Mit JMP anfangen - ANOVA-Analyse

Meine letzten Blogthemen befassten sich mit Maschinenkomponenten beim Wellenlöten, aber Statistik interessiert mich ebenfalls. Mussten Sie jemals zwei oder mehr Datensätze miteinander vergleichen, um zu verstehen, ob sie keinen Bezug hatten oder statistisch signifikant waren? Neulich musste ich dieses Problem für mich lösen, indem ich Variablen von zwei unterschiedlichen SMT-Montagemaschinen miteinander verglich.

Dies war das erste Mal seit der Vorlesung am College, dass ich Statistik anwenden musste, weshalb ich ein paar Dinge auffrischen musste. Der spezielle Test, den ich durchführen musste, war mir zu Beginn der Analyse unklar. Ich kann so viel sagen, dass die Maschinen die exakt gleichen Variablen hatten und der einzige Unterschied in den beiden unterschiedlichen Maschine bestand. Ich wollte verstehen, welche Maschine genauer war. Oder besser noch, ob es einen statistisch signifikanten Unterschied zwischen den beiden Ergebnissätzen gab. Lassen Sie uns mit der Definition der “statistischen Signifikanz” beginnen. Laut Google, ist die statistische Signifikanz folgendermaßen definiert: "die Wahrscheinlichkeit, dass ein Ergebnis oder eine Beziehung durch etwas anderes als den Zufall verursacht wird. Statistische Hypotheseprüfungen werden üblicherweise angewendet, um zu bestimmen, ob ein Ergebnis statistisch signifikant oder nicht ist.

Nachdem ich eine weile gesucht hatte, fand ich heraus, dass ich entweder den t-Test oder die Varianzanalyse (ANOVA; analysis of variance) verwenden konnte. Der t-Test betrachtet Unterschiede zwischen zwei Gruppen mithilfe einer einzigen Variablen, wobei die unabhängige Variable lediglich zwei Gruppen besitzen darf. Die Varianzanalyse überprüft die Signifikanz der Unterschiede zwischen zwei oder mehr Datengruppen. Die unabhängige Variable muss zwei oder mehr Kategorien besitzen. Die Varianzanalyse bestimmt nur, dass es einen Unterschied zwischen den Gruppen gibt, jedoch nicht worin sich diese unterscheiden. Seltsam ist dabei, wenn man die Varianzanalyse für zwei unabhängige Variablen durchführt, erhält man das gleiche Ergebnis, das man auch erhält, wenn man den  t-Test verwendet. Hier ist ein Schnappschuss meiner Daten:

Nachdem ich die JMP-Software verwendet und ‘Means/ANOVA/Pooled t' (Mittelwerte/ANOVA/Gebündeltes t) ausgewählt hatte, sahen meine Daten dann folgendermaßen aus:

Laut der Support-Seite von JMP, “ misst der Wert "Prob > F" die Wahrscheinlichkeit, ein F Ratio (F-Verhältnis) zu erhalten, das so hoch ist, wie das, das wir beobachten, vorausgesetzt, dass alle Parameter außer dem Schnittpunkt Null sind. Kleine Werte für "Prob > F" weisen darauf hin, dass das beobachtete  F Ratio unwahrscheinlich ist. Solche Werte dienen als Beweis dafür, dass mindestens ein signifikanter Effekt im Modell vorhanden ist.”  Diese Daten passen auf die Beschreibung, weshalb ich einen zweiten Test, den Tukey-Kramer Test, durchführte, um meine Ergebnisse zu bestätigen. Wenn Sie diesen Test verwenden, ändert sich das Datenbild folgendermaßen:

Als ich diesen Test zum ersten Mal durchführte, habe ich nicht ganz verstanden, was die Kreise darstellten. Hier ist die umfangreichste Grafik, die ich finden konnte.

Die die Kreise überhaupt nicht überlappen, sind die Ergebnisse signifikant unterschiedlich.

Wenn Sie die Tukey-Kramer-Analyse auswählen, erscheint auch ein "Geringster Signifikanzunterschied" oder "LSD Threshold Matrix". Dies wird unten dargestellt:

Die Matrix muss so gelesen werden: Wenn Sie A mit B vergleichen, gibt es eine positive Zahl, die darauf hinweist, dass das Paar der Mittelwerte signifikant unterschiedlich ist.

Ab und zu werde ich Beiträge einfließen lassen, die sich von meinem Standardprogramm der Fluxer, Vorwärmer usw. unterscheiden, um über andere Themen oder Experimente zu diskutieren, die ich hier bei der Indium Corporation durchgeführt habe. Sie können mich gerne kontaktieren, wenn Sie Fragen, Probleme oder witzige Fakten haben. (Ich liebe witzige Fakten!!!) Ich bin immer offen für neue Ideen und Konzepte.  

Translation powered by Avalon Professional Translation