実際の式」とは正確には何を意味しますか？ これも概算であることを理解する必要があります。 管理図法を使用する場合、範囲は非常に効率的な推定値です。 繰り返しますが、正確な数を知る必要はありません。調査のレバレッジがどこにあるかを割り当てる効率的な手段が必要です。
これは面白い。 記憶のないマルコフ過程を仮定すると、ある測定の確率は、以前の測定とは完全に無関係です。 したがって、一連の測定値が高、低、高、低... と交互に繰り返される可能性は、一連の測定値が低から高の順に表示される可能性と同じです。 前者の場合、平均 2 ポイントの移動範囲が最大になります。 後者では、最小化されます。 どちらのケースも同様に可能性がありますが、範囲ベースの方法を使用して std dev の大幅に異なる計算を提供する可能性があります。 これで大丈夫ですか？ 繰り返しますが、これが範囲ベースの方法を使用すべきではない明確な理由であると私は主張します。 すべてのデータ ポイントが同じ値を持ち、順序が異なるだけであるにもかかわらず、さまざまな方法論を使用することは、依然として非常に不可解です。
MR チャートは、変動研究のコンポーネントにはあまり役に立ちません。 それらは有理部分群がない場合に使用されます(もちろん、これは管理図法に必要です)。 時間が経つにつれて、すべての x がサブグループ内で変化するため、レバレッジ内およびサブグループ間で答えられる問題は実際にはありません。 MR チャートは、安定性を評価するのに役立ちますが、自己相関の可能性があります。比較的小さなデータ セットで使用できます (ネストされたサンプリング プランの最上位にいる場合など)。 繰り返しますが、分析問題では、正確さほど精度は気にしません。 あなたの状況は完全に理論的なものです。 ある方法が別の方法よりも優れていることがわかった実際のデータセットはありますか? 取り組んだ問題から実際にデータ セットを取得し、各推定値が研究の結論にどのように影響するかを比較しましたか? これは議論と議論の価値があるでしょう。
同僚のコメントを自分のコメントと勘違いしているかもしれません。 私ではなく、JMP が適切なプラットフォームであると確信する必要があるのは彼らです。 そのために必要な弾薬を手に入れるためにここに来ているだけです。 同時に、私は彼らの質問/懸念が正当であると感じており、彼らが理解できるように手助けしたいと考えています.
あなたはコメントを書きましたが、私には文脈がわかりません。 私は 3 つのソフトウェア プログラムすべてに精通していますが、私の偏見は JMP を使用することです。 Minitab や Excel よりも JMP の方が優れていることをユーザーに納得してもらいたい場合は、いくつかの論文を読むことをお勧めします (私と同じようにググることができます)。
例えばhttps://statanalytica.com/blog/jmp-vs-minitab/ (単純に最初に現れたもの)
列挙統計量の推定にどのプログラムを使用するかについての議論は役に立ちません。 多くの人を説得することに成功している実世界の問題における JMP の利点 (データのより優れたグラフィカル表示...グラフ ビルダー、パターン認識の容易さ...列ごとの色またはマーク、1 つのグラフでデータ ポイントを選択すると、すべてのグラフがハイライト表示される、REML など) の利点の Minitab ユーザーなど）。 残念ながら、実際には、どちらを企業として使用するかを決定するのは、統計やソフトウェアの使い方を知らない人々です。
Re: 管理図の std devs を計算していますか?シグマが平均移動範囲または平均範囲を使用して推定された別の非常に実用的な理由もあります。結果を記録し、範囲、移動範囲、平均移動範囲を計算し、そこからシグマを推定するための、理解しやすく整理されたデータ収集シート (紙ベース) をセットアップするのは非常に簡単で、基本的な算術と手計算がすべて含まれていました。ハンドヘルド計算機やコンピューターが登場する前の時代には、これがこの種の分析を行う最も簡単な方法であることがよくありました。MR ベースの推定は、統計的に言えば、通常の方法よりもわずかに「良好」ではありませんが、ほとんどの場合、実際には適切です。
シグマを決定するために MR または範囲ベースのアプローチを使用する場合の利点と注意事項:
- MR ベースのシグマ推定は、サブグループ間の「短期」変動を推定し、サブグループ内範囲ベースの推定は、主にバッチ変動内に焦点を当てます。SPC メソッドをプロセス平均のシフトに敏感にするには、MR ベースまたは範囲ベースのシグマ推定アプローチがその感度を提供するのに役立つ場合があります。
- ただし、そのレベルの感度が必要ない場合、およびプロセス データがプロセス平均の多くのシフトの影響を受ける場合は、S を決定するために平均アプローチからの二乗誤差の合計を使用することができます (誰もが通常学習する通常の定義)。より適切になります。 JMPでは、管理限界にSの通常の定義を使用する管理図を「Levey Jennings」管理図と呼びます。
最終的に、管理図方法の選択は、データの収集方法、有理サブグループの有無、および SPC 手順をどの程度機密にしたいかによって異なります。
Re: 管理図の std devs を計算していますか?謝罪は必要ありません。 これらのことを他の人に説明するのを喜んで手伝ってくれてありがとう。
前回の投稿以来、ようやくやってきました。 std dev を近似する範囲ベースの方法が、この場合の正しい方法であることに同意します。 このウェブサイトは役に立ちました： https://r-bar.net/xmr-limits-moving-range/ . 以下、私の言葉でその理由を説明するために最善を尽くします。 参考までに、議論されている 2 つの式をもう一度示します。
サンプル標準偏差 (従来の方法):
std dev の範囲ベースの近似値 (具体的には、2 ポイントの移動範囲の平均を d2 で割った値):
工程のばらつきには、複数の原因が考えられます。 常に多少のバックグラウンド ノイズがありますが、変動性を増すプロセス シフト (つまり、不一致) の可能性もあります。 2 つの方法の使用法は、最終目標によって異なります。
サンプル標準偏差は、これらすべてのソースを結果に組み込みます。 データの全体的な分散を評価したい場合、これが正しい方法です。
一方、範囲ベースの方法では、突然のプロセス シフトの影響が最小限に抑えられます。 これは、2 pt の移動範囲の平均の性質によるものです。 プロセス シフトは結果の値に影響を与える可能性がありますが、サンプル標準偏差ほどではありません。 (管理図を使用するときのように) データの不一致を評価したい場合、これが正しい方法です。
不一致の影響を最小限に抑える方法を使用して不一致を評価したいというのは直感に反するように思えるかもしれませんが、これは、この値を使用して、不一致をチェックするために必要な管理限界を確立しているためです。 以下のプロットが役立つかもしれません（から取得https://r-bar.net/xmr-limits-moving-range/ 
左側には、プロセス シフトはありません。 ここでは、両方の方法でほぼ同じ標準偏差が得られるため、ほぼ同じ管理限界 (= 平均 +/- 3*std dev) が得られます。 右側には、4 つのプロセス シフトがあります。 サンプル標準偏差によって作成された管理限界 (緑の線) には、これらのシフトと他のすべての変動性が組み込まれているため、移動範囲法によって作成された管理限界 (赤の線) よりもはるかに広くなっています。 これは、後者の方法が突然のプロセス シフトの影響を最小限に抑えるためです。 範囲ベースの標準偏差を使用して管理限界を決定する必要があるのは、これらの寄与が最小限に抑えられているためです。 サンプル標準偏差を使用して管理限界 (緑の線) を計算した場合、データは一貫していると結論付けられることに注意してください。 しかし、データを調べると、明らかにそうではないことがわかります。
要約すると、管理図限界を決定するために範囲ベースの近似を使用するだけでなく、サンプル標準偏差を具体的に使用する必要があります。いいえ利用される。 そうしないと、データに一貫性があると誤って結論付ける可能性があります。
後付け 1:
この混乱の多くは、「標準偏差」という用語と記号「s」と「s」の使用によって引き起こされたと思います。 " σ " 為にサンプル標準偏差と範囲ベースの近似の両方。 後者の値は前者に非常に近い場合もありますが、完全に同じというわけではなく、上記のように大きく異なる場合もあります。 さらに、それらはまったく同じ目的を果たしません。 前者は全体的な分散を定量化するためのもので、後者はデータの一貫性を評価するためのものです。 混乱を避けるために、標準偏差の範囲ベースの近似に別の名前を付けるとよいでしょう。 おそらく「Ranged Dispersion」または「δ_r」（デルタ添え字r）です。
後付け 2:
データの主観的な順序付けに依存する範囲ベースの方法に関する以前の返信での私の主張を撤回します。したがって、使用すべきではありません。 データの時間順にもプロセスに関する貴重な情報が含まれていることに気付きました。 サンプル標準偏差が使用される場合、その情報は無視されます。 しかし、その情報はプロセスの一貫性を理解するための鍵です。
あけましておめでとう皆さん。
Re: 管理図の std devs を計算していますか?私は神経に触れたようです。 もしそうなら、ごめんなさい。 それにもかかわらず、私は今同意しています。 上記の私の返信をご覧ください。
Re: 管理図の std devs を計算していますか?私はこのスレッドを傍観していましたが、一般的には両方に同意します@サムガードナーと@スタットマンのポイント。 そして、私は見る@ニクルズあなたは合理化された結論に達しました。 そこで、MR (バー) 法と従来の標準偏差の計算について常に考えていた方法を追加してみます。 この場合のシグマの目的は、未知の量の最良の推定値を提供することですが、その量は、共通原因変動の最良のプロセスベースの知識を表しています。 いくつかの状況では有理サブグループが不可能であるため、その共通原因の変動がサンプル空間全体である観測から次の観測まで安定しているといういくつかの仮定を喜んで行う限り、次に近い有理サブグループは連続する観測です。 それが理由です@スタットマンこの安定性を評価するために、データをプロットすることを主張しています。 これについての私の考え方は次のとおりです... 安定性を持ち、移動平均構造を使用して、これを概念的に安定した未知の母集団からのブートストラップ サンプリングに例えます。 また、ブートストラップ推定を使用できる場合は、ほとんどの場合、最適な方法です。 私の論理は間違っているかもしれません... しかし、ここで起こっている多くの問題について、私はそう考えています。
Re: 管理図の std devs を計算していますか?興味深い会話。この正確なトピックを説明する新しい SPC e コースをチェックすることをお勧めしますか?同様の質問をする可能性のある他のユーザーをこのコースに紹介することもできます。この科目は、コースのレッスン 2 で扱います。
JMP統計的工程管理コース
