My most recent blog topics have had to do with Wave Soldering Machine Components, but statistics is also something that interests me. Have you ever had to compare two or more sets of data to try and understand if they were unrelated or statistically significant? I recently had to solve this problem for myself by comparing variables from two different SMT assembly machines.
This is the first time that I had to use statistics since I took the course in college, so I had to brush up on a few things. The particular test that I needed to perform was unclear to me at the start of the analysis. Let me say that the machines were measuring the exact same variable, the only difference was the machine. I wanted to understand which machine was more accurate. Or, better yet, if there was a statistically significant difference between the two sets of results. Let’s start off with the definition of “statistically significant.” According to Google,the definition of statisticallysignificant is. “the likelihood that a result or relationship is caused by something other than mere random chance.Statisticalhypothesis testing is traditionally employed to determine if a result isstatisticallysignificantor not.”
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:
After using the JMP software and turning on the ‘Means/ANOVA/Pooled t’, my data now looks like this:
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.
