Regressionsanalyse

[Frank_Hergt]

#48820

Gibt halt immer mehr regressive Persönlichkeiten. Und dann ist schon interessant, wie man mit denen umgehen muß ;-)

Nein, aber im Ernst, ich fand es einfach faszinierend, bis in welche Tiefen man mit Deinen Werkzeugen buddeln kann. Auf dem Niveau hatten wir bisher noch keinen Thread. Nicht, daß ich jetzt behaupten würde, alles verstanden zu haben…

Schöne Grüße

Frank

„There’s no problem too great for running away from it!“ (Charlie Braun)

[hackilein]

#48827

und ich finds klasse, daß es noch menschen gibt, die einen an ihrem erfahrungsschatz teilhaben lassen, ohne gleich 1000€/manntag zu verlangen! danke barbara :)

achja, mir gehts ähnlich wie frank :D

„das ist ein walversprechen. das muß man nicht halten!“ käpt’n blaubär, der weiseste bär des universums

[QM-Planer]

#48832

Habe mitgelesen! Auch wenn ich irgendwann nicht mehr folgen konnte, habe ich doch mit Spannung auf TBs Heureka gewartet.

Grüße

QM-Planer

[TB]

#48863

Hallo Barbara,

noch eine kleine allgemeine Frage vor dem Wochenende..
Was kann ich daraus ableiten:

– Wahrscheinlichkeitsnetz von Residuen: An den Enden leichte Abweichungen von der Linie, ansonsten ok.
– Histogramm sieht sehr gut aus.
– Aber: Residuen vs. Anpassungen haben eine Bananenform, nach unten gebogen, wobei die Streuung zunimmt je größer angepasster Wert ist.

Was kann ich da tun? Die RJ- und AD-Test fielen natürlich schlecht aus..

Gruß, ***

geändert von – TB on 12/12/2007 08:12:01

[Barbara]

#48867

Hallo ***,

wenn sich eine so deutliche Struktur im Modell zeigt, die noch nicht erklärt ist, dann fehlen im Modell wichtige Einflussgrößen und/oder der Einfluss ist nicht linear.

Die Residuen können dann zwar über den gesamten Wertebereich der Zielgröße ein glockenförmiges Aussehen haben (Wahrscheinlichkeitsnetz & Histogramm), aber das Modell ist schlecht, weil es die Zielgröße nicht gut erklärt (Struktur in der Grafik Residuen vs. angepasste Werte).

Viele Grüße

Barbara

_____________________________________

Ich fühle, dass Kleinigkeiten die Summe des Lebens ausmachen.
(Charles Dickens, Schriftsteller)

geändert von – Barbara on 01/10/2007 21:29:15

[TB]

#48870

Vielen Dank für die schnelle Antwort, Barbara!

Kann ich eigentlich in diesem Fall den Prozess auf Stabilität untersuchen? Oder besser gefragt: Was nützt mir dann die Stabilitätsanalyse? Die habe ich schon vor paar Wochen gemacht (IMR-Karten) und hab festgestellt, dass das ein instabiler Prozess war. Kann ich dann behaupten, dass die Vorhersagen bei diesem Prozess auch unsicher sind?! Was macht man dann (was kann man machen) mit einem instabilen Prozess? Wie kann man Stabilität erreichen?

Gruß, ***

geändert von – TB on 12/12/2007 08:12:40

[Barbara]

#48873

Hallo ***,

wenn der Prozess stabil ist und immer ein ähnlich strukturiertes Prozess-Ergebnis liefert, dann müssen (nach dem Zentralen Grenzwertsatz / ZGWS) die Mittelwerte von Stichprobengruppen normalverteilt sein.

Um auf Stabilität zu prüfen kannst Du Dir also sinnvolle Gruppen definieren (pro Tag, pro Schicht, pro Woche, o. Ä.), pro Gruppe den Mittelwert der Messwerte bestimmen und prüfen, ob diese Mittelwerte normalverteilt sind.

Wenn die Mittelwerte normalverteilt sind, ist das Prozess-Ergebnis stabil (auch wenn es selbst aussieht wie das Bergprofil der Schweizer Alpen und nicht wie eine Normalverteilung). Es gibt dann systematische Einflüsse auf den Prozess, die aber immer zu dem gleichen Ergebnis führen.

Eine I/MR-Karte hilft Dir bei der Stabilitätsprüfung nur dann, wenn die ursprünglichen Messwerte normalverteilt sind.

Eine Stabilitätsanalyse gibt Dir Hinweise darauf, ob Du mit den bisherigen Ergebnissen (halbwegs) zuverlässige Aussagen darüber machen kannst, wie das Prozess-Ergebnis in Zukunft aussehen wird. Z. B. kannst Du angeben, in welchem Bereich bisher die Ergebnisse lagen und bei Stabilität auch zukünftig liegen werden, wenn der Prozess unverändert weiterläuft.

Wenn Du keine Stabilität hast, dann kann heute, morgen oder übermorgen auch etwas ganz anderes aus dem Prozess herauskommen. Das Prozess-Ergebnis ist dann unvorhersehbar und auch nicht planbar. Wenns trotzdem passt, hast Du einfach Glück gehabt.

Viele Grüße

Barbara

_____________________________________

Ich fühle, dass Kleinigkeiten die Summe des Lebens ausmachen.
(Charles Dickens, Schriftsteller)

geändert von – Barbara on 01/10/2007 21:29:33

[TB]

#48879

Hallo Barbara,

alles klar, vielen Dank! Ich wusste nicht, dass eine IMR-Karte nur dann hilft, wenn Messdaten normalverteilt sind. Meine Messdaten sind natürlich nicht normalverteilt.. ;-)

Was sagt dann folgendes aus:

Die Mittelwerte meiner Stichprobengruppen der Zielgröße sind nicht normalverteilt, genau wie die Ausgangsdaten selbst.
Aber, wenn ich die transformierte Zielgröße betrachte, dann sind die Mittelwerte derselben Stichproben (Kalenderwoche z.B.) normalverteilt, genau wie transformierte Zielgröße selbst.

Kann man dann etwa sagen, dass der transformierte Prozess stabil ist und der ursprüngliche instabil?!?!?..

Gruß, ***

geändert von – TB on 12/12/2007 08:13:28

[TB]

#48880

P.S. Eine blöde Frage noch:

Du sagst “wenn der Prozess stabil ist und immer ein ähnlich strukturiertes Prozess-Ergebnis liefert, dann müssen (nach dem Zentralen Grenzwertsatz / ZGWS) die Mittelwerte von Stichprobengruppen normalverteilt sein“

Das gilt in beide Richtungen (also ‚genau dann wenn‘), oder?!

Hab bissl im Internet gesurft, auf der Suche nach dem ZGWS, und bin dann auf Deine Diplomarbeit gestoßen! :-))

Gruß, ***

geändert von – TB on 12/12/2007 08:13:51

[Barbara]

#48960

Hallo ***,

tut mir leid, dass Du diesmal etwas auf meine Antwort warten musstest.

Zu der Transformation:
Ich denke, dass in Deiner Situation die Transformation zwar rechnerisch normalverteilte Werte liefert, dass das aber eher ein Glücksfall ist und keinesfalls eine stabile Situation, auf die Du Dich für die nächsten Prozess-Durchläufe stützen kannst.

Denn die Transformations-Funktion hat sich aus Try-and-Error sprich Ausprobieren ergeben und nicht auf der Basis von Überlegungen, d. h. physikalischem, chemischem oder anderem Vorwissen.

Und wenn bei der transformierten Zielgröße im Modell die Bananenstrukture und die nicht-konstante Fehlervarianz übrig bleibt, dann ist das Modell sowieso viel zu wackelig, egal ob normalverteilt oder nicht.

Zum ZGWS:
Ob der ZGWS insgesamt umkehrbar ist (also eine „genau dann, wenn“-Beziehung hat), weiß ich im Moment noch nicht. Ich denke, das funktioniert nur mit weiteren Voraussetzungen, aber dafür hab ich auch erstmal jemanden gefragt, der sich mit Maßtheorie usw. besser auskennt.

Viele Grüße

Barbara

_____________________________________

Ich fühle, dass Kleinigkeiten die Summe des Lebens ausmachen.
(Charles Dickens, Schriftsteller)

geändert von – Barbara on 01/10/2007 21:29:52

[Autor]

Beiträge