Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola.
Me enfrenté a un problema y pido disculpas de antemano porque podría ser una pregunta tonta.
Para simplificar, la situación es la siguiente:
Los datos son
t={0,3,6,9,12}
y1={y11,y12,y13,y14,y15}
y2={y21,y22,y23,y24,y25}
y3={y31,....}
donde y1,y2,y3 son el número de lote
Por lo tanto, debería haber tres líneas de regresión respectivas.
Probé la comparabilidad de líneas y la conclusión fue "Diferente pendiente y diferente intersección"
De esta manera, coloco las variables en la plataforma Model Fit como,
donde G'=y y mes=t.
Los resultados fueron razonables hasta que el intervalo de confianza se guardó en columnas.
El método anterior es el método A.
Sin embargo, por otro camino, el método B,
Las entradas son las siguientes:
Los resultados generales parecen IGUALES pero,
El intervalo de confianza se calcula de forma DIFERENTE al método A.
(puedes enfocarte solo en la última fila, comparando los valores con la cifra de datos anterior... hay una brecha enorme. 204 <> 247)
Entonces mi pregunta es:
¿Dónde radica la razón de esta diferencia?
Para ser honesto, como dejé que JMP tratara los DATOS como "Diferente pendiente y diferente intersección" (por supuesto, en el caso de ambos métodos A y 
,
El intervalo de confianza debe parecerse a los resultados del método B.
Los intervalos de confianza del método A son muy similares entre los lotes 1, 2 y 3.
Por favor, ayúdame.
Perdón por la larga historia y el inglés.
Modelado estadístico avanzadoAnálisis y modelado de datos básicosExploración y visualización de datosIngeniería de Calidad y ProcesosRe: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MikeKim : Me parece confuso porque tienes el mes como "Y" en la primera plataforma Fit Model y tienes G' como "Y" en la segunda plataforma Fit Model. Pero supongo que es un error tipográfico y tienes G' como "Y" en ambas.
El primero será más estricto porque hay más grados de libertad para el error; es decir, construir un modelo único como en el primer diálogo (método A) da como resultado intervalos de confianza más estrictos porque el tamaño de la muestra es mayor. Si compara los grados de libertad para el error entre los dos modelos, verá que el error gl (método A) es mucho mayor que el error gl para cada lote (método . De hecho, el error gl (método A) = la suma (sobre todos los lotes) del error gl en el método B. Esto tiene un impacto directo en la amplitud del intervalo de confianza (lo hace más estricto).
Además, el método A utiliza el MSE agrupado (una especie de MSE promedio de todos los lotes).
Para el método B, cada lote tiene su propio MSE, y esto puede hacer que cada lote también tenga un ancho diferente para el método B, incluso si el tamaño de la muestra, etc., es el mismo para cada lote.
En definitiva, el método A es el análisis adecuado (supone que el MSE de cada lote es aproximadamente el mismo). Si los MSE son muy diferentes (puede obtener esto del método , entonces el método B puede ser una mejor opción, a menos que tenga JMP Pro y pueda modelar la heterocedasticidad (también conocida como heterogeneidad de varianza https://en.wikipedia.org/wiki/Homoscedasticity_and_heteroscedasticity) . Gráficamente, puede evaluar esto observando los gráficos de residuos o las líneas de regresión para ver si la dispersión alrededor de cada lote es similar.
.
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Lamentablemente no puedo comprender completamente la solución.
Quizás porque mi explicación no fue lo suficientemente buena
o mi experiencia no es suficiente para entender.
Para ser simple, mi pregunta fue
Tanto el método A como el método B se designan como "Intersección diferente, pendiente común" (ya que es el resultado de la "plataforma de degradación").
Entonces lógicamente deberían mostrar el mismo resultado.
Obviamente no lo son y ¿estás diciendo que hay otra variable 'MSE' que impacta en el ancho de CI?
y parece que no puedo modificar el supuesto 'MSE' mientras uso la versión normal de JMP.
Mi nivel de estadística no es de grado, por lo que realmente espero poder entender después de tu explicación.
Gracias.
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MikeKim : No sabía que estabas usando la plataforma de degradación. En la plataforma de degradación (prueba de estabilidad), elige la siguiente opción (Usar MSE agrupado para modelo no agrupable). Esto hará lo correcto y dará como resultado intervalos más ajustados. ¿Tiene sentido y es esto lo que estás buscando?
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola, @MRB3855 :
Bueno, no lo siento.
No es natural marcar 'Utilizar MSE agrupado' desde la perspectiva de un análisis cuidadoso e ingenuo.
Básicamente, quiero basarlo en los resultados de la plataforma de degradación (intersección diferencial, pendiente de comparación).
Sin embargo, la curva CI en la plataforma de degradación no puede exhibir el valor f(t) específico excepto en el punto donde cumple con el límite de especificación.
Por lo tanto, el punto clave es dibujar el mismo CI que la plataforma de degradación a través de otra plataforma.
El problema actual es que ni el método A ni el método B que presenté dibujan la misma forma que la plataforma de degradación.
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MikeKim : Probé algunos datos míos y los intervalos de predicción, etc., fueron los mismos para ambas plataformas. ¿Puedes proporcionar imágenes o datos que muestren exactamente lo que estás haciendo y lo que estás comparando? El modelo, tal como lo describes, es "intersección diferente con pendiente común". Por lo tanto, en la plataforma de modelo de ajuste no debería haber ningún término de interacción; y en la plataforma de estabilidad siempre deberías elegir Usar MSE agrupado para modelo no agrupable como describí anteriormente (aunque esto solo hace una diferencia para el modelo "no agrupable" de intersección diferente y pendiente diferente).
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola, @MRB3855
¡Gracias por tu ayuda!
Intenté comprender todo el contenido relacionado con mi problema y no lo logré.
Permítame intentar resumir y volver a explicar mi pregunta de la siguiente manera.
Lo siento, no puedo adjuntar el archivo real.
Figura 1
Estos son datos
Figura 2 Plataforma de degradación
Izquierda: Utilizar MSE agrupado (desmarcar)
Derecha: Utilizar MSE agrupado (Verificar)
Figura 3
izquierda: ajustar y por x: alfa 0,1 CI es exactamente igual al MSE agrupado (desmarcar)
Derecha: modelo de ajuste: No se puede dibujar la figura CI
Así que, en resumen, los siguientes son mis problemas.
1. ¿Cómo puedo consolidar la figura 3 de la izquierda en un gráfico que contenga 3 líneas y su respectivo CI?
2. ¿Cómo dibujo CI en la figura 3 a la derecha?
3. ¿Cómo aplico el MSE agrupado a la figura 3 de la izquierda y a la figura 3 de la derecha? (a la misma figura que la figura 2 de la derecha)
4. Hay una opción Guardar columna (en un triángulo rojo) en la figura 3 a la derecha (para ver el valor de CI en la tabla)
Sin embargo, siempre se fijan en alfa=0,05, en este caso necesito alfa=0,1 ya que la degradación original muestra 0,1 CI.
Entonces, ¿cómo cambio el alfa de 0,05 a 0,1 en la figura 3? (verifique esto en la figura 4 a continuación)
5. ¿Cuál es la explicación práctica (significado práctico en el ámbito de laboratorio) de la comprobación del uso de MSE agrupado?
(La respuesta a la pregunta del colega, "¿qué es el uso de mse agrupado?")
Figura 4
¡Muchas gracias!
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MikeKim : Intentaré responder estas preguntas.
Fig 2: esto es como debería ser.
Fig. 3: así es como debería ser (la plataforma Fit Model no muestra los intervalos de confianza)
1. ¿Cómo consolido la figura 3 de la izquierda en un gráfico que contenga 3 líneas y su intervalo de confianza correspondiente? Deberá guardar las predicciones y los intervalos en su tabla de datos y utilizar el generador de gráficos. Será lo mismo que la figura 2 de la izquierda.
2. ¿Cómo dibujo el intervalo de confianza en la figura 3? Deberá guardar las predicciones y los intervalos en su tabla de datos y utilizar el generador de gráficos.
3. ¿Cómo aplico el MSE agrupado a las figuras 3 de la izquierda y 3 de la derecha? (a la misma figura que la figura 2 de la derecha). Nuevamente, deberá guardar las predicciones y los intervalos en su tabla de datos y utilizar el generador de gráficos.
4. Hay una opción Guardar columna (en un triángulo rojo) en la figura 3 a la derecha (para ver el valor de CI en la tabla)
Sin embargo, siempre se fijan en alfa=0,05, en este caso necesito alfa=0,1 ya que la degradación original muestra 0,1 CI.
Entonces, ¿cómo cambio el alfa de 0,05 a 0,1 en la figura 3? (Verifique esto en la figura 4 a continuación). En el cuadro de diálogo Ajustar modelo, hay un triángulo rojo junto a Especificación del modelo. Si hace clic allí, puede "establecer el nivel alfa".
5. ¿Cuál es la explicación práctica (significado práctico en el ámbito de laboratorio) de la comprobación del uso de MSE agrupado?
(La respuesta a la pregunta del colega, "¿qué es el uso de MSE agrupado?"). Expliqué la agrupación de MSE en mi respuesta inicial. El MSE es el error cuadrático medio. Es una estimación de la varianza, y la varianza es el
(Desviación estándar)^2. Cada línea tiene su propio MSE. El MSE de cada línea es la (suma de errores al cuadrado)/(N-2). La suma de errores al cuadrado (SSE) es la suma de las diferencias al cuadrado entre la línea y los datos. SSE es la suma de los residuos al cuadrado. Vea el gráfico a continuación.
Por lo tanto, si la distribución de los datos alrededor de la línea es estrecha, el MSE será muy pequeño (como el lote azul de la figura 2). Si la distribución de los datos alrededor de la línea es mayor, el MSE será mayor (como el lote rojo de la figura 2).
La agrupación de los MSE puede considerarse como tomar un promedio de los MSE para obtener un "MSE agrupado" con el fin de calcular los intervalos de confianza, etc. Si no realiza la agrupación, cada lote utilizará su propio MSE para calcular los intervalos de confianza a través de la ecuación siguiente.
Entonces, ¿es mejor agrupar? Bueno, depende. Desde una perspectiva estadística, si los MSE son similares, entonces agrupa. Si no son similares, entonces debes tratar de entender por qué. Al observar tus datos, el lote azul parece mucho menos variable (MSE mucho más bajo que los otros lotes), por lo que agrupar puede no ser apropiado. Si agrupas los MSE, el ancho de los tres intervalos (alrededor de cada lote) será el mismo (cada uno usará el MSE agrupado o "promedio") y no reflejará el hecho de que el lote azul es menos variable. Si no usas MSE agrupado, entonces el lote azul tendrá un intervalo mucho más estrecho (como se muestra en la figura 3 a la izquierda) porque usa su propio MSE.
Espero haber entendido tus preguntas, espero haberte sido útil... ¡y espero que no haya muchos errores tipográficos!
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MRB3855
No encuentro cómo agradecer esta ayuda.
Encontré muchos conocimientos y estoy muy feliz.
Sin embargo, lamentablemente no tengo experiencia con Graph Builder.
Hasta ahora llegué a este punto (desde la plataforma Degradación con Usar MSE agrupado marcado), sé dónde está la plataforma Graph Builder,
y no tener idea de cómo dibujar las líneas y los IC.
¿Te importaría ayudarme por último?
¡¡Muchas gracias!!
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MikeKim . Graph Builder es una de las plataformas más potentes que tiene JMP y es una de mis favoritas.
Sin embargo, no puedo hacerlo por ti y no creo que sea posible mostrártelo en este foro.
Sin embargo, puedo decirle qué columnas adicionales, etc., podría necesitar y señalarle algunos recursos.
1. En la plataforma Fit Model y la plataforma Fit Y by X, respectivamente, como se muestra en la figura 3, guarde la fórmula de predicción y las fórmulas de intervalo de confianza. Los intervalos de confianza para cada lote de Fit Y by X utilizarán su propio MSE. Los intervalos de confianza para cada lote de Fit Model utilizarán el mismo MSE agrupado.
2. Agregue varias filas a sus datos, pero deje Y como faltante. Para estas nuevas filas, incluya lote y mes. Pero, para cada lote, los meses deben ser meses en los que no tiene datos. 1, 2, 4, 5, 7, 8, etc. Esto es para que sus gráficos finales se vean más uniformes.
3. Aquí encontrará un recurso sobre cómo utilizar Graph Builder. Puede que le lleve algo de tiempo y práctica conseguir exactamente lo que desea, pero será tiempo bien invertido.
https://www.jmp.com/en_gb/learning-library/topics/graphical-displays-and-summaries/graph-builder.html
Re: Intervalo, diferente en JMP, LÓGICAMENTE DEBERÍAN SER EL MISMO.Hola @MRB3855
Estoy tan feliz ahora
Finalmente lo logré siguiendo tus instrucciones.
Echa un vistazo al resultado.
Hay cosas que arreglar para que quede mejor, pero lograron los objetivos iniciales!!!
Seguiré haciéndolo e investigando más, ¡muchas gracias!
