Az alkalmazás parancsai, a munkalapazonosítók és a példaadatok értékei eredeti formájukban maradnak. A képernyőképek, diagramok és letölthető fájlok angol nyelvűek. A tudományos példák számai az eredeti angol jelölést használják: tizedesponttal és ezreselválasztó vesszővel. A weboldal egyéb számai magyar területi formázást követnek.
Példa: óránkénti hűtővíz-hőmérséklet
168 megfigyelés: óránként egy hőmérséklet-leolvasás hét egymást követő napon.
Példaadatok letöltése (CSV)Ugyanez a példa szerepel a Help lapon. A lépések követéséhez importálja a CSV-fájlt, vagy a bemenetek előzetes kitöltéséhez használja a Help Open example in a practice copy lehetőségét.
1. Munkakörnyezet létrehozása
Az oldalsávon nyissa meg a Basic Statistics elemet, és válassza az Autocorrelation lehetőséget. Hozzon létre egy elemzést, nevezze el, válassza a New blank worksheet, majd a Create analysis lehetőséget.
2. Példaadatok importálása
Töltse le a fenti CSV-fájlt, és importálja a munkalapra. Elválasztóként válassza a Comma, tizedeselválasztóként a Dot beállítást, és jelölje be a First row contains column names lehetőséget.
3. A rendezett adatsor hozzárendelése
Az Inputs lapon rendelje a supply_temperature_c oszlopot a Time series mezőhöz. Tartsa meg a 168 óránkénti leolvasás rögzített sorrendjét. Ne távolítsa el a belső hiányokat, és ne feltételezze, hogy a munkalap rendezése megváltoztatja az elemzés sorrendjét.
4. A diagnosztika beállítása
A Significance level (α) mezőbe írjon 0.05 értéket. A Lag selection mezőben válassza a Default lehetőséget; 168 megfigyelésnél az állapotnak 42 lags értéket kell mutatnia. Nyissa meg a Residual modeling panelt, és hagyja jelöletlenül a Fit a model and analyze residuals lehetőséget.
5. Elemzés futtatása
Válassza a Run analysis lehetőséget, majd nyissa meg a Results lapot.
6. Az eredmények értelmezése
A késleltetési tengely értelmezése
A 168 leolvasást óránként gyűjtötték hét napon át. Az 1. késleltetés szomszédos órákat, a 24. késleltetés egy nap különbséggel gyűjtött értékeket hasonlít össze. A korreláció lineáris kapcsolatot mér, nem hőmérséklet-különbséget.
A fennmaradó és visszatérő kapcsolat keresése
Az ACF az 1. késleltetésnél körülbelül 0.91, a 24. késleltetésnél körülbelül 0.74. Mindkettő túllépi a megjelenített szignifikanciahatárt. A hőmérsékletek a szomszédos órákban kapcsolatban maradnak, és egy nap elteltével visszatérő kapcsolat látszik. Tekintse át a napi üzemeltetési feljegyzéseket; az ábra nem azonosít fizikai okot.
Az adatsor ACF-je Teljes méretű diagram megtekintése (új lapon nyílik meg) A parciális korrelációk értelmezése
A 2. késleltetésnél az ACF körülbelül +0.77, míg az 1. késleltetés figyelembevétele után a PACF körülbelül −0.34. A nyers kétórás kapcsolat és a korrekció utáni többletkapcsolat előjele eltérhet. A PACF-et a pontonkénti határaival vesse össze; ez a futtatás nem illeszt idősormodellt.
Az adatsor PACF-je Teljes méretű diagram megtekintése (új lapon nyílik meg) Az együttes próba értelmezése
A 42. késleltetésig a Ljung–Box Q értéke 2,246.90. Rendkívül kis p-értéke a numerikus pontosság miatt 0-ként jelenik meg, nem azért, mert a valószínűség pontosan nulla. Erős bizonyíték van az idősorbeli függőségre.
A függőség figyelembevétele a további munkában
Őrizze meg az órás sorrendet, és a következő elemzésben vegye figyelembe a függőséget. Ha mind a 168 leolvasást függetlennek tekinti, túlbecsülheti a rendelkezésre álló bizonyítékot. Ezek a diagnosztikák nem igazolják a folyamat szabályozottságát vagy képességét.
További részletek: olvassa el az egyes eredményszakaszokat
A teljes eredménytáblázatok a Helphez hasonlóan hat értékes számjegyet használnak.
Az adatsor autokorrelációs diagnosztikája
A Ténylegesen felhasznált megfigyelések száma 168, az Utolsó megjelenített / vizsgált késleltetés 42. Az α értéke 0.05, a Késleltetések kiválasztása Alapértelmezett. A Számítási verzió a diagnosztikai konvenciókat azonosítja. A Ljung–Box Q és p-értéke az utolsó késleltetésig összegzi a bizonyítékot; a megjelenített nullát numerikus közlési korlátként értelmezze.
| Statisztika | Érték |
|---|---|
| Számítási verzió | 2 |
| Adatsor | Rendezett mérések |
| Ténylegesen felhasznált megfigyelések | 168 |
| α | 0.05 |
| Késleltetések kiválasztása | Alapértelmezett (mintanagyság alapján) |
| Kért késleltetések | Alapértelmezett |
| Utolsó megjelenített / vizsgált késleltetés | 42 |
| Ljung–Box Q | 2246.9 |
| Ljung–Box-szabadságfok | 42 |
| Ljung–Box-p-érték | 0 |
| Értelmezés | Az adatsorban a 42. késleltetésig autokorrelációra utaló bizonyíték van (α = 0.05). |
Az adatsor korrelációi és a kumulált Ljung–Box
A Késleltetés az órában mért távolság. Az ACF az adott korábbi értékkel vett korreláció; a PACF figyelembe veszi a köztes késleltetéseket. Az ACF T az ACF osztva a standardhibájával, és egy késleltetést vizsgál. Az LBQ, az LBQ szabadságfoka és p-értéke az adott késleltetésig kumulált Ljung–Box-próbát adja. Mind a 42 sor látható; a későbbi késleltetéseknél kevesebb megfigyeléspár használható fel.
Az ACF T egyetlen késleltetést vizsgál. Az LBQ és p-értéke az 1. késleltetéstől az adott sor késleltetéséig együttesen értékeli a késleltetéseket.
| Késleltetés | ACF | PACF | ACF T | LBQ | LBQ szabadságfoka | LBQ p-értéke |
|---|---|---|---|---|---|---|
| 1 | 0.909726 | 0.909726 | 11.7914 | 141.535 | 1 | 1.22919e-32 |
| 2 | 0.769726 | -0.335709 | 6.12268 | 243.469 | 2 | 1.35295e-53 |
| 3 | 0.590476 | -0.257812 | 3.90555 | 303.82 | 3 | 1.48278e-65 |
| 4 | 0.392682 | -0.153431 | 2.3894 | 330.673 | 4 | 2.60783e-70 |
| 5 | 0.191901 | -0.112736 | 1.12992 | 337.125 | 5 | 1.03399e-70 |
| 6 | -0.0126268 | -0.192623 | -0.0737881 | 337.153 | 6 | 8.82606e-70 |
| 7 | -0.218903 | -0.237349 | -1.27918 | 345.654 | 7 | 1.04946e-70 |
| 8 | -0.404073 | -0.1235 | -2.33857 | 374.798 | 8 | 4.57796e-76 |
| 9 | -0.564829 | -0.172807 | -3.16745 | 432.104 | 9 | 1.91524e-87 |
| 10 | -0.692961 | -0.192586 | -3.67284 | 518.904 | 10 | 4.02031e-105 |
| 11 | -0.774349 | -0.13218 | -3.8097 | 627.98 | 11 | 1.44312e-127 |
| 12 | -0.797445 | -0.048621 | -3.62281 | 744.402 | 12 | 1.36661e-151 |
| 13 | -0.767302 | -0.0875804 | -3.24179 | 852.885 | 13 | 6.44296e-174 |
| 14 | -0.680068 | -0.0193745 | -2.70878 | 938.656 | 14 | 2.24161e-191 |
| 15 | -0.55157 | -0.0449476 | -2.10687 | 995.445 | 15 | 1.27574e-202 |
| 16 | -0.379982 | 0.0736759 | -1.41455 | 1022.57 | 16 | 1.64022e-207 |
| 17 | -0.181078 | 0.0576671 | -0.666207 | 1028.78 | 17 | 6.27864e-208 |
| 18 | 0.0264676 | 0.0296684 | 0.0971211 | 1028.91 | 18 | 4.64621e-207 |
| 19 | 0.2278 | 0.0428979 | 0.835849 | 1038.86 | 19 | 2.67704e-208 |
| 20 | 0.401449 | -0.027718 | 1.46692 | 1069.96 | 20 | 4.61875e-214 |
| 21 | 0.55164 | 0.0939007 | 1.99039 | 1129.08 | 21 | 8.27472e-226 |
| 22 | 0.664155 | 0.0343112 | 2.34177 | 1215.37 | 22 | 2.34917e-243 |
| 23 | 0.723244 | -0.0486439 | 2.47074 | 1318.39 | 23 | 1.75938e-264 |
| 24 | 0.736318 | 0.0384459 | 2.4287 | 1425.92 | 24 | 1.42531e-286 |
| 25 | 0.695007 | -0.0204701 | 2.21596 | 1522.4 | 25 | 2.65207e-306 |
| 26 | 0.60346 | -0.039452 | 1.87018 | 1595.64 | 26 | 0 |
| 27 | 0.482056 | 0.0689746 | 1.46378 | 1642.71 | 27 | 0 |
| 28 | 0.337829 | 0.0875217 | 1.01299 | 1665.99 | 28 | 0 |
| 29 | 0.178397 | 0.0782933 | 0.531689 | 1672.53 | 29 | 0 |
| 30 | 0.0149729 | 0.0729778 | 0.0445501 | 1672.58 | 30 | 0 |
| 31 | -0.166442 | -0.110348 | -0.495222 | 1678.35 | 31 | 0 |
| 32 | -0.348901 | -0.084198 | -1.03659 | 1703.91 | 32 | 0 |
| 33 | -0.505749 | -0.0176767 | -1.49306 | 1758.03 | 33 | 0 |
| 34 | -0.60323 | 0.185411 | -1.75767 | 1835.58 | 34 | 0 |
| 35 | -0.654539 | -0.0127267 | -1.87304 | 1927.58 | 35 | 0 |
| 36 | -0.653873 | 0.0128352 | -1.83325 | 2020.09 | 36 | 0 |
| 37 | -0.618623 | -0.0389209 | -1.70073 | 2103.52 | 37 | 0 |
| 38 | -0.549054 | -0.0347339 | -1.48413 | 2169.75 | 38 | 0 |
| 39 | -0.454397 | -0.0953556 | -1.21247 | 2215.46 | 39 | 0 |
| 40 | -0.327413 | 0.0175038 | -0.866095 | 2239.38 | 40 | 0 |
| 41 | -0.181502 | -0.00499547 | -0.477991 | 2246.79 | 41 | 0 |
| 42 | -0.0225211 | -0.0156713 | -0.0592295 | 2246.9 | 42 | 0 |
Az adatsor számítási módszere és illesztése a munkalapsorokhoz
Ezek a sorok a teljes adatsoros ACF-nevezőt, a PACF-rekurziót, a Bartlett-féle standardhibákat és a Student-féle t-szignifikanciahatárokat rögzítik. A közölt diagnosztikával együtt őrizze meg a számítási verziót, a munkalap sorrendjét és a sorokhoz illesztés megjegyzéseit. A reziduummodellezés ki van kapcsolva.
| Statisztika | Érték |
|---|---|
| ACF-becslő | A teljes adatsor átlaga és nevezője (korrekció nélkül) |
| PACF-becslő | Durbin–Levinson-rekurzió ugyanabból a nem korrigált ACF-ből |
| Az ACF standardhibája | Bartlett: √((1 + 2Σ korábbi ACF²) / n) |
| ACF T | ACF / standardhiba |
| Szignifikanciahatárok | Student-féle t × SE az ACF-hez; Student-féle t / √n a PACF-hez |
| A Student-féle t szabadságfoka | 167 |
| Student-féle t-szorzó | 1.97427 |
| Ljung–Box | n(n + 2) Σ ACF(k)² / (n − k); a khi-négyzet-eloszlás felső oldali valószínűsége |
| Szabadságfok-korrekció az illesztett paraméterekre | 0 |
| Első eredeti munkalapsor | 1 |
| Utolsó eredeti munkalapsor | 168 |
| Kihagyott kezdő üres cellák | 0 |
| Kihagyott záró üres cellák | 0 |
Az adatsor standardhibái és szignifikanciahatárai
Minden Késleltetés sor megadja az ACF standardhibáját és alsó/felső szignifikanciahatárát, valamint a PACF alsó/felső határát. Az ACF-határok a késleltetéssel változnak, míg a PACF-határok itt állandók. Ezek a pontonkénti határok nem hőmérsékleti követelmények vagy folyamatszabályozási határok; sok késleltetés vizsgálata elszigetelt jelzéseket eredményezhet.
| Késleltetés | ACF standardhibája | ACF alsó határa | ACF felső határa | PACF alsó határa | PACF felső határa |
|---|---|---|---|---|---|
| 1 | 0.0771517 | -0.152318 | 0.152318 | -0.152318 | 0.152318 |
| 2 | 0.125717 | -0.2482 | 0.2482 | -0.152318 | 0.152318 |
| 3 | 0.151189 | -0.298488 | 0.298488 | -0.152318 | 0.152318 |
| 4 | 0.164344 | -0.324459 | 0.324459 | -0.152318 | 0.152318 |
| 5 | 0.169837 | -0.335304 | 0.335304 | -0.152318 | 0.152318 |
| 6 | 0.171123 | -0.337842 | 0.337842 | -0.152318 | 0.152318 |
| 7 | 0.171128 | -0.337853 | 0.337853 | -0.152318 | 0.152318 |
| 8 | 0.172787 | -0.341128 | 0.341128 | -0.152318 | 0.152318 |
| 9 | 0.178323 | -0.352058 | 0.352058 | -0.152318 | 0.152318 |
| 10 | 0.188672 | -0.372489 | 0.372489 | -0.152318 | 0.152318 |
| 11 | 0.203258 | -0.401286 | 0.401286 | -0.152318 | 0.152318 |
| 12 | 0.220118 | -0.434573 | 0.434573 | -0.152318 | 0.152318 |
| 13 | 0.236691 | -0.467291 | 0.467291 | -0.152318 | 0.152318 |
| 14 | 0.25106 | -0.495661 | 0.495661 | -0.152318 | 0.152318 |
| 15 | 0.261796 | -0.516856 | 0.516856 | -0.152318 | 0.152318 |
| 16 | 0.268624 | -0.530337 | 0.530337 | -0.152318 | 0.152318 |
| 17 | 0.271805 | -0.536616 | 0.536616 | -0.152318 | 0.152318 |
| 18 | 0.272522 | -0.538032 | 0.538032 | -0.152318 | 0.152318 |
| 19 | 0.272537 | -0.538062 | 0.538062 | -0.152318 | 0.152318 |
| 20 | 0.273668 | -0.540295 | 0.540295 | -0.152318 | 0.152318 |
| 21 | 0.277151 | -0.547172 | 0.547172 | -0.152318 | 0.152318 |
| 22 | 0.283612 | -0.559926 | 0.559926 | -0.152318 | 0.152318 |
| 23 | 0.292723 | -0.577915 | 0.577915 | -0.152318 | 0.152318 |
| 24 | 0.303173 | -0.598546 | 0.598546 | -0.152318 | 0.152318 |
| 25 | 0.313637 | -0.619205 | 0.619205 | -0.152318 | 0.152318 |
| 26 | 0.322674 | -0.637047 | 0.637047 | -0.152318 | 0.152318 |
| 27 | 0.329324 | -0.650174 | 0.650174 | -0.152318 | 0.152318 |
| 28 | 0.333497 | -0.658414 | 0.658414 | -0.152318 | 0.152318 |
| 29 | 0.335528 | -0.662423 | 0.662423 | -0.152318 | 0.152318 |
| 30 | 0.336092 | -0.663537 | 0.663537 | -0.152318 | 0.152318 |
| 31 | 0.336096 | -0.663545 | 0.663545 | -0.152318 | 0.152318 |
| 32 | 0.336586 | -0.664513 | 0.664513 | -0.152318 | 0.152318 |
| 33 | 0.338732 | -0.66875 | 0.66875 | -0.152318 | 0.152318 |
| 34 | 0.343198 | -0.677565 | 0.677565 | -0.152318 | 0.152318 |
| 35 | 0.349452 | -0.689913 | 0.689913 | -0.152318 | 0.152318 |
| 36 | 0.356675 | -0.704173 | 0.704173 | -0.152318 | 0.152318 |
| 37 | 0.36374 | -0.718121 | 0.718121 | -0.152318 | 0.152318 |
| 38 | 0.36995 | -0.730381 | 0.730381 | -0.152318 | 0.152318 |
| 39 | 0.374769 | -0.739895 | 0.739895 | -0.152318 | 0.152318 |
| 40 | 0.378034 | -0.746341 | 0.746341 | -0.152318 | 0.152318 |
| 41 | 0.379718 | -0.749666 | 0.749666 | -0.152318 | 0.152318 |
| 42 | 0.380234 | -0.750685 | 0.750685 | -0.152318 | 0.152318 |
- A határok az egyes késleltetések statisztikáit jellemzik; nem alkotnak egyidejű konfidenciasávot az összes megjelenített késleltetésre.
Számítási konvenciók
2. számítási verzió: teljes adatsorra számított ACF-nevező, nem korrigált ACF-rekurzió a PACF-hez, Bartlett-féle ACF-standardhibák és Student-féle t-szignifikanciahatárok. A T egy késleltetést értékel; a Ljung–Box a megadott késleltetésig összegzi a bizonyítékot. Ezek a diagnosztikák nem igazolják a folyamat stabilitását vagy SPC-re való alkalmasságát.
7. Jelentés készítése
Tartsa meg a Series ACF és Series PACF ábrát, minden korrelációs és határsort, az adatsor diagnosztikáját és a számítási módszer megjegyzéseit. Rögzítse az órás időközt és az eredeti sorrendet, és őrizze meg a függőségre és az SPC-értelmezésre vonatkozó termelési figyelmeztetéseket.
Válassza az Add to report lehetőséget a befejezett futtatásban. Nyissa meg a Choose individual items and advanced options panelt a táblázatok és diagramok kiválasztásához, majd válassza az Add to draft lehetőséget. A rejtett elemek megmaradnak a mentett elemzésben.
Nevezze el a jelentést, és adja meg a vizsgálat célját és saját értelmezését. Válassza a Save lehetőséget, tekintse meg a Preview nézetet, majd használja az Export → Download HTML lehetőséget. Az alábbi példa a teljes kiválasztott tartalmat tartalmazza, a képernyőn egyszerre látható részen túli eredményekkel együtt.