你好
,
I
我
安妮
达德利
,
和 I 是 a 控制 图表 开发者 为了 JMP .
I 是 这里 今天 到 讲话 和 你 关于 这 新的 在 JMP 版本 17
兰尼 P ' 和 U ' 控制 图表 .
让 的 审查。
这 控制 图表 是 故意的 到 展示 这 稳定 的 你的 过程 .
如果 你的 过程 是 不是 稳定的 , 然后 你 能 't 可靠 制作 这 相同的 尺寸
或者 这 相同的 部分 , 和 顾客 将要 得到 沮丧的
和 不是 想 到 购买 从 你 再次 .
在 这 案件 , 我们 '关于 说 具体来说 关于 属性 图表 ,
哪个 是 基于 任何一个 在 这 二项式 或者 这 泊松 分配 ,
和 他们 认为 a 持续的 方差，
a 持续的 方差 因为 两个都 这 二项式 和 这 泊松
是 a 一 范围 分配 .
你 得到 一 范围 为了 这 意思是 和 然后 操纵 在 那
为了 这 方差 .
但 什么 发生 如果 你的 方差 是 不是 持续的 超过 时间 ?
什么时候 你 有 a 非 -持续的 方差 ,
在 其他 字 ,
如果 你 有 更多的 方差 在 你的 模型 或者 在 一些 案例 , 较少的 ,
更多的 方差 在 你的 模型 比 你 '关于 现在 描述 ,
那 的 指 到 作为 过度离散 .
一 范围 模型 不能 模型 过度离散 .
大卫 兰尼 建议的 那 我们 规范化 这 数据
和 我们 帐户 为了 变化 亚组 尺寸 , 我们 计算 a 移动 范围 ,
和 平均的 那 , 和 然后 我们 插入 那 进入 我们的 模型 ,
进入 我们的 限制 为了 这 控制 图表 .
让 的 拿 a 看 在 这 在 JMP .
让 的 保持 在 头脑 这 假设 是 那 为了 这 常规的 P 和 U 图表 ,
我们 有 这 假设 的 这 可能性 的 不合格
是 这 相同的 为了 每个 样本 .
在 其他 字 , 我们 有 假设 那 我们的 方差 是 持续的 .
让 的 看 简要地 在 我们的 限制 公式 .
为了 这 P 图表 , 它 的 这 平均的 加 或者 减 3
时代 我们的 标准 错误 和 这 相同的 和 这 U 图表 .
再次 , 记住 , 我们 有 这 一 范围 .
那里 的 不是 很多 那 我们 能 做 如果 我们的 限制 是 不是 持续的 这里
或者 如果 我们的 方差 是 不是 持续的 .
什么 做 我们 做 如果 我们 有 过度离散 ?
这 是 这 大的 问题 .
什么 兰尼 建议的 曾是 基本上 我们 标准化 我们的 数据 ,
我们 拿 这 移动 范围 , 我们 计算 一个 平均的 移动 范围 ,
和 然后 我们 调整 那 和 形式 a 西格玛 子 Z .
这些 限制 那 兰尼 是 提议 看 非常 相似的 到 这 其他 限制 .
我们 是 只是 插入 这 西格玛 子 Z 进入 这 公式
正确的 前 这 标准 错误 为了 两个都 这 P 图表 和 这 U 图表 .
让 的 拿 a 看 在 一个 例子 .
I 我 去 到 开始 和 a 数据 放 从 这 JMP 样本 数据 文件夹 .
我们 有 很多 尺寸 那 是 不是 可怕 大的 .
F 或者 我们的 第一的 例子 , 让 的 看 在 这 一 .
I 我 去 到 去 通过 这 界面 为了 这 第一的 一 .
我们 '二 使用 对话 为了 未来 一个 .
我们 有 这 数字 的 有缺陷的 垫圈 那 我们 '关于 去 到 模型 .
I 我 去 到 改变 这 图表 类型 到 属性 .
前 我们 去 到 泊松 , I 有 我的 很多 作为 我的我 确认 为了 我们的 X -轴 ,
和 我们 '关于 只是 去 到 使用 这 持续的 很多 尺寸 的 400 .
降低 那 在 这 n 次试验 降低 区 .
现在 , 兰尼 的 图表 是 仅有的 可用的 什么时候 我们的 统计数据 是 比例匀称 ,
所以 I 有 到 改变 那 后退 到 部分 .
什么时候 这 统计数据 是 部分 , 然后 我们 有 四 选择
为了 我们的 西格玛 价值 .
I 我 去 到 选择 兰尼 P '。 但 第一的 , 让 的 拿 a 看 这里 .
我们 看 我们 有 二 积分 出去 的 控制 在 这 P 图表，
哪个 是 表明 到 我们 那 这 是 不是 a 稳定的 过程 .
我们 能 当然 转动 在 这 限制 , 和 那 只是 肯定 什么 我们 斑 .
如果 我们 改变 这 兰尼 P ' 图表 , 那 西格玛 子 Z
曾是 清楚地 更大的 比 1 , 因为 现在 我们的 限制
有 跳了起来 向上 相当 .
尽管 这 积分 存在 绘制 是 这 相同的 作为 他们 是 在 这 P 图表 ,
这 上 限制 在 特别的
有 获得 更大的 .
那里 的 a 相当 简单的 例子 .
让 的 移动 在 到 其他 例子 .
这 是 再次 , 其他 数据 放 出去 的 这 JMP 样本 数据 .
在 这 案件 , 我们 '关于 寻找 在 数字 的 缺陷 出去 的 ...
我们 有 一些 单位 那 是 存在 测试 ,
一些 牙套 那 是 存在 测试 在 每个 单元 .
每个 单元 是 't 这 相同的 尺寸 .
这 是 其他 设想 在哪里
这 问题 和 这 非 -持续的 方差 流行音乐 向上。
我们 能 数数 这 数字 的 缺陷 .
我们 '关于 不是 计数 这 数字 的 有缺陷的。
我们 '关于 计数 这 数字 的 缺陷 每 单元 .
在 这 案件 , 我们的 单元 尺寸 是 变化 .
让 的 选择 a U 图表 在下面 这 控制 图表 菜单。
我们 有 我们的 数字 的 缺陷 , 和 我们 有 我们的 日期
作为 我们的 亚组 标识符 , 和 我们 有 我们的 单元 尺寸
作为 我们的 n 次试验 .
我们 谈话 关于 拥有 那 非 -持续的 单元 尺寸 ,
所以 我们 有 变化 限制。
我们 做 看 一些 的 这 积分 是 出去 的 控制 这里 .
再次 , 这 出现 到 是 a 非 -稳定的 过程，
哪个 是 原因 为了 恐慌 或者 拥有 到 重新调整 一切 .
现在 , 如果 我们 展示 这 控制 控制板 , 自从 我们 有 部分 作为 a 统计数据 ,
我们 能 改变 这 从 a 泊松 或者 加州大学 到 a 兰尼 .
再次 , 这 限制 有 现在 增加 .
我们 现在 意识到 我们 有 a 稳定的 过程 . 我们 大学教师 't 有 任何 积分 出去 的 控制 .
这 是 更好的 特征 我们的 设想 , 我们的 数据 这里 .
现在 , 让 我 展示 你 a 第三 例子 , 哪个 是 a 小的 少量 更多的 复杂的 .
这 图片 在 我的 背景 这里 是 实际上 a 图片 I 采取
从 阿卡迪亚 国家的 公园 .
A 夫妻 的 夏天 前 , I 曾是 在职的 在 这 斯库迪克 观点
和 志愿服务 到 学习 微塑料 在 这 水 向上 那里 .
我们 是 采取 样品 的 一 升 的 水 每 星期 在 不同的 地点 .
我们 会 拿 那 水 , 和 我们 会 为了 它 通过 a 筛选 ,
和 然后 我们 拿 这 筛选 和 看 在下面 a 显微镜
和 身体 数数 这 数字 的 微 珠子 和 超细纤维
那 是 出现 在 这 筛选 那 我们 倾倒 这 水 通过 .
让 的 分析 这 作为 a 控制 图表 .
这 主要的 研究者 为了 这 特别的 学习
是 尝试 到 形式 a 好的 , 复杂的 模型 超过 时间
到 寻找 出去 无论 或者 不是 这 水 塑料 是 增加 .
但 在 命令 到 做 那 , 你 真的 想 到 知道
那 你 '关于 造型 你的 数据 正确
和 无论 或者 不是 我们 有 实际的 稳定的 数据 .
这 是 一个 例子 我们 可以 跑步 a P 图表 ,
所以 让 的 尝试 那 .
存在 这 控制 图表 开发者 , I 我 总是 寻找 为了 更多的 机会
到 模型 控制 图表 .
我们 想 到 看 在 这 全部的 塑料。
为了 我们的 亚组 , 我们 有 星期 ,
和 为了 我们的 n 次试验 , 我们 有 全部的 体积 ,
和 然后 我们 有 不同的 地点 ID 作为 a 阶段 .
这里 我们 看 我们 有 三 不同的 积分 那 我们 是 采取 这 测量 从 .
一些 是 更好的 比 其他的 ,
但 他们 全部 似乎 到 是 真的 出去 的 控制 .
他 的 去 后退 到 这 绘画 木板 和 喜欢 , “什么 应该 I 做 ?
应该 I 拿 更多的 数据 ? 如何 做 I ……
I 想法 , “唔 , 让 的 看 如果 这 真的 是 特征 这 情况 ,
这 过程 这里 非常 出色地。 "
让 的 跑步 这 再次 通过 a 对话 ,
和 你 看 那里 是 二 新的 条目 在 这 菜单 ,
一 为了 兰尼 P ' 和 一 为了 兰尼 U 控制 图表 .
再次 , 让 的 看 在 我们的 全部的 塑料 作为 这 Y ,
和 这 全部的 体积 是 我们的 n 次试验 .
我们的 星期 是 我们的 亚组 , 和 这 地点 ID 是 这 阶段 .
我们 已经 得到 这 相同的 积分 再次 , 但 突然， 我们的 限制 是 很多 更广泛 .
我们 能 结束 从 这 那 , 出色地 , 我们 实际上 有 a 漂亮的 稳定的 过程 .
这 是 好的 数据 .
他 能 去 前方 和 开始 到 形式 他的 更大的 模型 在 这 数据 .
尽管 它 的 a 平静 事物 , 还， 它 制作 a 很多 更多的 感觉 .
在 结束 , I 会 喜欢 到 推荐 那 每个人 使用 这 兰尼 P ' 和 U '
控制 图表 什么时候 监测 你的 部分
的 非 符合 或者 缺陷 ,
尤其 什么时候 你 看 a 不同之处 之间 这 P 和 这 P ' 图表 .
感谢 你 非常 很多 .
