精华内容
下载资源
问答
  • 轴瓦失效会导致内燃机车出现严重的故障,本文的主要内容就是运用关联图对DF4DD内燃机车所出现轴瓦失效的原因进行分析,并采取相应的应对措施,有效地防范和解决了轴瓦失效的常见、频发的故障现象。
  • 在侦探影片中常见的场景:警察为了找到线索,在墙上贴很多的证物(照片、...这里介绍一个常用的分析模型:关联图。 ■关联图:把原因、结果要素按照相互作用关系关联起来的图形。通过关联线帮助找到产生结果的原因

    在侦探影片中常见的场景:警察为了找到线索,在墙上贴很多的证物(照片、记录、文字等),然后在这些证物之间画上关联箭头,通过箭头找出物证的关系。在很多的事故分析、或是因果关系分析时都会使用分析模型帮助寻找问题的原因。越是复杂的事故、事件,相关的要素就越多,要素间的关系也越复杂,这就需要有一个方法可以帮助建立要素间的关系,并支持快速地理解问题、给出答案。这里介绍一个常用的分析模型:关联图。

    在这里插入图片描述
    ■关联图:把原因、结果要素按照相互作用关系关联起来的图形。通过关联线帮助找到产生结果的原因。

    一、概念与解读

    1. 模型概念
    在现实中很多的研究对象包含了复杂的要素,这些要素互为因果,以复杂的形态耦合在一起,很难用结构化形式清晰的进行分离、表现出来,比如图2(a)所示,从对象上拆分出来的要素包含了:原因、结果、问题、意见、目的、方法等不同的类型,这些要素之间不是一对一的关系,这样的对象显然无法使用结构化的模型表达,但是采用“关联图”就比较容易表达,如图2(b)所示,用关联图可以将要素关联起来,在复杂的关联关系中找寻规律、因果关系。

    在这里插入图片描述

    图2 复杂要素的关联

    由于这个关联图的形式不受限制,可以自由地关联任何类型的要素,分析效率比较高,容易快速地从复杂对象中找出因果关系和解决对策。关联图的主要目的与作用是关联分析要素之间的关系。

    2. 模型解读
    根据图3的关联图的特点,可以从以下的几个方面解读出:

    在这里插入图片描述
    图3 关联箭头方向的含义

    1 ) 方向:因多数节点互为因果,所以缺乏明确的方向,可以由1~n个节点发起;
    2 ) 关系:节点之间只有某种关联,但是不一定有严格的逻辑关系;
    3 ) 节点:可以看出各节点的特点、以及在节点上设置的箭头方向不同
    □节点1:箭头只出不进,说明它是主动的,是造成问题的主要原因;
    □节点2、3、5:有进有出,说明它们是造成问题的中间原因;
    □节点4:只进不出,说明它是被动的,是集中出现问题的地方;

    4 ) 结构:没有确定的结构化关系;
    5 ) 范围:没有明确的起点和终点,无法确定范围;
    6 ) 收敛:所收集要素的内容并不向某一点收敛;

    二、画法与场景

    1. 模型画法
    关联图的绘制方法非常简单,只需要圆圈(或方框)和箭头,参见图4,画法如下:
    □确定主题,收集所有与主题相关的要素;
    □将要素列成一圈,顺序不重要;
    □在圆圈中标注要素的名称;
    □按照从“原因”→“结果”、“手段”→“目的”的原则,标注箭头;
    □用颜色标出主要原因的要素1(箭头全部向外);
    □用颜色标出主要问题的要素4(箭头全部向内);

    在这里插入图片描述
    图4 关联图的画法

    虽然关联图比较提倡自由思考,但是在绘制时最好不要过于随意,过于随意的排列要素会不易识别,找到因果关系花费时间也会很长,如果在排列要素时,稍微地进行一下粗略的分类,然后将分类后的要素按照一定的规律安排,这样做有利于快速找到分析对象的规律。

    □如图5a所示,比较随意,非常不容易找到最后的结论。
    □如图5b所示,在安排要素的位置时,就将不同目的的要素简单地归集到四边,这样看得清楚。如果发现位置不对也很容易调整,可以在一边进行着“→”关联,一边通过检查就可以看出问题的所在了,将一个没有结构化的图形表示方式,在关联的过程中尽可能地让它们呈现出有一定的规律性,这就大幅度地提升了分析的效率。

    在这里插入图片描述
    图5关联要素的布局方式

    2. 适用场景
    关联图,主要由于要素之间没有明确的逻辑关系、也不确定是否具有严格意义上的关联关系等情况下适用,通过进行要素之间的关联,逐渐地找到要素之间的因果关联、规律、逻辑…等。为后续可以用架构图进行架构表达做好准备。

    ■本系列下一篇博文:如何使用分析模型 — 2.鱼骨图,清晰表达因果关系

    有关分析模型的更加详细的说明,请参见《大话软件工程—需求分析与软件设计》一书。

    展开全文
  • 如果大家有人在做数据分析和数据维护时,可能会使用到多表关联的查询语句,这样复杂的SQL语句查询不出结果会很让大家头疼,如何能够快速准确地找到哪个表或者哪个字段出现的问题,导致整个SQL语句查询不出结果。...

    如果大家有人在做数据分析和数据维护时,可能会使用到多表关联的查询语句,这样复杂的SQL语句查询不出结果会很让大家头疼,如何能够快速准确地找到哪个表或者哪个字段出现的问题,导致整个SQL语句查询不出结果。

    本文章向大家介绍写自己的心得,帮助大家轻松、快速地找出问题所在!

     

    D
    |
    A-B-F              A-B-C-D-E-F
    |                      图2
    C                    
    |
    E
    图1

     

    例如下面的SQL语句

     

    select A.*,B.*,C.* from A,B,C,D,E,F where A=B and A=C and A=D and C=E and B=F and A.field1='field1' and A.field2='field2' and     B.field='bfield' and C.field='cfield'

    A=B代表A、B关联,其它的同理

     

    分析步骤:
    1.首先去掉所有的字段的查询条件,去掉A.field1='field1'等,查看整个关联是否是通的,是否能查询出数据
    2.如果不是通的(查询出结果为空),则要找出哪两个表没有关联上,如果是通的(能够查询出结果),在多表关联中,一般都会有一个主表,其他表都与该表有直接或间接的关联(即A、C直接关联,A、E间接关联),如果存在主表的查询条件,如A.field1='field1',则从A表开始入手,根据关联查询B,C,D表,并逐个查看其他表的查询条件是否符合,直至找到不符合的地方,找到问题之所在!如果并没有图1中的主表A,而是图2这样的情况,可以从链条的某个节点出发,同样根据关联关系,查看其它的表是否符合条件,直至找到问题所在!

     

    不同人会有不同的方法,但我个人认为上面的方法会更加快速的,条理清晰的找到问题的所在!希望大家在分析数据时有所帮助!

     

    展开全文
  • 前段时间有位小可爱问我,为什么她的QQ特别飘,如果你不理解怎样算飘,请看下: 理想的QQ应该是这样的: 我当时的第一反应是:1)群体分层造成的;...1.产生飘逸的QQ原因 产生飘逸的qq的...

    前段时间有位小可爱问我,为什么她的QQ图特别飘,如果你不理解怎样算飘,请看下图:
    ZMHPW6.md.jpg

    理想的QQ图应该是这样的:

    ZMHIXD.md.jpg

    我当时的第一反应是:1)群体分层造成的;2)表型分布有问题。因此让她检查一下数据的群体分层情况,如果没有问题就看一下表型分布。

    这段时间有空了,我觉得有必要梳理一下这个飘逸的QQ图,到底是怎么回事儿以及如何确定这么飘逸的QQ图有没有问题。

    1.产生飘逸的QQ图的原因

    产生飘逸的qq图的原因有很多,比如我们喜闻乐见的:基因多效性(polygenicity)。也有可能是混淆偏倚,比如群体分层,假如样本中混合了欧洲、非洲、亚洲等各个地方的群体,本身各个群体的SNP频率差异就很大,如果不加以群体分层控制,关联分析的时候就会产生很多偏离预期值的SNP位点。

    很久以前,出现飘逸的QQ图的话,我们可以搭配膨胀系数(膨胀系数的计算)一起看,膨胀系数如果接近1(比如1.01,1.2这种不算接近1),那么也还算过得去。

    但,膨胀系数接近1这种是比较理想的情况。实际情况是,很多人的QQ图不仅飘逸,膨胀系数还老高

    这就尴尬了,连膨胀系数都无法确定这个QQ图飘的正不正常了。

    所以呢,接下来还有什么方法确定我们的基因组数据有没有问题呢?

    2.怎么确定是基因多效性还是混淆偏倚呢

    接下来我要介绍一款神人工具LDSC (LD SCore),全称是LD Score regression

    这款工具就是帮我们实现如何区分飘逸的QQ图正不正常

    具体来说,就是通过LDSC工具计算基因组数据的LD回归截距,如果是基因多效性,那么截距会接近1(比如1.004),如果是群体分层等混淆因素引起的,那么LD回归截距就会远离1(比如1.30)。

    除了看截距数值,我们还可以通过画LD Score的图来确定数据是否有问题。

    2.1基因多效性

    如果画出来的LDscore图是下面这种形式,说明GWAS结果是没有问题的,QQ图飘逸就让它飘逸吧。

    2600458ace39650d.png

    2.2混淆偏倚

    如果画出来的LDscore图是下面这种形式,说明QQ图是有问题的。

    f0f1d48b74b2030f.png

    3.总结

    总之,看截距。

    截距很接近1,就不用管QQ图好不好看了。

    远离1(1.3这种),说明基因组数据是有问题的,检查一下PCA加够了没有、群体分层有没有控制好、是否混了很多有亲缘关系的样本在里面。

    如果你想了解怎么用LDSC计算截距,请见下回解析。

    转载于:https://www.cnblogs.com/chenwenyan/p/11107694.html

    展开全文
  • 前段时间有位小可爱问我,为什么她的QQ特别飘,如果你不理解怎样算飘,请看下: 理想的QQ应该是这样的:我当时的第一反应是:1)群体分层造成的;...1.产生飘逸的QQ原因产生飘逸的qq原因有很多,...

    前段时间有位小可爱问我,为什么她的QQ图特别飘,如果你不理解怎样算飘,请看下图:

    94730dabda7cbc9b4d0388fecba67e99.png

    理想的QQ图应该是这样的:

    7655ac92982251297e662049ad01d308.png

    我当时的第一反应是:1)群体分层造成的;2)表型分布有问题。因此让她检查一下数据的群体分层情况,如果没有问题就看一下表型分布。

    这段时间有空了,我觉得有必要梳理一下这个飘逸的QQ图,到底是怎么回事儿以及如何确定这么飘逸的QQ图有没有问题。

    1.产生飘逸的QQ图的原因

    产生飘逸的qq图的原因有很多,比如我们喜闻乐见的:基因多效性(polygenicity)。也有可能是混淆偏倚,比如群体分层,假如样本中混合了欧洲、非洲、亚洲等各个地方的群体,本身各个群体的SNP频率差异就很大,如果不加以群体分层控制,关联分析的时候就会产生很多偏离预期值的SNP位点。

    很久以前,出现飘逸的QQ图的话,我们可以搭配膨胀系数(膨胀系数的计算)一起看,膨胀系数如果接近1(比如1.01,1.2这种不算接近1),那么也还算过得去。

    但,膨胀系数接近1这种是比较理想的情况。实际情况是,很多人的QQ图不仅飘逸,膨胀系数还老高

    这就尴尬了,连膨胀系数都无法确定这个QQ图飘的正不正常了。

    所以呢,接下来还有什么方法确定我们的基因组数据有没有问题呢?

    2.怎么确定是基因多效性还是混淆偏倚呢

    接下来我要介绍一款神人工具LDSC (LD SCore),全称是LD Score regression

    这款工具就是帮我们实现如何区分飘逸的QQ图正不正常

    具体来说,就是通过LDSC工具计算基因组数据的LD回归截距,如果是基因多效性,那么截距会接近1(比如1.004),如果是群体分层等混淆因素引起的,那么LD回归截距就会远离1(比如1.30)。

    除了看截距数值,我们还可以通过画LD Score的图来确定数据是否有问题。

    2.1基因多效性

    如果画出来的LDscore图是下面这种形式,说明GWAS结果是没有问题的,QQ图飘逸就让它飘逸吧。

    31b8aece7e0bd081e0d6e7b364af1e7c.png

    2.2混淆偏倚

    如果画出来的LDscore图是下面这种形式,说明QQ图是有问题的。

    6bc1bf16f700f15cf6dfd3fa79c444de.png

    3.总结

    总之,看截距。

    截距很接近1,就不用管QQ图好不好看了。

    远离1(1.3这种),说明基因组数据是有问题的,检查一下PCA加够了没有、群体分层有没有控制好、是否混了很多有亲缘关系的样本在里面。

    如果你想了解怎么用LDSC计算截距,请见下回解析。

    展开全文
  • )[+]问题重现原因分析解决方案一 使用findViewWithTag解决方案二 使用弱引用关联解决方案三 使用NetworkImageView 转载请注明出处:http://blog.csdn.net/guolin_blog/article/details/45586553在Android所有系统...
  • 解决方案一、使用findViewWithTag findViewWithTag算是一种比较简单易懂的解决方案, ...解决方案二、使用弱引用关联,但实际上弱引用只是辅助手段而已,最主要的还是关联,这种解决方案的本质是要让Image
  • 第一部分 鱼骨头分析法一、鱼骨图分析法的由来鱼骨是由日本管理大师石川馨先生所发明出来的,故又名石川。鱼骨是一种发现问题“根本原因”的方法,它也可以称之为“Ishikawa”或者“因果”。二、鱼骨定义...
  • HTTP常见错误原因分析

    2020-11-02 17:54:39
    造成HTTP-500错误,可能存在的原因之个人实践总结 1、运行的用户数过多,对服务器造成的压力过大,服务器无法响应,则报HTTP500错误。 减小用户数或者场景持续时间,问题得到解决。 2、该做关联的地方没有去做关联...
  • 目录14.1 导言14.2 关联规则 14.1 导言 P486 无监督学习中,直接推断P(X)P(X)P(X)的性质。XXX的维度有时比监督学习中高很多,我们关心的性质经常比简单的位置估计μ(x)\mu (x)μ(x)复杂得多.不过因素在某种程度上...
  • 在采购订单中输入内部订单号来进行关联。这时,当采购订单输入保存时,系统会根据采购订单中行项目的总金额与内部订单中的预算金额进行比较。从而达到预算的目的。在实际应用中,通常超出预算的情况比较常见。此时,...
  • 鱼骨是一种发现问题“根本原因”的方法,它也可以称之为“因果”。鱼骨原本用于质量管理。 问题的特性总是受到一些因素的影响,我们通过头脑风暴找出这些因素,并将它们与特性值一起,按相互关联性整理而成的...
  • “老七种”有分层法、调查表、排列法、因果图、直方图、控制图和相关图,新的QC七种工具分别是系统图、关联图、亲和图、矩阵图、箭条图、PDPC法以及矩阵数据分析法等。“老”QC七大手法1、分层法(分类法、分组法)...
  • 但是,如果不是直接观察到网络(爱丽丝和鲍勃是朋友),而是根据数据进行估算(吸烟与癌症之间存在关联),则除了网络结构外,我们还可以分析网络中节点的可预测性。也就是说,我们想知道:网络中的所有其余节点如何...
  • 阐述了关联图的应用方法,并通过使用该方法来分析事物之间的"原因与结果"、"目的与手段"的复杂关系。针对现场设备出现疑难故障,使用该方法确定设备的故障点,帮助维修人员在故障的因果-关系之间的逻辑关系中,寻找出现...
  • 原因分析 细分 分组分析结构分析交叉分析杜邦分析漏斗分析矩阵关联分析聚类分析… 预测分析 预测 回归分析时间序列决策树神经网络… 1.1 对比分析法 定义:是指将两个或两个以上的数据进行比较,分析他们的...
  • 1、数据分析方法 ... 原因分析 细分 分组分析、结构分析、交叉分析、杜邦分析 漏斗分析、矩阵关联分析、聚类分析 预测分析 预测 回归分析、时间序列、决策树、神经网络 ...
  • 一、性能下降,sql慢,执行时间长,等待时间长的原因 1、查询语句写的烂 2、索引失效,这里的失效不代表我们没有建立索引,或许是我们建的索引没用上。 3、关联查询太多join(设计缺陷或不得已的需求) 4、服务器...
  • 但是,如果不是直接观察网络,而是根据数据进行估算(如:吸烟与癌症之间存在关联),则除了网络结构外,我们还可以分析网络中节点的可预测性。也就是说:网络中的所有其余节点如何预测网络中的给定节点?可预测性有趣...
  • 之前学习了数据分析方法的三大作用:现状分析、原因分析、预测分析。 这三大作用可分别对应于对比、细分、预测三大基本方法。 对比分析法 定义:指两个或两个以上的数据进行比较,分析它们的差异,从而揭示某些数据...
  • 关联映射的关系(多对一) 1、 多对一: 多对一的实例分析:一个部门可以对应多个员工,那么员工就是多的一方,而部门就是一的一方,因此设置外键应该在员工表中。...2、 分析图:     完成多对一关联
  • 数据分析类别 描述性数据分析 对比分析法、平均分析法、交叉分析法、分组分析法、结构分析法、漏斗分析法、综合评价分析法、因素分析法、矩阵关联分析法 探索性数据分析 ...原因分析(专题分析) 预测分...
  • 鱼骨

    2019-08-18 14:50:40
    鱼骨(又名因果、石川),指的是一种发现问题“根本原因”的分析方法,现代工商管理教育将其划分为问题型、原因型及对策型鱼骨等几类。 鱼骨中的人事时地物各指什么? 1.人=对象–人?公司?团队?单位? ...
  • 因为事件本身会受到一些特殊因素的影响而产生问题,为了解决问题,就需要找到产生这些问题的原因是什么,将它们按照关联性整理成条理清晰的图形,鱼骨其实是一种透过现象看本质的分析法。鱼骨的类型可以分为整理...
  • 分库分表的关联查询之路

    千次阅读 2018-04-20 18:03:37
    提供对外大数据查询服务1、 列表信息查询2、 满标各时段分布图表和汇总3、 重要异常日志查询和错误信息发送重要数据获取1、 按需从Oracle数据库中抽取数据2、 各类消息监听获取需要的数据数据分析1、 根据...
  • 没有配置的数据还是查询出来了,翻阅代码进行查看,抽取出查询的sql,进行客户端查询发现确实有没有关联的数据还是查询出来了,排查了好久定位到,是关联的字段类型不匹配导致的原因。 解决方式:使用mysql的cast...
  • 该方法基于事故致因理论,通过构建异常事件关联图,对系统故障报警信息进行因果前后向推理,从而得出导致异常事件发生的原始原因,并预测出该异常事件可能引发的其他事件,实现了对异常事件关联信息的联动监视。
  • 作用手段方法现状分析对比对比分析(理想与显示、不同时期、不同行业、不同级别、操作前后)平均分析(不同总体的一般水平)综合评价分析原因分析细分分组分析(组间差距大,组内差距小)结构分析(部分占总体的比例...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 233
精华内容 93
关键字:

原因分析关联图