| トランスクリプト |
| こんにちは、クリス・ゴットウォルトです。共同司会者のハドリーは |
| マイヤーズと私は、改善された情報を得るためのアドインを発表します |
| 分散の合計または線形結合の信頼区間 |
| コンポーネント。これは私たちが行った一連の講演の一部です。 |
| 私たちはいくつかのアプローチの改善と評価に取り組んでいます。 |
| 分散成分の合計に対する信頼区間の取得 |
| 品質において不確実性をもたらすため重要である |
| 繰り返し性と再現性の評価 |
| 測定システムです。問題は、95%の |
| 信頼区間には近似値が含まれており、 |
| 実際の間隔カバレッジは 80% 程度まで低下する場合があります。 |
| これまでの研究では、2つの方法が |
| 改善されたカバレッジ率、パラメトリックブートストラッピング、 |
| サッタースウェイト間隔では、小さな範囲では95％未満でした。 |
| サンプル。以前のバージョンのアドインでは、 |
| パラメトリックブートストラップを暫定的に使用し、エリザベス・クラッセン |
| フィット混合にサッタースウェイト間隔を実装しました |
| JMP Pro 16でネイティブにプラットフォームを利用できるようになった。ここで |
| エリザベス・クラッセンの区間推定の功績 |
| 分散成分の線形結合がはるかに簡単になり、 |
| JMP Pro 16。彼女はまた、混合モデルの出力を大幅に拡張しました。 |
| おかげでプレゼンテーションが格段に楽になりました。 |
| このプレゼンテーションが、 |
| 他の人にこれらの新しい保存コマンドを試してもらい、 |
| JMP Proの混合モデル機能をさらに活用してみましょう。 |
| ブートストラップと呼ばれる技術を使用して2つのアプローチを組み合わせる |
| 1991年にローによって導入されたインターバルキャリブレーション |
| 中央統計局の記事。ブートストラップ較正は非常に |
| 信頼の範囲を改善するための一般的な手順 |
| ほぼすべてのパラメータに適用できる間隔 |
| 統計モデル。基本的な考え方を紹介します。 |
| ブートストラップ間隔較正を最も簡単に説明すると |
| マイクをハドリーに渡し、ハドリーはデモを行う。 |
| アドインを使ってシミュレーション結果について議論しましょう。 |
| 単純なので、具体的にしましょう。非常に小さな入れ子構造を考えてみましょう。 |
| ゲージR&R型調査では、合計を推定したい |
| 変動。データを収集し、ネストされた変動を実行します |
| オペレータ効果を持つコンポーネントモデル、内部のパーツ |
| オペレータ効果と残差効果。ソフトウェアは、 |
| サッタースウェイト基準の区間を合計で表す。 |
| これは「大きな」 |
| 実際のカバー範囲を測るには、大量のデータが必要です。 |
| 間隔は 95% に近くなります。 |
| 小さなサンプルでは、実際のカバー率、つまり、 |
| 区間手続きは、実際に含まれる区間を生成する。 |
| 推定量の真の値は、 |
| 95%以上です。問題は、実際の間隔のカバー範囲が |
| デザインの複雑な機能、真の価値 |
| 機能、そして難しい他の多くの仮定のリスト |
| 検証は不可能です。しかし、私たちができることは、 |
| モデルとそのパラメータを使ってパラメトリックブートストラップを行う。 |
| これを行うと、私たちは量の真の価値を知ることができます |
| その値を使用してシミュレーションしていたため、推定しました。 |
| シミュレーションは何千回も実行できます。 |
| 全てのシミュレーションサンプルに同じモデルフィッティングプロセスを適用します。 |
| JMPから間隔を収集し、どのくらいの頻度で |
| それらには、あなたが生成する量の値が含まれています |
| 興味があった。この場合、私たちはすべての合計に興味があった。 |
| 分散成分なので、真の値は 4.515 です。 |
| 元のデータセットと推定値を取り、 |
| Fit Mixedから得られるSave Simulation Formulaを使用します。 |
| 多数の新しいデータセットを生成し、 |
| ここでそれぞれに適用したのと同じモデルフィッティングプロセス、 |
| そして、私たちはすべての信頼区間を集めました |
| 合計を報告した。これを実行した後、 |
| それは…推定されるカバー範囲、推定される数 |
| これらの間隔が実際に真実を含んでいた回数、 |
| 88% となりました。 |
| 95%の間隔が欲しかったのですが、ブートストラップでは |
| 手続きは、実際の範囲が |
| 88%。さあ、ちょっとしたゲームをして、同じことを繰り返しましょう。 |
| 今回は99%区間を使ったパラメトリックブートストラップです。それでは |
| このプロセスを通じて、すべてのブートストラップ間隔をやり直し、 |
| 99%の区間を計算したところ、実際の範囲は |
| 約98%です。このゲームを何度も繰り返したとします |
| アルファを見つけるまで再び |
| 実際のカバー率は約95%です。 |
| 例えば、私たちがそれをやって、最終的に97.6%が |
| 97.6%の間隔を要求したところ、実際には |
| 95% 程度のカバー率です。 |
| そこで、フィット関数を使って1からアルファを引いた値を0.976に設定します。 |
| モデル起動ダイアログでアルファオプションを設定すると、 |
| ブートストラップ較正された間隔 |
| 約95%のカバー率です。これはあくまでも概算です。 |
| それはまだシミュレーションの要素であり、より深い |
| 分析が非常に難しい根本的な近似値、 |
| しかし、簡単に使えるようにすることができます。これがHadleyの出番です |
| これから彼に引き渡して、デモをしてもらいます |
| アドインを使って彼が行ったシミュレーションを見てみましょう |
| より良いカバー率を達成できることを示しています |
| Bootstrapを適用することで |
| 線形結合におけるサッタースウェイト間隔の較正 |
| 分散成分の。ハドリー、やってくれ。 |
| クリスさん、本当にありがとう。そしてオンラインでご覧になっている皆さん、こんにちは。 |
| どこにいても。まずはアドインの使い方から説明します。 |
| 仕組みと、ブートストラップキャリブレーションを計算する方法を説明します。 |
| 混合モデルにおけるランダム成分の信頼限界 |
| JMP Pro 16。 |
| そこから少し戻って、アドインがどのように機能するかを見てみましょう |
| これらの計算を行い、追加事項のいくつかを強調します |
| JMP Pro 16 の混合モデルでは、それが可能になります。 |
| そこからシミュレーションの結果をお見せします |
| これがどれほど正確であるかを知るための研究 |
| 区間推定法は、ブートストラップ較正法である。 |
| 方法と、他の方法との比較 |
| 信頼限界を計算する方法、そしてそれが |
| 多かれ少なかれ正確で、いくつかの制限や |
| 適用する場合は注意が必要です。 |
| 今後の改善の可能性について議論します |
| 簡単に説明して、最後に |
| 新しいMSAデザイナー、測定システム解析デザイナー、 |
| JMP Pro 16のDOEメニューから利用できるので、 |
| 独自のMSAゲージR&Rを簡単に設計および分析できます |
| 研究です。まずはこのデータセットを見てみましょう。 |
| これはサンプル データ ファイルから取得したものです。 |
| 保存しておいたFit Mixスクリプトを実行します。 |
| ここにあるのはランダムな推定値です |
| ランダムなコンポーネントの場合。 |
| 今。 |
| 何らかの理由で、 |
| 中間合計、例えば演算子と部品がネストされている |
| 演算子、またはこれらの3つ、 |
| ご存知のとおり、演算子と残差です。 |
| これらを計算するのは非常に簡単で、これらを足すだけです |
| 推定値はあるが、それほど簡単ではないのは、 |
| 信頼限界。 |
| 16 では、混合モデルに新しい機能が追加されました。 |
| の線形結合 |
| 分散成分の線形結合の特徴 |
| ここにありますので、クリックすることができます。 |
| 関心のある分散成分の組み合わせを選択できます。 |
| 「完了」を押してください。これで見積もりが出ました。 |
| コンポーネントとその |
| 信頼限界。つまり、 |
| 私がこれからやろうとしていることは、この一歩を踏み出すことです |
| さらにブートストラップを計算します |
| サッタースウェイト推定値を較正し、それを実行するには |
| アドインに行き、Bootstrap Calibratedをクリックします |
| 信頼区間がここにあります。ここから推定できます |
| シミュレーションの数。 |
| 2500は |
| 推奨番号をデフォルト番号に変更します。また、 |
| 他のシミュレーションプラットフォームのデフォルト番号と |
| JMP Proで、 |
| これです。ただし、注意すべき点は、 |
| これを実行できる時間があり、時間的な利益のために |
| 私がやろうとしていることは、それを早く止めることです。 |
| そしてここに私たちの |
| 較正された間隔、較正された上限および下限の信頼度 |
| レポートに制限が追加されました。 |
| それでは、少し立ち止まって、そこで何が起こったのかを見てみましょう。 |
| これをもう一度追加しておきます。 |
| さて、アドインの1つは |
| 実行するとすぐに、 |
| それは追加されます |
| このシミュレーション式をデータテーブルに入力すると、 |
| シミュレーション式はここです。 |
| アドインを閉じると、 |
| シミュレーション式は消えます。 |
| ここでのシミュレーション式は別の |
| ...に追加された機能です。 |
| JMP Proの混合モデルプラットフォームに保存する |
| シミュレーション数式機能 |
| ここで、これを使うと、 |
| シミュレーション式とその後 |
| 例えば、それをシミュレートするために使う |
| ここでこれらの値を入力します。「Y」を「 |
| 新しいシミュレーション式、 |
| 実行してみましょう。アドインを実行すると、 |
| すべてバックグラウンドで実行されます。アドインはこのように動作します |
| これらの間隔を計算することについて。 |
| 時間の都合上、今回も早めに終わらせます。 |
| そしてここにサンプルがあります |
| それぞれ推定されます。 |
| シミュレーションです。アドインの仕組みは |
| これらすべてが必要です。 |
| そして、上限と下限の新たな推定値を計算し、 |
| これより低いサッタースウェイト間隔 |
| 推定値とこの標準誤差を、異なる |
| アルファの値です。目標は0.05ですよね？ |
| 95%の上限と下限が得られるように、 |
| それは見つける |
| 95%のカバー率、つまり95%のヒットとなるアルファ値 |
| 5%はミス |
| それを交換すると、調整された間隔が得られます。 |
| 楽しんでいただけたでしょうか？お役に立てていただければ幸いです。 |
| 私たちはいくつかのシミュレーション研究を行ってきましたが、その結果、 |
| それは |
| ここでは4つの演算子の間隔を確認できます |
| ランダム要素として12日間、 |
| 我々は約 |
| 7%なので、92.8%のヒット率です。これは、 |
| これを含む他のもの、つまり線形結合は |
| 単純に標準的なサッタースウェイト間隔 |
| 線形成分の組み合わせに基づいて計算され、 |
| ブートストラップ分位点、バイアス補正された区間 |
| バイアス補正と加速間隔ですが、ご覧のとおり |
| これらの間隔はすべて改善され、 |
| オペレーターの数を増やすと |
| 4から8に、日数を12から24に増やします。 |
| これらのランダム成分のレベル |
| より良い、より多くの |
| 信頼限界の正確な推定値など |
| 私たちが今持っている |
| ここでの方法 |
| それは同等である、 |
| ただ、 |
| アルファ値は .05 です。 |
| つまり、このパフォーマンスの向上は当然のことながら |
| コストがあり、そのコストの 1 つが間隔の長さです。 |
| ご覧のとおり、 |
| 私たちの |
| ブートストラップは、すべての間隔で実際に調整されています。 |
| オペレーターの数が増えると、 |
| 間隔の長さははるかに長い |
| 0に近づくほど、より小さい |
| オペレーターの数。これはかなり尾を引くことがわかります |
| さらに、この青い部分です。 |
| すべてに当てはまりますが、特に |
| ブートストラップ較正間隔。これは |
| ここはロングテールです。 |
| 平均的には、これを使うと長さが長くなります |
| 方法ですが、より正確な方法があります。 |
| もう少し深く調べてみると、ここに |
| この長さの増加は4つの演算子の場合に当てはまる。 |
| 8 つの演算子もあり、重要です。 |
| 統計的に有意です。 |
| 私が注目したもう一つのことは |
| 繰り返しを加えることによる効果なので、違いは |
| 2回の繰り返しと5回の繰り返しの違いと、 |
| ここで重要なのは、実際には |
| 違い。だから向こう側を見て |
| さまざまな組み合わせのセット |
| 4人のオペレーターと2回の繰り返しから4人のオペレーターと5回の繰り返し、約6 |
| 合計測定と3回の測定では、実際には |
| 何も得られません。これらはすべて同等です。 |
| この点に留意すべきです。 |
| オペレーターの数を増やすと精度が向上し、 |
| 数を増やしても改善が見られない |
| 繰り返し。 |
| 私が言及したいことの一つは |
| これらの結果を改善する可能性は |
| 分数ランダム重みブートストラップでは、 |
| これを間に合うように実装できたことを嬉しく思います |
| この会議で私たちはそれを成し遂げることができませんでした |
| そしてそれをランダム分散成分に適用すると、 |
| 将来の仕事でそれができるようになることを願っています。 |
| ブートストラップ キャリブレーション間隔の改善を確認します。 |
| そして、私が強調したいもう一つのことは |
| 囲碁は新しい |
| JMP 16に追加されたMSAデザイナーなど |
| ここから私たちができることは、非常に迅速に |
| 独自のデザインを作成して |
| 独自のMSAを実行するか、 |
| ゲージR&R分析。では、3つのゲージを使って分析してみましょう。 |
| 演算子と 5 つの部分。 |
| これらにラベルを付けます |
| A、B、C。 |
| それぞれ1回ずつ繰り返します。これで2回です |
| 測定値の合計。 |
| ここにテーブルがあります |
| デザインです。このボタンを押すと、 |
| それをすぐに別のオペレータに送信し、 |
| 彼らに各自の部分を記入してもらい、私に送り返してください。 |
| そして、私は付け加えることができる |
| それらの結果をまとめます。 |
| ここに別のテーブルがあるので、これを並べ替えます |
| 事前にこれを行っておきました。これを追加します |
| そこに値があります。そしてテーブル内のスクリプトから |
| 迅速かつ簡単に独自の測定システム分析を行うことができます |
| ゲージR&Rについてです。この情報がお役に立てば幸いです。 |
| この会議での講演を引き続きお楽しみください。ありがとうございました |
| 聞いてくれてありがとう。 |
