Bayesian tolerance intervals for variance component models
Loading...
Date
2012-01
Authors
Hugo, Johan
Journal Title
Journal ISSN
Volume Title
Publisher
University of the Free State
Abstract
English: The improvement of quality has become a very important part of any manufacturing process. Since variation observed in a process is a function of the quality of the manufactured items, estimating variance components and tolerance intervals present a method for evaluating process variation. As apposed to confidence intervals that provide information concerning an unknown population parameter, tolerance intervals provide information on the entire population, and, therefore address the statistical problem of inference about quantiles and other contents of a probability distribution that is assumed to adequately describe a process. According to Wolfinger (1998), the three kinds of commonly used tolerance intervals are, the ( ; ) tolerance interval (where is the content and is the confidence), the - expectation tolerance interval (where is the expected coverage of the interval) and the fixed - in - advance tolerance interval in which the interval is held fixed and the proportion of process measurements it contains, is estimated. Wolfinger (1998) presented a simulation based approach for determining Bayesian tolerance intervals in the case of the balanced one - way random effects model. In this thesis, the Bayesian simulation method for determining the three kinds of tolerance intervals as proposed by Wolfinger (1998) is applied for the estimation of tolerance intervals in a balanced univariate normal model, a balanced one - way random effects model with standard N(0; 2 " ) measurement errors, a balanced one - way random effects model with student t - distributed measurement errors and a balanced two - factor nested random effects model. The proposed models will be applied to data sets from a variety of fields including flatness measurements measured on ceramic parts, measuring the amount of active ingredient found in medicinal tablets manufactured in small batches, measurements of iron concentration in parts per million determined by emission spectroscopy and a South - African data set collected at SANS Fibres (Pty.) Ltd. concerned with measuring the percentage increase in length before breaking of continuous filament polyester. In addition, methods are proposed for comparing two or more quantiles in the case of the balanced univariate normal model. Also, the Bayesian simulation method proposed by Wolfinger (1998) for the balanced one - way random effects model will be extended to include the estimation of tolerance intervals for averages of observations from new or unknown batches. The Bayesian simulation method proposed for determining tolerance intervals for the balanced one - way random effects model with student t - distributed measurement errors will also be used for the detection of possible outlying part measurements. One of the main advantages of the proposed Bayesian approach, is that it allows explicit use of prior information. The use of prior information for a Bayesian analysis is however widely criticized, since common non - informative prior distributions such as a Jeffreys’ prior can have an unexpected dramatic effect on the posterior distribution. In recognition of this problem, it will also be shown that the proposed non - informative prior distributions for the quantiles and content of fixed - in - advance tolerance intervals in the cases of the univariate normal model, the proposed random effects model for averages of observations from new or unknown batches and the balanced two - factor nested random effects model, are reference priors (as proposed by Berger and Bernardo (1992c)) as well as probability matching priors (as proposed by Datta and Ghosh (1995)). The unique and flexible features of the Bayesian simulation method were illustrated since all mentioned models performed well for the determination of tolerance intervals.
Afrikaans: In enige vervaardigings proses, het die verbetering van gehalte essensieel geword. Aangesien die waargenome variasie in ’n proses ’n funksie van die gehalte van die vervaardigde items is, bied die beraming van variansie komponente en toleransie intervalle, ’n metode waardeur die waargenome proses variasie geëvalueer kan word. In teenstelling met vertrouens intervalle wat slegs inligting rakende ’n onbekende populasie parameter bied, bied toleransie intervalle inligting rakende die populasie in sy geheel. Die statistiese probleem met betrekking tot die afleiding van gevolgtrekkings uit kwantiele van waarskynlikheids verdelings wat veronderstel is om ’n proses genoegsaam te beskryf, word dus deur toleransie intervalle aangespreek. LuidensWolfinger (1998), is die ( ; ) toleransie interval (waar die inhoud en die vertroue van die interval is), die - verwagtings toleransie interval (waar die verwagte oordekking van die interval is) en die vooraf vasgestelde toleransie interval (waar die interval reeds vasgestel is en die persentasie proses waarnemings wat hierin voorkom, beraam word), die drie toleransie intervalle wat meestal gebruik word. In die geval van die gebalanseerde een rigting toevallige effekte model, het Wolfinger (1998) ’n simulasie gebaseerde beskouing vir die bepaling van Bayesiaanse toleransie intervalle voorgestel. In hierdie proefskrif, word Wolfinger (1998) se voorgestelde Bayesiaanse simulasie metode vir die bepaling van die drie algemene toleransie intervalle, toegepas vir die beraming van toleransie intervalle in die gevalle van die gebalanseerde enkelveranderlike normaal model, die gebalanseerde een rigting toevallige effekte model met N(0; 2 " ) verdeelde foute, die gebalanseerde een rigting toevallige effekte model met student t - verdeelde foute en die gebalanseerde geneste toevallige effekte model. Die voorgestelde modelle sal toegepas word op data stelle afkomstig uit verskillende terreine. Dit sluit data stelle in aangaande gelykheids mates gemeet op keramiek parte, die hoeveelheid aktiewe bestandeel teenwoordig in klein gegroepeerde stelle medisinale tablette, die hoeveelheid yster konsentraat in deeltjies per miljoen teenwoordig, bepaal deur emissie spektroskopie, en ’n eg Suid - Afrikaanse data stel aangaande die persentasie toename in lengte van ’n aaneenlopende poliëster vesel voordat dit breek. Die Suid - Afrikaanse data stel is deur Prof. Nico Laubscher by SANS Fibres (Pty.) Ltd. versamel. Daarbenewens word metodes vir die vergelyking van twee of meer kwantiele, in die geval van die gebalanseerde enkelveranderlike normaal model, voorgestel. Bykomend, word Wolfinger (1998) se simulasie metode aangepas om die beraming van toleransie intervalle in die geval van die gemiddeld van waarnemings uit nuwe of onbekende gegroepeerde stelle in te sluit. Deur van die Bayesiaanse simulasie metode gebruik te maak vir die voorgestelde toevallige effekte model met student t - verdeelde foute, word die identifisering van moontlike uitskieters ook geïllustreer. Die gebruik van spesifieke prior inligting is een van die voordele van die voorgestelde Bayesiaanse simulasie metode. Dit is egter juis die gebruik van hierdie prior inligting wat wyd veroordeel word, aangesien algemene nie - inligtende prior verdelings, soos ’n Jeffreys’ prior, ’n dramatiese onverwagte uitwerking op die posterior verdeling tot gevolg kan hê as meer as een parameter ter sprake is. Ter erkenning van die probleem, word daar gewys dat die nie - inligtende prior verdelings, voorgestel vir die kwantiele en inhoud van die vooraf vasgestelde toleransie intervalle in die gevalle van die enkelveranderlike normaal model, die voorgestelde toevallige effekte model vir die gemiddeld van waarnemings uit onbekende of nuwe gegroepeerde stelle en die gebalanseerde geneste twee rigting toevallige effekte model, beide verwysings priors (soos voorgestel deur Berger en Bernardo (1992c)) en waarskynlikheids ooreenstemmende priors (soos voorgestel deur Datta en Ghosh (1995)), is. Aangesien al die voorgestelde modelle goed gevaar het vir die bepaling van toleransie intervalle, is die unieke en buigsame kenmerke van die Bayesiaanse simulasie metode geïllustreer.
Afrikaans: In enige vervaardigings proses, het die verbetering van gehalte essensieel geword. Aangesien die waargenome variasie in ’n proses ’n funksie van die gehalte van die vervaardigde items is, bied die beraming van variansie komponente en toleransie intervalle, ’n metode waardeur die waargenome proses variasie geëvalueer kan word. In teenstelling met vertrouens intervalle wat slegs inligting rakende ’n onbekende populasie parameter bied, bied toleransie intervalle inligting rakende die populasie in sy geheel. Die statistiese probleem met betrekking tot die afleiding van gevolgtrekkings uit kwantiele van waarskynlikheids verdelings wat veronderstel is om ’n proses genoegsaam te beskryf, word dus deur toleransie intervalle aangespreek. LuidensWolfinger (1998), is die ( ; ) toleransie interval (waar die inhoud en die vertroue van die interval is), die - verwagtings toleransie interval (waar die verwagte oordekking van die interval is) en die vooraf vasgestelde toleransie interval (waar die interval reeds vasgestel is en die persentasie proses waarnemings wat hierin voorkom, beraam word), die drie toleransie intervalle wat meestal gebruik word. In die geval van die gebalanseerde een rigting toevallige effekte model, het Wolfinger (1998) ’n simulasie gebaseerde beskouing vir die bepaling van Bayesiaanse toleransie intervalle voorgestel. In hierdie proefskrif, word Wolfinger (1998) se voorgestelde Bayesiaanse simulasie metode vir die bepaling van die drie algemene toleransie intervalle, toegepas vir die beraming van toleransie intervalle in die gevalle van die gebalanseerde enkelveranderlike normaal model, die gebalanseerde een rigting toevallige effekte model met N(0; 2 " ) verdeelde foute, die gebalanseerde een rigting toevallige effekte model met student t - verdeelde foute en die gebalanseerde geneste toevallige effekte model. Die voorgestelde modelle sal toegepas word op data stelle afkomstig uit verskillende terreine. Dit sluit data stelle in aangaande gelykheids mates gemeet op keramiek parte, die hoeveelheid aktiewe bestandeel teenwoordig in klein gegroepeerde stelle medisinale tablette, die hoeveelheid yster konsentraat in deeltjies per miljoen teenwoordig, bepaal deur emissie spektroskopie, en ’n eg Suid - Afrikaanse data stel aangaande die persentasie toename in lengte van ’n aaneenlopende poliëster vesel voordat dit breek. Die Suid - Afrikaanse data stel is deur Prof. Nico Laubscher by SANS Fibres (Pty.) Ltd. versamel. Daarbenewens word metodes vir die vergelyking van twee of meer kwantiele, in die geval van die gebalanseerde enkelveranderlike normaal model, voorgestel. Bykomend, word Wolfinger (1998) se simulasie metode aangepas om die beraming van toleransie intervalle in die geval van die gemiddeld van waarnemings uit nuwe of onbekende gegroepeerde stelle in te sluit. Deur van die Bayesiaanse simulasie metode gebruik te maak vir die voorgestelde toevallige effekte model met student t - verdeelde foute, word die identifisering van moontlike uitskieters ook geïllustreer. Die gebruik van spesifieke prior inligting is een van die voordele van die voorgestelde Bayesiaanse simulasie metode. Dit is egter juis die gebruik van hierdie prior inligting wat wyd veroordeel word, aangesien algemene nie - inligtende prior verdelings, soos ’n Jeffreys’ prior, ’n dramatiese onverwagte uitwerking op die posterior verdeling tot gevolg kan hê as meer as een parameter ter sprake is. Ter erkenning van die probleem, word daar gewys dat die nie - inligtende prior verdelings, voorgestel vir die kwantiele en inhoud van die vooraf vasgestelde toleransie intervalle in die gevalle van die enkelveranderlike normaal model, die voorgestelde toevallige effekte model vir die gemiddeld van waarnemings uit onbekende of nuwe gegroepeerde stelle en die gebalanseerde geneste twee rigting toevallige effekte model, beide verwysings priors (soos voorgestel deur Berger en Bernardo (1992c)) en waarskynlikheids ooreenstemmende priors (soos voorgestel deur Datta en Ghosh (1995)), is. Aangesien al die voorgestelde modelle goed gevaar het vir die bepaling van toleransie intervalle, is die unieke en buigsame kenmerke van die Bayesiaanse simulasie metode geïllustreer.
Description
Keywords
Bayesian statistical decision theory, Multilevel models (Statistics), Statistical tolerance regions, Monte Carlo method, Sampling (Statistics), Bayesian Procedure, Random Effects, Variance Components, Tolerance Intervals, Reference Priors, Probability Matching Priors, Student t - Distributed Measurements Errors, Gibbs Sampling, Thesis (Ph.D. (Mathematical Statistics))--University of the Free State, 2012