Allereerst wil ik U bedanken voor uw antwoord. Ik zal een twee getallen reeksen geven waarbij de T-test faalt maar waar wel correlatie wordt aangetoond:
Dit is zijn waardens uit de praktijk, dus eenzelfde monster welke op het lab en op de analyzer is bepaald
Als ik de T-test erop los laat dan krijg ik de volgende gegevens:
xd = 8,800 sd = 11,256 n = 20 df = 19 t = 3,496 Tabel waarde 2,093
Voor acceptatie moet de T waarde kleiner zijn dan de tabelwaarde...
Als ik nu de van Correlatie erop los laat dan vind ik:
Correlatiecoefficient = 0,953
Correlatie is aangetoond als de waarde dicht bij 1 of -1 ligt. Dus Correlatie is hier aangetoond!
Ik heb tot taak om het SQC binnen ons bedrijf op orde te brengen in iedergeval op onze afdeling. Het is dus de bedoeling om de gegevens (analyze resultaten) maandelijks in Excel in te brengen. Om zodoende grafisch inzicht te krijgen over de performance van een analyzer t.o.v het Laboratorium. Van het verschil tussen de resultaten wordt het gemiddelde en de standaarddeviatie bepaald, dit is nodig op een Control Chart op te zetten. Met de standaarddeviatie kunnen we in de grafiek de 1,2,3 sigma gebieden aangeven. Maar er kunnen analyses voorkomen welke de grafiek negatief beinvloeden, zoal uitbijters. In eerste instantie wilde ik d.m.v de T-test bepalen ofdat de resultaten naast elkaar gebruikt mogen worden. Maar ik denk dat voor mij het principe van de T-test niet helemaal duidelijk was/is. Zo kwam ik dus resultaten tegen welke afgekeurd werden door de T-Test, en wist ik niet waar dat aan lag; zitten er uitbijters in of is er iets anders mis. Als ik de resultaten met Correlatie bekijk, dan zag ik dat er wel Correlatie was tussen beide reeksen…
Ik denk dat het 't beste is dat ik met Correlatie verder moet gaan en de T-test links moet laten liggen... Of zijn er misschien andere mogelijkheden? Ik gebruik zelf het boek Statistiek om mee te werken van Buijs en uiteraard deze site! Zijn er misschien nog andere informatie bronnen (boeken,internet) welke over dit soort problematiek gaan?
Zie graag uw antwoord tegemoet,
Nogmaals bedankt
Johan Simdorn
Johan
Iets anders - dinsdag 20 april 2004
Antwoord
De betekenis van deze t-toets is dat in de steekproef het LAB gemiddelde 8,8 hoger ligt dan het Analyzer gemiddelde en dat aangetoond is dat in werkelijkheid deze gemiddelden niet gelijk kunnen zijn. Daarnaast valt op de behoorlijk grote spreiding van de verschilvariabele.
Die correlatie aantonen, dat zegt niet veel.Alleen maar dat beide reeksen bij elkaar in de buurt liggen. Tja, en dat is een open deur want dat is nogal gauw wanneer je werkt met gekoppelde waarnemingen. Concreet betekent dat dat je volgens mij aan die correlatiewaarde ook niets meer hebt, behalve dat het bevestigt dat de waarnemingen inderdaad gekoppeld zijn. Ik zou niet weten wat je verder nog voor nuttigs met die correlatie kunt doen.
De controlchart werpt een wat ander licht op de situatie. Deze controlchart kun je gebruiken om te signaleren of een proces verloopt. Hoe je dat in jouw geval exact moet doen is even de vraag, maar het lijkt mij dat zowel de t-test als de correlatieanalyse hierin geen bijdrage kunnen leveren.
Dit is een reactie op vraag 22867 
