Hola,
Me gustaría volver a la discusión sobre gráficos de control no normales, que ya se ha abordado aquí.
https://community.jmp.com/t5/Discussions/Control-Chart-builder-Non-Normal-data-Control-Limits/mp/227165#M45073
También tengo un conjunto de datos que no se distribuye normalmente (ver archivo adjunto) para el cual solo se cuestiona la distribución SHASH debido a la extrema "sesgo". Todas las demás distribuciones se rechazan debido a una prueba de bondad de ajuste significativa. Sin embargo, al usar el script de gráfico de control no normal de Paul Deen (consulte el enlace anterior, ¡un script muy útil por cierto!) y seleccionando la distribución SHASH, se muestra un gráfico muy cuestionable (zonas demasiado grandes para los límites sigma), que sin duda es debido a la extrema asimetría de los datos (si quieres recapitular, mi LSL es 0.9, mi objetivo es maximizar)
Si, por el contrario, selecciono una distribución de Weilbull, el ControlChart se ve mucho mejor.
Las pruebas correspondientes (Reglas de Western Electric) también se pueden aplicar de manera más confiable. Mi pregunta ahora es si es aceptable suponer una distribución diferente para la creación del gráfico de control, aunque esto en realidad se rechaza a través de la prueba de bondad de ajuste. También escuché que una distribución SHASH en particular no es apropiada para análisis de procesos (capacidad, gráficos de control).
Sobre el tema de la transformación de datos: también he intentado normalizar los datos usando la transformación box-cox (usando el script de Mark Bailey, https://community.jmp.com/t5/JMP-Scripts/Demonstrate-the-Univariate-Box-Cox-Transform/ta-p/21820 ), pero con poco éxito. Los datos son simplemente demasiado "sesgados". Además, también descubrí que la transformación de datos no es tan recomendable ya que pierdes cierta información (ver también https://www.spcforexcel.com/knowledge/variable-control-charts/control-charts-and-non-normal-data)
¿Tienes una opinión sobre esto?
¡Estaría muy feliz por cualquier comentario!
Atentamente
Juan
