반도체 데이터에서, 전기적 단락에 직면하는 프로브 측정이 분포에서 멀리있는 측정 값을 나타내는 것은 일반적입니다. 즉, 특이 치 . 우리가 평균값이 같다는 것을 테스트 할 때,이 외측 값들은 우리의 표준 편차 추정치를 부풀게합니다. σ. 표준 편차는 예측 된 값과 각 점의 제곱 거리를 사용하여 추정되므로 멀리있는 값은 표준 편차 추정에 불균형하게 큰 영향을 미친다는 것을 기억하십시오. 팽창 된 분산 추정치 때문에, 그들은 또한 일반적으로 덜 민감한 수단에 대한 검사를 만들어서 덜 중요한 p 값을 산출합니다.
다행히도 이러한 이상 값을 보상하는 방법은 다음과 같습니다. 견고한 방법 . 우리가 좋아하는 강력한 방법은 후버 M Estimator . 기본적으로, 이것은 평균과 시그마를 추정하여 평균에서 2 시그마보다 더 멀리 떨어지면 다운 가중치가되어 계산이 편차의 제곱이 아닌 절대 값으로 민감합니다.
견고한 방법은 계산하는 것이 더 비쌉니다. 후버 -M 추정량은 데이터를 여러 번 순환하여 추정 및 테스트를 얻는 반복적 인 방법입니다. 그러나 우리는 현재 빠른 컴퓨터를 사용하고 있으므로 견고한 견적을 고려하지 않은 이유로 대부분의 경우 변명의 여지가 없습니다.
생산 데이터의 lot-to-lot 변형에 대한 견고한 적합성, 118 가지 변수 모두를 수행했습니다. 왼쪽에는 견고한 LogWorth와 비 견고한 LogWorth의 관계가 있습니다. 45도 선은 동등한 위치에 있습니다. 그들은 라인 근처의 모든 점들과 꽤 동등합니다. 데이터는 비정상적으로 감염되지 않고 정상적으로 작동합니다.
그러나 엔지니어링 변경 데이터에서 384 개의 모든 응답은 오른쪽의 대응하는 플롯에서 LogWorths가 매우 중요하며 견고하게 추정 될 때 대부분 다릅니다. 대부분의 테스트는 견고 할 때 훨씬 더 중요합니다.
강력한 테스트가 중요한 테스트 중 하나를 선택하되 비 견고한 테스트는 중요하지 않습니다.
non-robust ANOVA p- 값은 .1007이며, 강력한 ANOVA p-value는 5.98E-16입니다. 뿐만 아니라, 딱딱하지 않은 경우, "새"의 의미가 더 커집니다. 그러나 튼튼한 버전의 경우 Old 그룹의 모든 outlier를 다운 웨이트하고 "old"의 평균은 더 커, 반대 순서입니다. (비 강건한 수단은 녹색 선이고, 견고한 수단은 라벤더입니다.) 견고하게 견적을 내릴 때 항상 테스트가 더 중요하지는 않습니다. 이 예제의 387 테스트에서 138 개 테스트는 견고하지 않은 테스트는 덜 중요합니다.
데이터가 올바르게 작동한다는 것을 알지 못하면 견고한 견적을 사용해야합니다. 그렇지 않으면 표준 (비 강건한) 방법으로는 감지 할 수없는 실제 차이점을 알지 못할 수 있습니다.
JMP 11 Oneway, Bivariate, Response Screening 및 Fit Model - Response Screening 성격과 같은 많은 새로운 장소에서 강력한 Huber M 방법을 사용합니다.
노트 : 이것은 큰 통계 John Sall의 블로그 게시물 시리즈. 그의 모든 것을 읽으십시오. 큰 통계 게시물 .
