In meinen letzten Blogbeiträgen ging es um Komponenten von Wellenlötmaschinen, aber auch Statistik interessiert mich. Mussten Sie schon einmal zwei oder mehr Datensätze vergleichen, um herauszufinden, ob sie unabhängig voneinander waren oder statistisch signifikant? Ich musste dieses Problem kürzlich selbst lösen, indem ich Variablen von zwei verschiedenen SMT-Bestückungsautomaten verglichen habe.
Das war das erste Mal, dass ich mich seit meinem Studium wieder mit Statistik beschäftigen musste, daher musste ich mein Wissen in einigen Punkten auffrischen. Zu Beginn der Analyse war mir noch unklar, welchen Test ich genau durchführen sollte. Zu Ihrer Information: Die Maschinen maßen genau dieselbe Variable, der einzige Unterschied bestand in der Maschine selbst. Ich wollte herausfinden, welche Maschine genauer war. Oder besser noch: ob es einen statistisch signifikanten Unterschied zwischen den beiden Ergebnissätzen gab. Beginnen wir mit der Definition von „statistisch signifikant“. Laut Googlelautet die Definition von „statistisch signifikant“:„Die Wahrscheinlichkeit, dass ein Ergebnis oder ein Zusammenhang durch etwas anderes als reinen Zufall verursacht wird. Statistische Hypothesentests werden traditionell eingesetzt, um festzustellen, ob ein Ergebnis statistisch signifikant ist oder nicht.“
Nach einigen Recherchen fand ich heraus, dass ich entweder dent -Test oder die Varianzanalyse (ANOVA) verwenden kann. Dert -Test prüft die Unterschiede zwischen zwei Gruppen anhand einer einzigen Variablen, während die unabhängige Variable nur zwei Gruppen haben muss. Die ANOVA-Analyse prüft die Signifikanz von Unterschieden zwischen zwei oder mehr Gruppen von Daten. Die unabhängige Variable muss zwei oder mehr Kategorien haben. Die ANOVA stellt nur fest, dass es einen Unterschied zwischen den Gruppen gibt, sagt aber nicht, welche Gruppe sich unterscheidet. Wenn Sie die ANOVA-Analyse für zwei unabhängige Variablen durchführen, erhalten Sie merkwürdigerweise das gleiche Ergebnis wie mit dem t-Test. Hier ist eine Momentaufnahme meiner Daten:
Nachdem ich die JMP-Software verwendet und die Option „Means/ANOVA/Pooled t“ aktiviert habe, sehen meine Daten nun wie folgt aus:
Laut der JMP-Support-Seite, "Der Wert Prob > F misst die Wahrscheinlichkeit, ein F-Verhältnis zu erhalten, das so groß ist wie das beobachtete, wenn alle Parameter außer dem Achsenabschnitt gleich Null sind. Kleine Werte von Prob > F zeigen an, dass das beobachtete F-Verhältnisunwahrscheinlich ist. Solche Werte gelten als Beweis dafür, dass es mindestens einen signifikanten Effekt im Modell gibt." Da diese Daten der Beschreibung entsprechen, habe ich einen zweiten Test, den Tukey-Kramer-Test, verwendet, um meine Ergebnisse zu überprüfen. Wenn Sie diesen Test auswählen, ändert sich das Bild der Daten geringfügig in dieses:
Als ich diesen Test zum ersten Mal durchführte, verstand ich nicht ganz, was die Kreise darstellten. Hier ist die umfassendste Grafik, die ich gefunden habe.
Da sich die Kreise überhaupt nicht überschneiden, sind die Ergebnisse sehr unterschiedlich.
Es gibt auch eine LSD-Schwellenwertmatrix, die angezeigt wird, wenn Sie die Tukey-Kramer-Analyse auswählen. Sie wird unten angezeigt:
Die Matrix ist so zu lesen, dass bei einem Vergleich von A und B eine positive Zahl angibt, dass das Mittelwertpaar signifikant unterschiedlich ist.
Von Zeit zu Zeit werde ich Beiträge einstreuen, die sich von meinem Standardprogramm an fluxers, Vorwärmerusw. abweichen, um andere Themen oder Experimente zu besprechen, die ich hier bei der Indium Corporation durchgeführt habe. Bitte zögern Sie nicht, mich zu kontaktieren, wenn Sie Fragen, Bedenken oder interessante Fakten haben. (Ich liebe lustige Fakten!!!) Ich bin immer offen für neue Ideen und Konzepte.
