Plonger dans l'analyse JMP- ANOVA

Les sujets les plus récents de mon blog concernaient les Composants de machine de brasage par ondes, mais les statistiques m'intéressent aussi. Avez-vous du déjà comparer deux ensembles de données ou plus pour essayer de comprendre si elles étaient sans rapport ou statistiquement importantes. J'ai du récemment résoudre ce problème pour moi-même en comparant des variables issues de deux machines d'assemblage de SMT différentes.

C'est la première fois que j'ai du utiliser des statistiques depuis que j'ai suivi le cours à l'université alors j'ai du rafraîchir plusieurs points. Ce test particulier que je devais effectuer n'était pas clair pour moi dès le début de l'analyse. Laissez moi dire que les machines mesuraient exactement la même variable, la seule différence était la machine. Je voulais comprendre quelle machine était la plus précise. Ou, encore mieux, s'il y avait une différence statistiquement importante entre les deux ensembles de résultats. Commençons par la définition de « statistiquement important ». D'après Google, la définition de statistiquement important est : « La probabilité qu'un résultat ou une relation soit causé par autre chose que le simple hasard. Les tests d'hypothèse statistique sont traditionnellement utilisés pour déterminer si un résultat est statistiquement important ou non.

Après des recherches, je me suis aperçu que je pouvais utiliser soit le t-test ou le test d'analyse de variation (ANOVA). Le t-test observe les différences entre deux groupes en utilisant une seule variable alors que la variable indépendante ne doit avoir que deux groupes. L'analyse ANOVA teste l'importance des différences entre deux groupes de données ou plus. La variable indépendante doit avoir deux catégories ou plus. L'analyse ANOVA détermine uniquement qu'il y a une différence entre les groupes mais ne dit pas quelle différence. De façon étrange, si vous effectuez l'analyse ANOVA pour deux variables indépendantes, vous créez le même résultat qu'en utilisant le t-test. Voici un cliché de ce à quoi ressemblent mes données :

Après avoir utilisé le logiciel JMP et avoir activé ‘Means/ANOVA/Pooled t',mes données sont les suivantes :

D'après la page d'assistance JMP, « La valeur Prob > F mesure la probabilité d'obtention d'un ration F aussi grand que celui observé, étant donné que tous les paramètres sauf l'interception sont égaux zéro. De petites valeurs de Prob > F indiquent que le Ratio F observé est peu probable. Ces valeurs sont considérées comme une preuve qu'il existe au moins une conséquence importante sur le modèle. »  Ces données correspondent à la description alors j'ai utilisé un test secondaire, le test de Tukey-Kramer afin de vérifier mes résultats. Lorsque vous sélectionnez ce test, l'image des données changent légèrement et devient :

Lorsque j'ai utilisé ce test pour la première fois, je n'ai pas tout à fait compris ce que représentaient les cercles. Voici le graphique le plus complet que j'ai trouvé.

Parce que les cercles ne se chevauchent pas du tout, les résultats sont tout à fait différents.

Il existe aussi une différence moins importante ou Matrice de seuil LSD qui apparaît lorsque vous sélectionnez l'analyse Tukey-Kramer. Elle figure ci-dessous :

La façon de lire la matrice est, lorsque vous comparez A à B, qu'il y a un nombre positif indiquant que la paire de moyennes est très différente.

De temps à autres, je ferai des articles différents de mon programme standard de préchauffages de, fluxeurs, etc. afin de discuter d'autres sujets ou expériences que j'ai réalisées ici chez Indium Corporation. N'hésitez pas à me contacter si vous avez des questions, des inquiétudes ou des informations amusantes. (J'adore les informations amusantes !!!) Je suis toujours ouvert aux nouvelles idées et concepts.  

Translation powered by Avalon Professional Translation