Involucrarse con JMP: el Análisis ANOVA

Los temas más recientes de mi publicación estuvieron relacionados con los componentes de la máquina de soldadura de ola, sin embargo la estadística  es algo que me interesa también. ¿Alguna vez ha tenido que comparar dos o más conjuntos de datos para probar y comprender si no tenían relación o si eran significativos a nivel estadístico? Hace poco tiempo tuve que resolver este problema yo mismo comparando variables desde dos máquinas diferentes de montajes de tecnología de montaje en superficie (SMT).

Esta es la primera vez que tuve que utilizar estadística desde que fui al instituto, por lo tanto tuve que repasar algunas cosas. Para mí, la prueba especial que tuve que realizar no era clara al comenzar el análisis. Digamos que las máquinas estaban midiendo la misma variable exacta, y la única diferencia era la máquina. Quería comprender qué máquina era más precisa. O mejor aún, si había una diferencia significativa a nivel estadístico entre los dos conjuntos de resultados. Comencemos con la definición de "significativo a nivel estadístico”. De acuerdo con Google, la definición es: “la probabilidad de que un resultado o relación sea causada por algo que no sea una posibilidad puramente aleatoria. La prueba de hipótesis estadística se emplea a nivel tradicional para determinar si un resultado es o no significativo a nivel estadístico”.

Después de algunas investigaciones, descubrí que podría utilizar ya sea el test t o el análisis de varianza (ANOVA). El test t observa las diferencias entre los dos grupos utilizando una variable sencilla al tiempo que la variable independiente solo debe tener dos grupos. Las pruebas de análisis ANOVA comprueban la significación de las diferencias entre dos o más grupos de datos. La variable independiente tiene que tener dos o más categorías. La ANOVA solo determina si hay una diferencia entre los grupos, pero no dice cuál es diferente. Curiosamente, si realiza un análisis ANOVA para dos variables independientes, se produce el mismo resultado que al usar el test t. Aquí tiene una foto de cómo lucen mis datos:

Después de utilizar el software JMP y abrir ‘Means/ANOVA/Pooled t', mis datos ahora lucen de la siguiente manera:

De acuerdo con la página de apoyo JMP, “el valor Prob> F mide la probabilidad de obtener una relación F tan grande como lo observado, dado que todos los parámetros excepto la intercepción están en cero. Los valores pequeños de Prob> F señalan que la relación F observada es poco probable. Dichos valores son considerados evidencia de que hay al menos un efecto significativo en el modelo”. Estos datos se adecuan a la descripción, por lo tanto utilicé una segunda prueba, el test Tukey-Kramer, para verificar los resultados. Cuando selecciona esta prueba, la imagen de los datos cambia levemente a esta:

Cuando utilicé por primera vez esta prueba, no comprendí totalmente qué representaban los círculos. Este es el gráfico más integral que encontré.

Dado que los círculos no se superponen en absoluto, los resultados son significativamente diferentes.

Hay también una diferencia menos significativa o matriz umbral LSD que aparece cuando selecciona el análisis Tukey-Kramer. Se muestra a continuación:

La forma de leer la matriz es, cuando compara A con B, hay una cantidad positiva que señala que el par de medianas es significativamente diferente.

De vez en cuando estaré presentando publicaciones diferentes a mi programa estándar de fundentes, precalentadores, etc. para discutir otros temas o experimentos que he llevado a cabo aquí en Indium Corporation. Por favor siéntase libre de comunicarse conmigo si tiene preguntas, inquietudes o hechos divertidos. (¡¡Amo los hechos divertidos!!) Estoy siempre abierto a ideas y conceptos nuevos.  

Translation powered by Avalon Professional Translation