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.”
Dopo alcune ricerche, ho scoperto che potevo usare il test T o l'analisi della varianza (ANOVA). Il test-test esamina le differenze tra due gruppi utilizzando una singola variabile, mentre la variabile indipendente deve avere solo due gruppi. L'analisi ANOVA verifica la significatività delle differenze tra due o più gruppi di dati. La variabile indipendente deve avere due o più categorie. L'ANOVA determina solo l'esistenza di una differenza tra i gruppi, ma non dice quale sia la differenza. Stranamente, se si esegue l'analisi ANOVA per due variabili indipendenti, si ottiene lo stesso risultato del test-t. Ecco un'istantanea di come appaiono i miei dati:
After using the JMP software and turning on the ‘Means/ANOVA/Pooled t’, my data now looks like this:
Secondo la pagina di supporto di pagina di supporto di JMP, "Il valore Prob > F misura la probabilità di ottenere un rapporto F grande quanto quello osservato, dato che tutti i parametri tranne l'intercetta sono pari a zero. Valori piccoli di Prob > F indicano che il rapporto F osservatoè improbabile. Tali valori sono considerati una prova dell'esistenza di almeno un effetto significativo nel modello". Questi dati corrispondono alla descrizione, quindi ho utilizzato un test secondario, il test di Tukey-Kramer, per verificare i miei risultati. Quando si seleziona questo test, l'immagine dei dati cambia leggermente in questo modo:
Quando ho impiegato per la prima volta questo test, non ho capito bene cosa rappresentassero i cerchi. Ecco il grafico più completo che ho trovato.
Poiché i cerchi non si sovrappongono affatto, i risultati sono significativamente diversi.
Quando si seleziona l'analisi Tukey-Kramer, viene visualizzata anche una matrice della differenza minima significativa o soglia LSD. È visualizzata di seguito:
Il modo in cui si legge la matrice è che quando si confronta A con B, c'è un numero positivo che indica che la coppia di medie è significativamente diversa.
Di tanto in tanto inserirò a pioggia dei post diversi dal mio programma standard di flussi, preriscaldatoriecc. per parlare di altri argomenti o esperimenti che ho condotto qui alla Indium Corporation. Non esitate a contattarmi per qualsiasi domanda, dubbio o curiosità. (Sono sempre aperto a nuove idee e concetti.
