Apa itu bagan MR (moving range) Bagan MR memetakan rentang bergerak dari waktu ke waktu untuk memantau variasi proses untuk pengamatan individual. Gunakan diagram MR untuk memantau variasi proses bila sulit atau tidak mungkin untuk mengukur kelompok menjadi subkelompok. Hal ini terjadi ketika pengukuran mahal, volume produksi rendah, atau produk memiliki waktu siklus yang panjang. Bila data dikumpulkan sebagai pengamatan individu, Anda tidak dapat menghitung standar deviasi untuk setiap subkelompok. Rentang bergerak adalah cara alternatif untuk menghitung variasi proses dengan menghitung rentang dua atau lebih pengamatan berturut-turut. Contoh bagan MR Sebagai contoh, seorang administrator rumah sakit ingin melacak apakah variabilitas dalam jumlah waktu untuk melakukan operasi hernia rawat jalan stabil. Poinnya bervariasi secara acak di sekitar garis tengah dan berada dalam batas kontrol. Tidak ada tren atau pola yang ada. Variabilitas dalam jumlah waktu untuk melakukan operasi hernia stabil. Variasi proses yang mudah terjadi dengan data individu Apa itu rentang bergerak Kisaran bergerak mengukur bagaimana variasi berubah dari waktu ke waktu ketika data dikumpulkan sebagai pengukuran individual dan bukan subkelompok. Ini sama dengan kisaran dua atau lebih pengamatan berturut-turut. Kapan saya harus menggunakan rentang bergerak Bila data dikumpulkan sebagai observasi individual, Anda tidak dapat menghitung standar deviasi untuk setiap subkelompok. Dalam kasus tersebut, rentang pergerakan rata-rata dan rentang pergerakan rata-rata di semua subkelompok adalah cara alternatif untuk memperkirakan variasi proses. Anda dapat membuat bagan kendali rentang bergerak untuk melacak variasi proses saat Anda melakukan pengamatan individual. Contoh perhitungan rentang bergerak Sebuah department store mencatat jumlah detik yang dibutuhkan operator untuk menanggapi panggilan pelanggan. Untuk enam panggilan berturut-turut, waktu responsnya adalah: 22, 35, 40, 20, 10, dan 15. Untuk menghitung rentang bergerak panjang 2, gunakan nilai absolut dari perbedaan antara dua titik data berturut-turut. Rentang nilai Anda mungkin ingin menggunakan rentang bergerak dengan panjang yang berbeda jika data bersifat siklis. Misalnya, jika Anda mengumpulkan data kuartalan, Anda mungkin menggunakan rentang panjang yang bergerak 4 untuk memastikan bahwa satu pengamatan dari setiap musim disertakan dalam penghitungan. Untuk melakukan ini, kurangi nilai minimum dari nilai maksimum empat pengamatan berturut-turut. Jika Anda ingin menghitung rentang bergerak panjang 4 untuk contoh di atas, nilai rentang pergerakan pertama adalah 40 - 20 20. Apa itu MSSD Mean dari perbedaan berturut-turut kuadrat (MSSD) digunakan sebagai perkiraan varians. Hal ini dihitung dengan mengambil jumlah dari perbedaan antara pengamatan berturut-turut kuadrat, kemudian mengambil rata-rata jumlah itu dan membagi dengan dua. Dua aplikasi umum adalah: Statistik Dasar - Aplikasi umum untuk MSSD adalah tes untuk menentukan apakah urutan pengamatan acak. Dalam tes ini, varians populasi diperkirakan dibandingkan dengan MSSD. Diagram Kontrol - MSSD juga dapat digunakan untuk memperkirakan varians untuk diagram kontrol bila ukuran subkelompok adalah 1. Kapan menggunakan MSSD untuk memperkirakan deviasi standar Untuk kasus ketika Anda tidak dapat mengasumsikan bahwa dua titik berturut-turut membentuk subkelompok yang rasional dan menggunakan metode rentang bergerak , Metode MSSD memberikan alternatif. Untuk digunakan sebagai perkiraan standar deviasi, ambil akar kuadrat MSSD. Contoh perhitungan MSSD Misalnya, misalkan Anda mengumpulkan data pada mesin yang mengisi vial vaksin. Anda ingin memastikan bahwa mesin membagi-bagikan secara acak, tanpa variasi variasi khusus. Volume isi dari 12 botol adalah: Di bawah ini Anda dapat melihat metode C saya untuk menghitung Bollinger Bands untuk setiap titik (moving average, up band, down band). Seperti yang Anda lihat, metode ini menggunakan 2 untuk loop untuk menghitung deviasi standar bergerak dengan menggunakan rata-rata bergerak. Dulu mengandung loop tambahan untuk menghitung rata-rata bergerak selama periode n terakhir. Yang ini bisa saya hapus dengan menambahkan nilai titik baru ke totalaverage pada awal loop dan menghapus nilai titik i - n pada akhir loop. Pertanyaan saya sekarang adalah pada dasarnya: Dapatkah saya menghapus loop batin yang tersisa dengan cara yang sama seperti yang saya lakukan dengan rata-rata bergerak bertanya pada 31 Januari 13 di 21:45 Jawabannya adalah ya, Anda bisa. Pada pertengahan tahun 80an, saya mengembangkan algoritma semacam itu (mungkin tidak asli) di FORTRAN untuk aplikasi pemantauan dan kontrol proses. Sayangnya, itu lebih dari 25 tahun yang lalu dan saya tidak ingat rumus yang tepat, namun teknik ini merupakan perpanjangan dari satu untuk moving averages, dengan perhitungan orde kedua, bukan hanya linier. Setelah melihat kode Anda beberapa, saya berpikir bahwa saya dapat menjelaskan bagaimana saya melakukannya saat itu. Perhatikan bagaimana lingkaran batin Anda menghasilkan Sum of Squares: dengan cara yang sama seperti rata-rata Anda pada awalnya memiliki Nilai Nilai Satu-satunya dua perbedaan adalah urutannya (kekuatannya 2 bukan 1) dan bahwa Anda mengurangi rata-rata Setiap nilai sebelum Anda persegi itu. Nah, itu mungkin terlihat tidak terpisahkan, tapi sebenarnya bisa dipisahkan: Sekarang istilah pertama hanyalah Sum of Squares, Anda menangani hal itu dengan cara yang sama seperti Anda menghitung jumlah Nilai rata-rata. Istilah terakhir (k2n) hanya rata-rata kuadrat periode. Karena Anda membagi hasil pada periode itu pula, Anda bisa menambahkan kuadrat rata-rata baru tanpa tambahan lingkaran. Akhirnya, dalam istilah kedua (SUM (-2vi) k), karena SUM (vi) total kn maka Anda bisa mengubahnya menjadi ini: atau hanya -2k2n. Yaitu -2 kali rata-rata kuadrat, sekali periode (n) terbagi lagi. Jadi rumus gabungan terakhirnya adalah: (pastikan untuk memeriksa keabsahan ini, karena saya menurunkannya dari atas kepalaku) Dan memasukkan ke dalam kode Anda seharusnya terlihat seperti ini: Terima kasih untuk ini. Saya menggunakannya sebagai dasar implementasi di C untuk CLR. Saya menemukan bahwa, dalam praktiknya, Anda dapat memperbarui seperti newVar yang merupakan angka negatif yang sangat kecil, dan sqrt gagal. Saya memperkenalkan sebuah jika untuk membatasi nilai nol untuk kasus ini. Tidak tahu, tapi stabil. Hal ini terjadi ketika setiap nilai di jendela saya memiliki nilai yang sama (saya menggunakan ukuran jendela 20 dan nilainya adalah 0,5, jika seseorang ingin mencoba dan memperbanyaknya.) Ndash Drew Noakes 26 Jul 13 at 15:25 Ive Menggunakan commons-math (dan berkontribusi pada perpustakaan itu) untuk sesuatu yang sangat mirip dengan ini. Sumbernya yang terbuka, porting ke C harus mudah seperti kue yang dibeli di toko (sudahkah Anda mencoba membuat kue dari awal). Check it out: commons. apache. orgmathapi-3.1.1index. html. Mereka memiliki kelas StandardDeviation. Pergi ke kota menjawab 31 Jan 13 at 21:48 Anda selamat datang maaf saya tidak memiliki jawaban yang Anda cari. Saya jelas tidak bermaksud menyarankan untuk memasarkan seluruh perpustakaan Hanya kode minimum yang diperlukan, yang seharusnya beberapa ratus baris atau lebih. Perhatikan bahwa saya tidak tahu apa batasan hak cipta hukum yang dimiliki apache pada kode itu, jadi Anda harus memeriksanya. Jika Anda mengejarnya, inilah linknya. Jadi Variance FastMath ndash Jason Jan 31 13 at 22:36 Informasi yang paling penting sudah diberikan di atas --- tapi mungkin ini masih diminati. Sebuah perpustakaan Java kecil untuk menghitung moving average dan standar deviasi tersedia di sini: githubtools4jmeanvar Implementasinya didasarkan pada varian metode Welfords yang disebutkan di atas. Metode untuk menghilangkan dan mengganti nilai telah diturunkan yang bisa digunakan untuk moving value windows.
No comments:
Post a Comment