@Sz.E.3: Nagyon szépen köszönöm az elismerő szavakat. Bocs, hogy csak most reagálok a kommentedre, sajnos mostanában elég kevés időm volt a blogra. Köszönöm a megértésed.

Bejegyzés: Valaki átírta a korrelációs együttható képletét, hogy ne lehessen érteni? Ez most komoly…?

Szuper jó olvasni az írásaidat! 15 éve használom úgy a korrelációs koefficienst, hogy a képlet értelmezése nem volt világos....

Bejegyzés: Valaki átírta a korrelációs együttható képletét, hogy ne lehessen érteni? Ez most komoly…?

@gigabursch: Egyetértek! Hogy őszinte legyek, eléggé megizzasztott, mire tényleg megértettem, hogy hogyan szedegette össze a főkomponensek és az interakciók hatását Yates professzor. Szerintem nagyon ötletes az egész. A folytatásban pedig majd jön az egyszerűsített módszer ugyanezek összegyűjtésére, mit még mindig el lehet rontani, ha kézzel számolja az ember, de mondjuk egy képletezett excel táblázattal már egészen jól automatizálható a dolog. Az viszont még nagyobb kihívás volt, mire megértettem, hogy ez az egyszerűsített módszer hogyan működik! :-)

Bejegyzés: Burgonya dilemma– A Yates-féle kísérlettervezés 1. rész

Ez izgalmas!
Ezek a többváltozós - interakciós témák nagyon sok odafigyelést igényelnek.

Bejegyzés: Burgonya dilemma– A Yates-féle kísérlettervezés 1. rész

Kedves Máté, Köszönöm a pozitív visszajelzést. A könyv nagyon hasznos új megközelítéseket tartalmaz a műszaki jellegű problémák megoldásával kapcsolatban, számomra igazi hiánypótló mű. Már régen szerettem volna túllépni a 8D-riport, 7-eszköz, kaizen, six sigma körön. Ez a könyv erre jó lehetőséget teremt. Szemléletesek a példák, azok nagyon jók. Viszont ez a módszertan nem ad olyan mechanikusan végrehajtható módszertant, mint a fentebb említett 8D-riport. Ehelyett szemléletet próbál adni arra vonatkozóan, hogy milyen módon közelíthetjük meg a műszaki problémákat. Hasonlít a Shainin RedX -hez, de itt több a fizika. A statisztikai eszközök viszont hasonlóan egyszerűek, ebből a szempontból egyszerűbb, mint a Six Sigma.

A podcast linket nagyon köszönöm, mindenképpen bele fogok hallgatni!

Bejegyzés: Pusztába kiáltott szó – Minőségbiztosítással kapcsolatos podcastok a világban

Kedves Gábor! Megnéztem az első videót, a Szabó Gábor #4-et, nagyon érdekesnek találtam. Kíváncsi vagyok, hogy az Ön tapasztalatával a könyv mennyi újat tudott mondani (ha jól láttam az Amazonon, akkor ilyen névvel van róla vélemény).
Másrészt már rég szerettem volna írni, hogy jó hogy van ez a blog. Nem tudom, hogy mennyi visszajelzés szokott róla érkezni, de én köszönöm ezeket a tartalmakat!
És még egy dolog: podcastoknál adatos témában (a minőségbiztosításhoz nem, de a statisztikához kapcsolódik) szerintem nagyon érdekes ez: lancreakcio.clementine.hu/

Bejegyzés: Pusztába kiáltott szó – Minőségbiztosítással kapcsolatos podcastok a világban

@Attila Zsolt Sajo: Jó a kérdés. Én sem vagyok szakértő, de a hulladék kezelésével kapcsolatban létezik valamilyen állami szabályozás és adó. De azt nem hiszem, hogy ez függne a termék élettartamától. Azonban itt is érdekes kérdések merülhetnek fel. Például van egy majdnem vadi új autó, amit a gazdája rommá tör. Akkor a termelő fizesse meg a hulladék kezelési költségeit vagy a felhasználó? Vagy adott egy oldtimer, amelyért azért nem kellene a termelőnek fizetnie, mert a felhasználója óvja és védi. Ez jogos? Vagy a várható élettartam után fizetne a termelő? Jó gyakorlatnak tartom azt, ha kimutatható az adott termék átlagos karbantartási és javítási költsége és ez közzé van téve. Ha jól emlékszem a német autós szövetségnek van egy ilyen listája, amelyet évről-évre megújít, hogy melyek a legmegbízhatóbb márkák és ennek emiatt komoly marketing értéke van.

Bejegyzés: A 80-as évek óta csak felejtünk... - Taguchi veszteségfüggvénye

Nekem az 1) ponttal kapcsolatban merült fel az állam szerepe. Nem dolgozom gyártásban, tehát nem tudom, de nem állami szinten kellene a társadalmi költségeket figyelembe venni? Például hulladékkezelési költségek. Értelemszerűen egy gyorsabban tönkremenő termek nagyobb összegű hulladékkezelési igényel mint egy tartósabb. Amennyiben lehetne állami szinten mérni a termékek élet tartalmát és társadalmi költségeit, a költségeket vissza lehetne terhelni a termelőkre. Nem tudom van-e ilyesmi, vagy egyáltalán lehetséges-e.

Bejegyzés: A 80-as évek óta csak felejtünk... - Taguchi veszteségfüggvénye

Tedd egymás mellé a két cikket és próbáld meg a 12 lépést párhuzamosan követni (elmélet + gyakorlat). Az a baj, hogy a folyamatábra szerintem itt nem segít, vagy csak egy kicsit, mert a számolásokat kell nagyon átnyálazni. Kérlek, olvasd el nagyon részletesen 2-szer 3-szor és lassan összeáll majd a fejedben. Nekem is vagy egy tucatszor el kellett olvasnom, mire teljesen megvolt és végre megértettem a módszer zsenialiását.

Bejegyzés: Az elakadt számláló – Műszaki probléma megoldása Shainin component search segítségével

Egy jó folyamatábra tényleg jól jött volna.

Bejegyzés: Az elakadt számláló – Műszaki probléma megoldása Shainin component search segítségével

Az ötlet nem rossz. Régebben láttam egy videót, amiben a kísérlettervezés alkalmazását mutatták be úgy, hogy gemkapcsokat hajlítgattak különböző helyeken és mértékben. Egy ilyen kísérlettervezési projekt segítségével meg lehet határozni az igénybevételeknek azt a mértékét, vagy az alapanyag erősségét és persze a gemkapocs esetleges más tulajdonságait is, amely körülbelül a kívánt élettartamot hozza.

A te példádban még van is értelme, mert miért legyen sokkal hosszabb a pánt élettartama, mint a bútorlapé. És azt se felejtsük el, hogy a minőségügyesnek az is feladata, hogy felügyelje, nehogy a termék élettartama véletlenül hosszabb legyen, mint amennyi tervezve van... :-)

Bejegyzés: A 80-as évek óta csak felejtünk... - Taguchi veszteségfüggvénye

Érdekes és tanulságos cikk lett.

Már csak az a kérdés, hogy a tervezett avultatást hogyan lövik be a statisztika segítségével.
Ha erre is van példád - érdekelne.

( Zárójel: nálunk oktatták mechanikából a méretezés alapjainál: akkor menjen tönkre a pánt, amikorra a bútorlap anyaga elfáradt a ki-be csukódásoktól és a felület is vállalhatatlan lesz a tisztítószerektől.

Bejegyzés: A 80-as évek óta csak felejtünk... - Taguchi veszteségfüggvénye

@gigabursch: Biztos vannak ott nálam okosabbak is! :-)

Ennek ellenére szerintem a sportstatisztika egy igencsak ígéretes szakterület. Biztos vagyok benne, hogy van értelme foglalkozni vele, főleg a viselhető adatrögzítő eszközök alkalmazását tartom baromi jónak.

Bejegyzés: Árnyjáték – A Főkomponens elemzés (Principal Component Analysis)

Őszintén remélem, hogy még fog találni a MOB, a MASZ ês a MÖSZ, a jobb 2024-es párizsi eredményekért.

Bejegyzés: Árnyjáték – A Főkomponens elemzés (Principal Component Analysis)

@kikeriborsó: Még véletlenül sem vettem kötözködésnek a kommentjeid, szerintem kultúráltan és szakami szempontból fejtetted ki a véleményed és ezzel az égvilágon semmi baj sincs. Engem érdekel a statisztika és bizonyos területein otthonosabban mozgok, mert ezeket időnként alkalmazom a munkám során. Más területeken - ilyen a bootstrap is - nem vagyok annyira járatos, mert eddig nem nagyon fordult elő, hogy alkalmaznom kellett. De próbálom szélesíteni az eszköztáram. :-)

A megjegyzéseid pedig kiváló kiegészítései annak, amit leírtam. úgyhogy köszönöm, hogy rászántad az időt és megírtad őket.

Bejegyzés: Minta minta hátán... - Mennyire működik a bootstrapping?

Valóban nem kötözködni jöttem, csak hogy meg legyen a korrekt értelmezés is az Interneten.

Tehát tessék használni bootstrapot a teljesen átlagos tesztekre is. Ha a teszt standard normál aszimptotikusan, akkor a bootstrap müködik, és jobb mint a "táblázatból keresés". Ma ez már egy gimnáziumi osztályban is opció lenne, nyilván amikor az egész statisztika "kánon" alakult, akkor még nem volt opció, hogy bootstrap szimuláljunk.

A másik titok az az, hogy ez az egész elméleti eszmefuttatás nem függ a bootstrap replikációk számától, csak a mintaelemszámtól.

Egy kb. 500-as (de legyen 1000) bootstrap replikáció szám már alapvetöen jó, nem kell 100 000.

Bejegyzés: Minta minta hátán... - Mennyire működik a bootstrapping?

@kikeriborsó: Ok, megadom magam. Ilyen mélységben valóban nem merültem el a téma irodalmában. Köszönöm a hasznos kiegészítést. :-)

Bejegyzés: Minta minta hátán... - Mennyire működik a bootstrapping?

Igen, Vita is azt mondja az idézeted alapján, hogy attól függöen érdemes megválasztani a nullhipotézist, hogy melyik esetben akarjuk kontrollálni az elsö fajú hibát. [Illetve melyik hiba "fontosabb" számunkra, akár pénzben kifejezhetö értékben.]

Ezt azzal egészíteném ki, hogy: ennek oka, hogy a populációs paramétert nem ismerjük. Egy alfa-szintü teszt (tehát amely az elsö fajú hiba elkövetését az általunk választott alfa szinten kontrollálja), a null hipotézis elvetése esetén a populációs paramétertöl függetlenül alfa valószínüséggel követi el az elsö fajú hibát [konstrukciójából kifolyólag]. Ha nem vetjük el a null hipotézist, de a populációs paraméter az alternatív hipotézis tartományába esik, akkor a másodfajú hiba elkövetésének valószínüsége viszont a populációs paraméter konkrét értékétöl függ. De ezt nem tudjuk kontrollálni, csak olyan tesztet tudunk választani, ami minden alternatívára a legerösebb (legkisebb másodfaju hiba valószínüség), de nem tudjuk, konkrétan mennyi az "erös".

Egy próba konzisztens, ha a próba ereje 1-hez tart nagy mintaelemszám esetén. Adott (de minden adott) alternatív paraméter mellett. Szerintem az egyszerübb tesztek mind konzisztensek.

Tesztelméleti gyorstalpaló.

Bejegyzés: Mi is az a hipotézis vizsgálat?

@glantos70:

A közhiedelemmel ellentétben a bootstrapról senki sem mondta matematikailag, hogy kis mintaelemszámok esetén használható. A bootstrap "müködése" azt jelenti, hogy egy statisztika bootstrap eloszlása nagy minta elemszám esetén (!!) konvergál a statisztika aszimptotikus (!!) eloszlásához.

A félreértés két okra vezethetö vissza: 1. bootstrappolni mindig lehet, mert az algortimus maga intuitív és egyszerü, 2. megmutatható, hogy sok közönséges statisztikai próba bootstrap eloszlása gyorsabban konvergál a statisztikai próba aszimptotikus eloszlásához, mint a központi határeloszlás tételen alapuló approximáció. De ez ilyen ordó (O) jelöléses "gyorsaság", tehát ugyanúgy nagy mintaelemszámról van szó.

Tehát a kérdésedre válaszolva: ha meg tudjuk mutatni a statisztika nagy mintaelemszám melletti eloszlását (pl. standard normál), és ez a statisztika nem túl "fura", akkor a bootstrap müködik, a fent leírt értelemben.

Minden más, föleg nem aszimptotikusan, csak remény.

Bejegyzés: Minta minta hátán... - Mennyire működik a bootstrapping?

@kikeriborsó: Abban egyetértek, hogy a hipotézisek szövegezése jórészt filozófiai / hitbeli kérdés. Azt is látom, hogy vannak olyan szakértők, akik szimplán elfogadják a nullhipotézist és vannak olyanok, akik úgy fogalmaznak, hogy nincs elegendő bizonyíték a nullhipotézis elutasítására.

Nem tudom, hogy mi az az erőfüggvény (nyilván emiatt szégyellem magam), ezért beírtam a gugliba és találtam is egy egészen érdekes cikket ugyanebben a témában.

Vita László: A statisztikai próbák gondolatvilága
www.ksh.hu/statszemle_archive/2011/2011_10-11/2011_10-11_1130.pdf

Érdekes, hogy ő is feszegeti a nullhipotézis és az ellenhipotézis felcserélésének problematikáját:

"... Könnyű észrevenni, hogy az első- és másodfajú hiba tartalmilag megegyezik a bírósági ítélkezésben elkövethető kétféle hibával. Ha ugyanis a vádlott ártatlanságát nullhipotézisnek tekintjük, akkor a bírósági ítélkezés elsőfajú hibája az ártatlan vádlott elítélése, míg a másodfajú hiba a bűnös vádlott felmentése. Érdemes felfigyelni arra, hogy ha a vádlott bűnösségét tekintjük H0 -nak, akkor az első- és másodfajú hiba is szerepet cserél. ..."

A nullhipotézis elfogadásáról alkotott véleménye hasonló az enyémhez, noha az ő érvelése egyértelműen más alapokon nyugszik.

"... Az első- és másodfajú hibával kapcsolatos fejtegetéseket azzal zárjuk, hogy H0 elvetése erős − „kemény” −, H0 megtartása (el nem vetése) azonban meglehetősen gyenge − „puha” − döntés. Ez azért van így, mert H0 elvetésekor minden további nélkül megadható és szükségképpen kontroll alá is vehető a hibás döntés esélye. Viszont H0 megtartása (el nem vetése) esetén ez nem tehető meg, mert a másodfajú hiba elkövetésének valószínűsége általában se nem ismert, se nem befolyásolható
közvetlenül. ..."

Még van benne sok egyéb érdekesség is, nagyon érdekes olvasmány...

Bejegyzés: Mi is az a hipotézis vizsgálat?