Gjennomsnittlig Bevegelig Range Standard Avvik

Hva er et MR-kart (flytende område) Et MR-kart plotter det bevegelige området over tid for å overvåke prosessvariasjon for individuelle observasjoner. Bruk MR-diagrammet til å overvåke prosessvariasjoner når det er vanskelig eller umulig å gruppere målinger i undergrupper. Dette skjer når målingene er dyre, produksjonsvolumet er lavt, eller produktene har en lang syklus tid. Når data samles inn som individuelle observasjoner, kan du ikke beregne standardavviket for hver undergruppe. Det bevegelige området er en alternativ måte å beregne prosessvariasjon ved å beregne intervaller på to eller flere påfølgende observasjoner. Eksempel på et MR-diagram For eksempel ønsker en sykehusadministrator å spore om variabiliteten i løpet av tiden for å utføre ambulant kirurgi er stabil. Poengene varierer tilfeldig rundt midtlinjen og ligger innenfor kontrollgrensene. Ingen trender eller mønstre er til stede. Variasjonen i tiden for å utføre brokkkirurgi er stabil. Tidlig prosessvariasjon med individdata. Hva er et bevegelighetsområde Bevegelsesområdet måler hvordan variasjon endres over tid når data samles inn som individuelle målinger i stedet for undergrupper. Det er lik rekkevidden av to eller flere påfølgende observasjoner. Når skal jeg bruke et bevegelige område Når data samles inn som individuelle observasjoner, kan du ikke beregne standardavviket for hver undergruppe. I slike tilfeller er det gjennomsnittlige bevegelige området og medianflytningsområdet over alle undergrupper alternative måter å estimere prosessvariasjon på. Du kan opprette et kontrollskjema med bevegelige områder for å spore prosessvariasjon når du har individuelle observasjoner. Eksempel på beregning av bevegelsesområdet Et varehus registrerer antall sekunder det tar for operatørene å svare på kundeanrop. For seks påfølgende samtaler er responstidene: 22, 35, 40, 20, 10 og 15. For å beregne et bevegelsesområde av lengde 2, bruk absoluttverdien av differansen mellom to påfølgende datapunkter. Verdifall Du vil kanskje bruke bevegelige områder av forskjellige lengder hvis dataene er sykliske. Hvis du for eksempel samler kvartalsdata, kan du bruke et flytende område med lengde 4 for å sikre at en observasjon fra hver sesong er inkludert i beregningen. For å gjøre dette trekker du minstverdien fra maksimumverdien av fire påfølgende observasjoner. Hvis du vil beregne et flytende område med lengde 4 for eksempelet ovenfor, er den første bevegelige rekkevidden 40-20 20. Hva er MSSD Middelet av de kvadratiske suksessive forskjellene (MSSD) brukes som et estimat av varians. Det beregnes ved å ta summen av forskjellene mellom påfølgende observasjoner kvadrert, og deretter ta gjennomsnittet av summen og dividere med to. To vanlige applikasjoner er: Grunnleggende statistikk - En vanlig søknad for MSSD er en test for å avgjøre om en rekke observasjoner er tilfeldig. I denne testen er den estimerte populasjonsvarianen sammenlignet med MSSD. Kontrollskjemaer - MSSD kan også brukes til å estimere variansen for kontrolldiagrammer når undergruppestørrelsen er 1. Når du skal bruke MSSD til å estimere standardavvik For tilfeller når du ikke kan anta at to påfølgende punkter danner en rasjonell undergruppe og bruk metoder for bevegelige rekkevidde , gir MSSD-metoden et alternativ. For å bruke som et estimat av standardavvik, ta kvadratroten til MSSD. Eksempel på beregning av MSSD For eksempel, anta at du samler data på en maskin som fyller hetteglass med vaksine. Du vil sørge for at maskinen disponeres tilfeldig, det er uten noen spesiell årsak til variasjon. Fyllvolumene på 12 hetteglass er: Nedenfor kan du se min C-metode for å beregne Bollinger Bands for hvert punkt (glidende gjennomsnitt, oppbånd, nedbånd). Som du kan se, bruker denne metoden 2 for sløyfer for å beregne den bevegelige standardavviket ved hjelp av glidende gjennomsnitt. Det pleide å inneholde en ekstra sløyfe for å beregne det bevegelige gjennomsnittet i løpet av de siste n periodene. Denne jeg kunne fjerne ved å legge til den nye poengverdien til totalverdien ved begynnelsen av løkken og fjerne i-n-punktverdien på slutten av løkken. Spørsmålet mitt nå er i utgangspunktet: Kan jeg fjerne gjenværende indre sløyfe på samme måte som jeg klarte med det bevegelige gjennomsnittet spurte Jan 31 13 kl 21:45 Svaret er ja, det kan du. På midten av 80-tallet utviklet jeg bare en slik algoritme (sannsynligvis ikke original) i FORTRAN for en prosessovervåking og kontrollapplikasjon. Dessverre var det over 25 år siden, og jeg husker ikke de eksakte formlene, men teknikken var en forlengelse av den for flytte gjennomsnitt, med andre ordreberegninger i stedet for bare lineære. Etter å ha sett på koden din, tror jeg at jeg kan se hvordan jeg gjorde det igjen da. Legg merke til hvordan din indre sløyfe gjør en sum av kvadrater: på samme måte som gjennomsnittet ditt må ha opprinnelig hatt en sum av verdier. De eneste to forskjellene er ordren (dens kraft 2 i stedet for 1) og at du trekker gjennomsnittet hver verdi før du kvitterer den. Nå som kan se uatskillelig, men faktisk kan de skilles: Nå er første termen bare en Sum of Squares, du håndterer det på samme måte som du gjør summen av Verdier for gjennomsnittet. Siste termen (k2n) er bare den gjennomsnittlige kvadrertiden perioden. Siden du deler opp resultatet i løpet av perioden, kan du bare legge til den nye gjennomsnittskvadrat uten ekstra sløyfe. Til slutt, i andre termen (SUM (-2vi) k), siden SUM (vi) totalt kn kan du da endre det til dette: eller bare -2k2n. som er -2 ganger gjennomsnittet kvadratet, når perioden (n) er delt ut igjen. Så den endelige kombinasjonsformelen er: (Pass på å sjekke gyldigheten av dette, siden jeg henter det fra toppen av hodet mitt). Og å inkludere i koden din, bør se slik ut: Takk for dette. Jeg brukte det som grunnlag for en implementering i C for CLR. Jeg oppdaget at i praksis kan du oppdatere slik at newVar er et veldig lite negativt tall, og sqrt mislykkes. Jeg introduserte en hvis å begrense verdien til null for denne saken. Ikke ide, men stabil. Dette skjedde da alle verdier i mitt vindu hadde samme verdi (jeg brukte en vindusstørrelse på 20 og verdien i spørsmålet var 0,5, hvis noen vil prøve og reprodusere dette.) Ndash Drew Noakes Jul 26 13 kl 15:25 Ive brukt commons-math (og bidro til det biblioteket) for noe som ligner på dette. Den åpne kilden, porten til C, burde være lett som butikkkjøp (har du prøvd å lage en kake fra grunnen av). Sjekk det ut: commons. apache. orgmathapi-3.1.1index. html. De har en StandardDeviation-klasse. Gå til byen svarte Jan 31 13 kl 21:48 Du er veldig velkommen Beklager, jeg hadde ikke svaret du leter etter. Jeg mener absolutt ikke å foreslå å portere hele biblioteket. Bare den minste nødvendige koden, som skal være noen få hundre linjer eller så. Legg merke til at jeg ikke har noen anelse om hvilke juridiske rettighetsbegrensninger apache har på den koden, så du må sjekke det ut. I tilfelle du forfølger det, her er lenken. Så Variansen FastMath ndash Jason Jan 31 13 kl 22:36 Viktigste opplysninger er allerede gitt ovenfor --- men kanskje dette er fortsatt av generell interesse. Et lite Java-bibliotek for å beregne glidende gjennomsnitt og standardavvik er tilgjengelig her: githubtools4jmeanvar Implementeringen er basert på en variant av Welfords-metoden som er nevnt ovenfor. Metoder for å fjerne og erstatte verdier er avledet som kan brukes til å flytte verdifallvinduer.