수식에서 선형 회귀 기울기 계산안녕하세요,
데이터 테이블 수식 내에서 열 데이터의 선형 회귀 기울기를 계산하는 방법이 있는지 궁금합니다.
표의 간단한 예는 다음과 같습니다. 데이터가 정렬되어 있고 회귀를 수행하기 위해 현재 행의 데이터와 이전 포인트를 사용하여 시간 경과에 따른 볼륨 적합선의 기울기를 계산하고 싶습니다.
아이디어는 데이터 포인트의 수가 증가함에 따라 계산된 기울기가 어떻게 변하는지 보고 싶다는 것입니다. 이 작업을 수동으로 수행하면 슬로프 값이 주어진 값에 근접하게 되고 20개 정도 지점 후에 +/-5% 이내로 유지됩니다.
| 사례 | 시간 | 부피(mL) | 기울기(mL/s) |
| 1 | 0 | 0 | 해당 없음 |
| 2 | 5 | 0.5 | m1 |
| 삼 | 10 | 0.8 | m2 |
| ... | ... | ... | ... |
| N | 티 | V | mN-1 |
그것이 가능하다면 다음 과제는 기울기 공식을 계산할 수 있도록 이것을 설정하여 대신 대칭 이동 계산을 위해 현재 행의 양쪽에 있는 N개의 데이터 포인트를 사용하도록 하는 것입니다.
미리 감사드립니다.
Re: 수식에서 선형 회귀 기울기 계산이것은 흥미 롭습니다 .. p- 값을 적용하고 싶다면 ... 귀무 가설 (기울기 = 0)을 기반으로 ... 이것을 공식에 통합하는 방법이 있습니까?
즉, 슬로프 주변의 신뢰 구간을 기준으로 이동 슬로프가 언제 크게 변경되는지 확인하고 싶습니다.
Re: 수식에서 선형 회귀 기울기 계산"라고 말씀하셨습니다. X 사이의 상관관계가 언제 변경되었는지 알 수 없는 경우가 많기 때문에 이것은 당면한 분석에 대한 시간의 영향을 조사하기 위한 하나의 시도입니다. " JMP Pro에서 Functional Data Explorer를 사용해 보셨습니까? 기능적 주성분을 통해 형태의 변화를 감지하는 데 유용할 수 있습니다.
Re: 수식에서 선형 회귀 기울기 계산안녕하세요 JMP팀...
Nelson의 접근 방식은 내가 찾고 있던 것일 가능성이 큽니다. 나는 mann kendall tau 테스트와 비슷한 요구 사항에 대해 그와 대화하고 있습니다.
내 입력이 단일 행에 없습니다.
내 데이터에는 일반적으로 각각 다른 시간 단계에서 측정된 여러 매개변수가 포함되어 있습니다. 깔끔한 데이터 형식; 매개변수는 열에 있고 각 행은 다른 시간 상태입니다. 즉, 연대기는 행에 있습니다.
나는 이들 중 하나의 추세를 측정하는 많은 통계 함수 또는 시간에 대한 다른 X에 대한 적합성을 조사하고 있지만 롤링 윈도우의 기능으로.따라서 예를 들어 X 대 Y의 전체 기록을 회귀하는 대신, 저는 N 시간 단계를 지나 일정한 시간 내에서 둘의 회귀를 조사하는 논리를 좋아합니다. 그런 다음 각 행이 재평가되어 새로운 결과를 얻습니다. 이는 선형 회귀의 기울기, 비모수 MK 테스트 또는 기타 통계 출력의 타우 테스트일 수 있습니다.
X 사이의 상관관계가 언제 변경되었는지 알 수 없는 경우가 많기 때문에 이것은 당면한 분석에 대한 시간의 영향을 조사하기 위한 하나의 시도입니다. 위에서 언급한 N을 다양한 값으로 변경하여 단기 대 중장기 추세를 살펴볼 수 있습니다.
나는 스크립트로 괜찮습니다. 계산이 스크립트에서만 제공되는 방법에 큰 이점을 줄 수 없다면 스크립트를 선호하지 않습니다.
내가 선호하는 것은 일반적으로 계산을 공식에 넣고 데이터 프레임 내에서 유지하는 것입니다.
오늘까지, 나 하지 않았다 수식 내에서 스크립트 구조를 배포할 수 있음을 알고 있습니다.
그것이 아마도 내 혼란의 주요 원인이었을 것입니다.
모든 도움에 감사드립니다.
Re: 수식에서 선형 회귀 기울기 계산알아요.
제 요점은 수식에서 사용할 수 있는 함수에 대해 배우기 시작하는 가장 좋은 방법은 스크립팅 인덱스를 사용하는 것입니다.
Re: 수식에서 선형 회귀 기울기 계산당신이 찾고 있는 것에 대한 배경 지식을 더 줄 수 있습니까?
일반적으로 수식은 데이터 테이블의 행 전체에서 작동하며 해당 행의 열 값을 입력으로 사용하여 행당 하나씩 평가합니다.
따라서 수식 편집기에서 회귀 함수를 요청하면 데이터 테이블의 각 행에 입력 값의 행렬이 있다고 예상할 수 있습니다. 아마도 그것이 당신이 가진 것이지만 그것은 특이한 구조입니다.
따라서 몇 가지 추가 정보를 통해 수식을 사용하는 방법을 이해하는 데 도움을 주거나 수식 편집기 외부의 방향을 알려줄 수 있습니다.
Re: 수식에서 선형 회귀 기울기 계산JMP 공식은 사용자가 원하는 거의 모든 것이 될 수 있습니다.Scripting Index의 Linear Regression() 함수를 가리키며 스크립트 형식으로 예제를 보여주지만 이 함수는 수식에서도 사용할 수 있습니다.다음은 Big Class 데이터 테이블의 모든 행에 대해 첫 번째 행 1-3, 1-4, 1-5 등의 회귀를 계산하는 어리석은 예입니다.여기에 수식이 있습니다....새 수식 열이 추가된 데이터 테이블에 첨부되었습니다.
Re: 수식에서 선형 회귀 기울기 계산나는 스크립트를 찾고 있지 않습니다.
수식 응용 프로그램을 찾고 있습니다(예: 수식 빌더 사용).Re: 수식에서 선형 회귀 기울기 계산도움말 > 스크립팅 인덱스를 선택합니다. 필터 상자에 "regression"을 입력합니다. 두 번째 목록에서 Linear Regression() 함수를 찾아야 합니다. 오른쪽에서 이 기능에 대한 정보를 보려면 선택하십시오.
Re: 수식에서 선형 회귀 기울기 계산안녕 ...
당신은 " 수식에 사용할 수 있는 선형 회귀() 함수" ...및 최종 목표가 되는 제공된 데이터 세트에 대한 공식 피팅에서 기울기 가져오기 , Linear Regression() 함수 또는 도움말을 어디에서 찾을 수 있습니까?
당신은 어떤 예가 있습니까?
감사해요
Re: 수식에서 선형 회귀 기울기 계산J()는 동일한 값의 행렬을 만드는 함수입니다.기본값은 1입니다.
|| 연결을 나타내는 연산자입니다.따라서 Mark의 예에서 그는 2개의 행렬을 연결합니다.
이러한 함수와 연산자는 스크립팅 가이드에 자세히 설명되어 있습니다.
도움말==>JMP 문서 라이브러리 …..스크립팅 가이드
Re: 수식에서 선형 회귀 기울기 계산@Mark_Bailey 안녕하세요 Mark, 저는 JMP를 처음 사용하며 데이터 테이블의 열에서 3개 점, 4개 점 등에서 선형 회귀를 수행하는 bio_grad와 유사한 작업을 수행하려고 합니다. 나는 당신의 대답이 실제로 무엇을 하고 있는지 이해하려고 노력하고 있으며 몇 가지 질문이 있습니다. ||는 무엇을 || 평균? 또한 J는 무엇입니까?Re: 수식에서 선형 회귀 기울기 계산~에게 @txnelson , 임의 샘플링 대신 각 '웨이퍼' id/값을 기반으로 행 선택에서 적합 모델을 실행하도록 위의 코드를 조정하는 방법을 보여줄 수 있습니까? 감사해요!Re: 수식에서 선형 회귀 기울기 계산안녕,
"3의 범위"를 언급했는데 "N" 샘플의 이동 기울기로 수정하려면 어떤 값을 변경해야 합니까?
감사해요!
Re: 수식에서 선형 회귀 기울기 계산수식에 사용할 수 있는 Linear Regression() 함수를 살펴보십시오.그것은 당신이 사용할 수있는 것일 수 있습니다.
Re: 수식에서 선형 회귀 기울기 계산안녕,
더 직관적인 직접 함수가 포함된 향후 JMP 버전의 수식 빌더에 기울기와 절편을 추가할 계획이 있습니까?
고마워.
Re: 수식에서 선형 회귀 기울기 계산훌륭합니다. 작동합니다. 감사합니다.
Re: 수식에서 선형 회귀 기울기 계산이 수정된 공식은 스팬 8의 이동 기울기를 생성합니다.
If( Row() > 7,
x = J( 8, 1, 1 ) || :height[Index( Row() - 7, Row() )]`;
y = :weight[Index( Row() - 7, Row() )]`;
(Inv( x` * x ) * x` * y)[2];
)
Re: 수식에서 선형 회귀 기울기 계산안녕
창 8로 이동 기울기를 계산하기 위해 수식을 적용하려고 합니다. 즉, (Row() > 7의 경우) x 및 y 데이터의 첫 번째 세트에 대한 선형 회귀의 기울기를 계산하고 싶습니다. 포인트[1 ~ 8], 그리고 1씩 증가하는 다음 8개 데이터 포인트 세트[2 ~ 9] 등. 효소 반응의 초기 속도를 얻기 위해 최대 기울기를 계산하려고 합니다.
이를 달성하기 위해 스크립트를 수정하는 방법을 알려주실 수 있습니까? 귀하의 수식을 테스트했으며 정의된 크기의 이동 창 대신 행 1에서 행 n까지의 모든 데이터 포인트에 대한 기울기를 얻었습니다.
미리 감사드립니다
Re: 수식에서 선형 회귀 기울기 계산와우~~ 대박!!!!!!
매우 감사합니다!!!!! 
Re: 수식에서 선형 회귀 기울기 계산이것이 바로 내가 찾던 것입니다. 이러한 작업이 가능한지 몰랐습니다!
감사합니다!
Re: 수식에서 선형 회귀 기울기 계산열 수식을 사용할 수도 있습니다. Sample Data 폴더에서 Big Class.jmp를 열었습니다. (선택하다 돕다 > 샘플 데이터 라이브러리 > 빅클래스.jmp > 열려 있는 ) 라는 새 숫자 열을 생성했습니다. 움직이는 경사 . 이 예는 다음 열 수식을 사용하여 Y = 무게 및 X = 높이에 대해 범위가 3인 이동 기울기를 계산합니다.
If( Row() > 1,
x = J( Row(), 1, 1 ) || :height[Index( 1, Row() )]`;
y = :weight[Index( 1, Row() )]`;
(Inv( x` * x ) * x` * y)[2];
,
Empty()
)
그런 다음 Graph Builder에서 이동 기울기 대 행을 플로팅합니다.
Re: 수식에서 선형 회귀 기울기 계산이 수식을 새 수식 열에 연결해 보십시오(현재 행까지 기울기가 계산됨).
(Row() * Summation( i = 1, Row(), :Time[i] * :Volume[i] )
-Summation( i = 1, Row(), :Time[i] ) * Summation( i = 1, Row(), :Volume[i] )) / (
Row() * Summation( i = 1, Row(), :Time[i] ^ 2 )
-Summation( i = 1, Row(), :Time[i] ) ^ 2)
질문의 두 번째 부분을 수행하려면 합계의 인덱스만 변경하면 됩니다(예: i=Row()-N에서 Row()+N으로).
도움이 되었기를 바랍니다.
-실내 변기
Re: 수식에서 선형 회귀 기울기 계산다음은 원하는 출력을 제공하는 스크립트이며 다른 방식으로 수행합니다.Fit Model Platform을 사용하고 이를 여러 번 반복하면서 N을 높입니다.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA\semiconductor capability.jmp" );
// Create an output table to hold the results
dtOut = New Table( "summary",
New Column( "Instance" ),
New Column( "N" ),
New Column( "RSquare" ),
New Column( "RSM" ),
New Column( "Intercept" ),
New Column( "b1" ),
New Column( "b2" )
);
Loop Counter = 0;
// Loop across the different sizes
For( i = 5, i <= 111, i = i + 5,
Loop Counter++;
// Create a random sample data table from the original data table
dt << New Column( "random", formula( Random Uniform() ) );
dt << sort( by( dt:random ), , Order( Ascending ), replace table( 1 ) );
dt << delete columns( "Random" );
dt << select where( Row() <= i );
dtSample = dt << subset( invisible, selected rows( 1 ), selected columns( 0 ) );
// Run the regression
fm = dtSample << Fit Model(
Y( :NPN1 ),
Effects( :PNP1, :PNP2 ),
Personality( "Standard Least Squares" ),
Emphasis( "Minimal Report" ),
Run(
:NPN1 << {Summary of Fit( 1 ), Analysis of Variance( 1 ), Parameter Estimates( 1 ),
Lack of Fit( 0 ), Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )}
)
);
// Capture the output data
dtOut << Add Rows( 1 );
dtOut:Instance[N Rows( dtOut )] = Loop Counter;
dtOut:N[N Rows( dtOut )] = i;
dtOut:RSquare[N Rows( dtOut )] = (Report( fm )["Summary of Fit"][1][2] << get)[1];
dtOut:RSM[N Rows( dtOut )] = (Report( fm )["Summary of Fit"][1][2] << get)[3];
dtOut:Intercept[N Rows( dtOut )] = (Report( fm )["Parameter Estimates"][1][3] << get)[1];
dtOut:b1[N Rows( dtOut )] = (Report( fm )["Parameter Estimates"][1][3] << get)[2];
dtOut:b2[N Rows( dtOut )] = (Report( fm )["Parameter Estimates"][1][3] << get)[3];
// Clean up after our selfs
fm << close window;
Close( dtSample, nosave );
);Re: 수식에서 선형 회귀 기울기 계산내가 하고 싶었던 일을 정확하게 해결해주는 환상적인 솔루션입니다. 감사합니다!!
Re: 수식에서 선형 회귀 기울기 계산이 문제에 관심이 있는 사람들은 희망 아이디어를 지지하는 것을 고려할 수 있습니다.
https://community.jmp.com/t5/JMP-Wish-List/Moving-Rolling-Window-Statistics/idi-p/722620
