Intervall, anders in JMP, SOLLTE LOGISCH GLEICH SEIN.Hallo.
Ich stehe vor einem Problem und möchte mich im Voraus dafür entschuldigen, dass es sich möglicherweise um eine dumme Frage handelt.
Um es einfach zu machen, die Situation ist,
Daten sind
t = {0,3,6,9,12}
y1={y11,y12,y13,y14,y15}
y2={y21,y22,y23,y24,y25}
y3={y31,....}
wobei y1,y2,y3 die Chargennummern (Lotnummern) sind
Es sollte also drei entsprechende Regressionslinien geben.
Ich habe die Vergleichbarkeit der Linien getestet und das Ergebnis war: „Unterschiedliche Steigung und unterschiedlicher Achsenabschnitt“
Daher habe ich die Variablen wie folgt in die Model Fit-Plattform eingefügt:
wobei G'=y und Monat=t.
Die Ergebnisse waren vernünftig, solange das Konfidenzintervall in Spalten gespeichert wurde.
Bisher handelt es sich bei der oben beschriebenen Methode um Methode A.
Jedoch auf andere Weise, Methode B,
Die Eingaben sind wie folgt:
Die Gesamtergebnisse scheinen GLEICH, aber,
Das Konfidenzintervall wird ANDERS berechnet als bei Methode A.
(Sie können sich nur auf die letzte Zeile konzentrieren und die Werte mit der vorherigen Datenabbildung vergleichen … da gibt es eine große Lücke. 204 <> 247)
Meine Frage ist also:
wo liegt der Grund für diesen Unterschied?
Um ehrlich zu sein, da ich JMP die DATEN als "Unterschiedliche Steigung und Unterschiedlicher Achsenabschnitt" behandeln lasse (natürlich sowohl bei Methode A als auch bei Methode 
,
Das Konfidenzintervall sollte den Ergebnissen der Methode B ähneln.
Die Konfidenzintervalle der Methode A ähneln sich in den Chargen 1, 2 und 3 sehr stark.
Bitte hilf mir.
Entschuldigen Sie die lange Geschichte und das Englisch.
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungDatenexploration und -visualisierungQualitäts- und ProzesstechnikBetreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo @MikeKim : Es sieht für mich verwirrend aus, weil Sie in der ersten Fit Model-Plattform Monat als „Y“ haben und in Ihrer zweiten Fit Model-Plattform G‘ als „Y“. Aber ich nehme an, das ist ein Tippfehler und Sie haben in beiden G‘ als „Y“.
Die erste Methode ist enger, weil es mehr Freiheitsgrade für Fehler gibt. Das heißt, wenn Sie ein einzelnes Modell wie in Ihrem ersten Dialog erstellen (Methode A), ergeben sich engere Konfidenzintervalle, weil die Stichprobengröße größer ist. Wenn Sie die Freiheitsgrade für Fehler zwischen den beiden Modellen vergleichen, werden Sie feststellen, dass der Fehler df (Methode A) viel größer ist als der Fehler df für jede Partie (Methode . Tatsächlich ist der Fehler df (Methode A) = die Summe (über alle Partien) des Fehlers df in Methode B. Dies hat direkte Auswirkungen auf die Breite des Konfidenzintervalls (macht es enger).
Darüber hinaus verwendet Methode A den gepoolten MSE (eine Art durchschnittlichen MSE aller Lose).
Bei Methode B hat jede Partie ihren eigenen MSE, und dies kann dazu führen, dass jede Partie bei Methode B auch eine andere Breite hat, selbst wenn die Stichprobengröße usw. für jede Partie gleich ist.
Alles in allem ist Methode A die geeignete Analyse (dabei wird davon ausgegangen, dass der MSE für jede Partie ungefähr gleich ist). Wenn die MSEs sehr unterschiedlich sind (dies können Sie aus Methode B ableiten), ist Methode B möglicherweise die bessere Wahl, es sei denn, Sie haben JMP Pro und können Heteroskedastizität (auch bekannt als Heterogenität der Varianz https://en.wikipedia.org/wiki/Homoscedasticity_and_heteroscedasticity) modellieren. Grafisch können Sie dies beurteilen, indem Sie sich Residuendiagramme und/oder Regressionslinien ansehen, um zu sehen, ob die Streuung um jede Partie herum ähnlich ist.
.
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Leider kann ich die Lösung nicht ganz nachvollziehen.
Vielleicht, weil meine Erklärung nicht gut genug war
oder mein Hintergrund reicht nicht aus, um es zu verstehen.
Um es einfach auszudrücken: Meine Frage war
Methode A und Methode B werden beide als „Unterschiedlicher Achsenabschnitt, gemeinsame Steigung“ bezeichnet (da es sich um das Ergebnis der „Degradationsplattform“ handelt).
Logischerweise sollten sie also das gleiche Ergebnis zeigen.
Offensichtlich ist das nicht der Fall. Und Sie sagen, dass es eine andere Variable „MSE“ gibt, die sich auf die Breite von CI auswirkt?
und es scheint, als könnte ich die „MSE“-Annahme nicht ändern, wenn ich die normale JMP-Version verwende?
Da ich über kein Hochschulstudium in Statistik verfüge, hoffe ich wirklich, dass ich Ihre weiteren Erklärungen verstehen kann.
Danke schön.
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo @MikeKim : Ich wusste nicht, dass Sie die Degradationsplattform verwenden. Wählen Sie in der Degradationsplattform (Stabilitätstest) die folgende Option (Gepoolten MSE für nicht poolbares Modell verwenden). Dies führt zu engeren Intervallen und ist sinnvoll und ist es das, wonach Sie suchen?
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo, @MRB3855 :
Nun, es tut mir nicht leid.
Aus der Perspektive einer sorgfältigen und naiven Analyse ist es nicht natürlich, „gepoolten MSE verwenden“ zu aktivieren.
Grundsätzlich möchte ich es auf den Ergebnissen der Degradationsplattform basieren. (Dif-Achsenabschnitt, Com-Steigung)
Allerdings kann die CI-Kurve in der Degradationsplattform den spezifischen f(t)-Wert nur an dem Punkt aufweisen, an dem sie die Spezifikationsgrenze erreicht.
Der entscheidende Punkt ist daher, über eine andere Plattform dieselbe CI wie die Degradationsplattform zu zeichnen.
Das aktuelle Problem besteht darin, dass weder die von mir vorgestellte Methode A noch die Methode B die gleiche Form wie die Degradationsplattform zeichnet.
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo @MikeKim : Ich habe einige meiner Daten ausprobiert und die Vorhersageintervalle usw. waren für beide Plattformen gleich. Können Sie Bilder oder Daten bereitstellen, die genau zeigen, was Sie tun und was Sie vergleichen? Das Modell, wie Sie es beschreiben, ist „unterschiedlicher Achsenabschnitt mit gemeinsamer Steigung“. In der Plattform „Modell anpassen“ sollten Sie also keinen Interaktionsterm haben; und in der Stabilitätsplattform sollten Sie immer „Gepoolten MSE für nicht poolbares Modell verwenden“ wählen, wie ich oben beschrieben habe (obwohl dies nur für das „nicht poolbare“ Modell „unterschiedlicher Achsenabschnitt“ und „unterschiedliche Steigung“ einen Unterschied macht).
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.hallo, @MRB3855
Vielen Dank für Ihre Hilfe!
Ich habe versucht, den gesamten Inhalt zu meinem Problem zu verstehen, aber es ist mir nicht gelungen.
Lassen Sie mich versuchen, meine Frage wie folgt zusammenzufassen und noch einmal zu erläutern.
Es tut mir leid, ich kann keine echte Datei anhängen.
Abb. 1
das sind Daten
Abb. 2 Degradationsplattform
links: Gepoolten MSE verwenden (Deaktivieren)
rechts: Gepoolten MSE verwenden (Prüfen)
Abb. 3
links: passe y an x an: Alpha 0,1 CI ist genau dasselbe wie der gepoolte MSE (nicht markieren)
rechts: Modell anpassen: CI-Abbildung kann nicht gezeichnet werden
Zusammenfassend sind dies also meine Probleme.
1. Wie fasse ich die Abbildung 3 links in einem Diagramm mit 3 Linien und dem jeweiligen CI zusammen?
2. Wie zeichne ich CI in Abb. 3, rechts?
3. Wie wende ich den gepoolten MSE auf Abb. 3 links und Abb. 3 rechts an? (auf dieselbe Abbildung wie Abb. 2 rechts)
4. In Abb. 3 rechts gibt es die Option „Spalte speichern“ (im roten Dreieck) (um den CI-Wert in der Tabelle anzuzeigen).
Sie sind jedoch immer auf Alpha = 0,05 festgelegt. In diesem Fall benötige ich Alpha = 0,1, da die ursprüngliche Degradation 0,1 CI zeigt.
Wie ändere ich also Alpha 0,05 in 0,1 in Abb. 3, richtig? (Bitte überprüfen Sie dies in Abb. 4 unten)
5. Was ist die praktische Erklärung (praktische Bedeutung im Laborbereich) der Überprüfung der Verwendung gepoolter MSE?
(Die Antwort auf die Frage des Kollegen: „Was ist der Using Pooled MSE?“)
Abb. 4
Vielen Dank!
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo @MikeKim : Ich werde versuchen, diese Fragen zu beantworten.
Abb. 2: So sollte es sein.
Abb. 3: So sollte es sein (die Plattform „Fit Model“ zeigt die Konfidenzintervalle nicht an)
1. Wie konsolidiere ich die Abbildung 3 links in einem Diagramm mit 3 Linien und den jeweiligen CI? Sie müssen die Vorhersagen und Intervalle in Ihrer Datentabelle speichern und den Diagrammersteller verwenden. Das entspricht Abbildung 2 links.
2. Wie zeichne ich CI in Abb. 3 richtig? Sie müssen die Vorhersagen und Intervalle in Ihrer Datentabelle speichern und den Graph Builder verwenden.
3. Wie wende ich den gepoolten MSE auf Abb. 3 links und Abb. 3 rechts an? (auf dieselbe Abbildung wie Abb. 2 rechts). Auch hier müssen Sie die Vorhersagen und Intervalle in Ihrer Datentabelle speichern und den Graph Builder verwenden.
4. In Abb. 3 rechts gibt es die Option „Spalte speichern“ (im roten Dreieck) (um den CI-Wert in der Tabelle anzuzeigen).
Sie sind jedoch immer auf Alpha = 0,05 festgelegt. In diesem Fall benötige ich Alpha = 0,1, da die ursprüngliche Degradation 0,1 CI zeigt.
Wie ändere ich also Alpha 0,05 in 0,1 in Abb. 3, richtig? (Bitte überprüfen Sie dies in Abb. 4 unten). Im Dialogfeld „Modell anpassen“ befindet sich neben „Modellspezifikation“ ein rotes Dreieck. Wenn Sie darauf klicken, können Sie „Alpha-Level festlegen“.
5. Was ist die praktische Erklärung (praktische Bedeutung im Laborbereich) der Überprüfung der Verwendung gepoolter MSE?
(Die Antwort auf die Frage des Kollegen: „Was ist der gepoolte MSE?“). Ich habe MSE-Pooling in meiner ersten Antwort erklärt. Der MSE ist der mittlere quadratische Fehler. Es ist eine Schätzung der Varianz, und die Varianz ist die
(Standardabweichung)^2. Jede Linie hat ihren eigenen MSE. Der MSE für jede Linie ist die (Summe der quadrierten Fehler)/(N-2). Die Summe der quadrierten Fehler (SSE) ist die Summe der quadrierten Differenzen zwischen der Linie und den Daten. SSE ist die Summe der quadrierten Residuen. Siehe Diagramm unten.
Wenn also die Streuung der Daten um die Linie herum eng ist, ist der MSE sehr klein (wie der blaue Batch in Abb. 2). Wenn die Streuung der Daten um die Linie herum größer ist, ist der MSE größer (wie der rote Batch in Abb. 2).
Man kann sich das Poolen der MSEs so vorstellen, als würde man einen Durchschnitt der MSEs nehmen, um einen „gepoolten MSE“ für die Berechnung von Konfidenzintervallen usw. zu erhalten. Wenn Sie kein Poolen durchführen, verwendet jeder Stapel seinen eigenen MSE, um die Konfidenzintervalle mithilfe der folgenden Gleichung zu berechnen.
Ist es also am besten, die MSEs zu poolen? Nun, das kommt darauf an. Aus statistischer Sicht gilt: Wenn die MSEs ähnlich sind, dann poolen Sie. Wenn sie nicht ähnlich sind, sollten Sie versuchen, den Grund dafür zu verstehen. Wenn Sie sich Ihre Daten ansehen, scheint die blaue Gruppe viel weniger variabel zu sein (viel niedrigerer MSE als die anderen Gruppen), sodass Poolen möglicherweise nicht angemessen ist. Wenn Sie die MSEs poolen, ist die Breite der drei Intervalle (um jede Gruppe herum) gleich (jedes verwendet den gepoolten oder „durchschnittlichen“ MSE) und spiegelt nicht die Tatsache wider, dass die blaue Gruppe weniger variabel ist. Wenn Sie keinen gepoolten MSE verwenden, hat die blaue Gruppe ein viel engeres Intervall (wie in Abbildung 3 links gezeigt), weil sie ihren eigenen MSE verwendet.
Ich hoffe, ich habe Ihre Fragen verstanden und konnte Ihnen weiterhelfen. Und ich hoffe, es sind nicht zu viele Tippfehler dabei!
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo, @MRB3855
Ich kann gar nicht sagen, wie sehr ich diese Hilfe schätze.
Ich habe viel Wissen erlangt und bin so glücklich.
Allerdings habe ich leider keine Erfahrung mit dem Graph Builder.
Bis jetzt bin ich an diesen Punkt gekommen (von der Degradation-Plattform mit aktivierter Option „Gepoolte MSE verwenden“). Ich weiß, wo die Graph Builder-Plattform ist.
und keine Ahnung zu haben, wie man die Linien und CIs zeichnet.
Würde es Ihnen etwas ausmachen, mir zum Schluss zu helfen?
Vielen Dank!!
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo @MikeKim . Graph Builder ist eine der leistungsstärkeren Plattformen von JMP und eine meiner Lieblingsplattformen.
Ich kann das jedoch nicht für Sie tun. Und ich glaube nicht, dass es möglich ist, es Ihnen in diesem Forum zu zeigen.
Ich kann Ihnen jedoch sagen, welche zusätzlichen Spalten usw. Sie möglicherweise benötigen, und Sie auf einige Ressourcen hinweisen.
1. Speichern Sie in der Plattform „Fit Model“ und der Plattform „Fit Y by X“ (siehe Abbildung 3) jeweils die Vorhersageformel und die Konfidenzintervallformeln. Die Konfidenzintervalle für jeden Batch von „Fit Y by X“ verwenden jeweils ihren eigenen MSE. Die Konfidenzintervalle für jeden Batch von „Fit Model“ verwenden denselben gepoolten MSE.
2. Fügen Sie Ihren Daten mehrere Zeilen hinzu, aber lassen Sie Y als fehlend. Fügen Sie für diese neuen Zeilen Batch und Monat hinzu. Für jeden Batch sollten die Monate jedoch die Monate sein, für die Sie keine Daten haben. 1, 2, 4, 5, 7, 8 usw. So sehen Ihre endgültigen Diagramme glatter aus.
3. Hier finden Sie eine Ressource zur Verwendung von Graph Builder. Es kann einige Zeit und Übung erfordern, bis Sie genau das bekommen, was Sie wollen … aber es ist gut investierte Zeit.
https://www.jmp.com/en_gb/learning-library/topics/graphical-displays-and-summaries/graph-builder.html
Betreff: Intervall, in JMP anders, SOLLTE LOGISCH GLEICH SEIN.Hallo, @MRB3855
Ich bin jetzt so glücklich
Nachdem ich Ihren Anweisungen gefolgt bin, ist es mir endlich gelungen.
Schauen Sie sich das Ergebnis an.
Es muss noch einiges repariert werden, damit es schöner aussieht, aber sie haben die ursprünglichen Ziele erreicht!!!
Ich werde weitermachen und weitere Nachforschungen anstellen, vielen Dank!
