<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo
Ich habe mich gefragt, ob es in JMP eine Möglichkeit gibt, Rohdaten mehrerer Messpunkte (jeder mit einer X-, Y-, Z-Komponente) zu erfassen und diese Daten am besten anzupassen, um eine bestmögliche Ebene zu bilden. Grundsätzlich besteht meine Absicht darin, rohe Messdaten von OMMs/KMGs zu entnehmen und diese selbst ohne den Einsatz von KMG/OMMs-Messsoftware anzupassen.
Vielen Dank für Ihre Hilfe!
Ich denke, die Antwort hängt auch davon ab, was genau unter „bester Passform“ zu verstehen ist. W Wenn es keine natürliche Unterscheidung zwischen Prädiktor- und Antwortvariablen gibt oder wenn alle Variablen mit Fehlern gemessen werden, sollten Sie eine Hauptkomponentenanalyse in Betracht ziehen. Dies steht im Gegensatz zur üblichen Regressionsannahme, dass Prädiktorvariablen (oben als X und Y genommen) exakt gemessen werden und nur die Antwortvariable (oben als Z genommen) eine Fehlerkomponente aufweist.
rotes Dreieck->SaveColumns->PredictionFormula fügt der Tabelle eine Formelspalte hinzu, die den vorhergesagten Wert für (X,Y) anzeigt.Im Allgemeinen wird es nicht genau mit Ihren ursprünglichen Datenpunkten identisch sein.Vielleicht möchten Sie die Unterschiede zwischen der ursprünglichen und der vorhergesagten Spalte sehen ... saveColumns->Residuen.
Es hört sich jedoch so an, als ob Sie vielleicht etwas anderes wollen würden.Können Sie erklären, was Sie zu tun versuchen?Vielleicht ein Diagramm, ähnlich dem Oberflächendiagramm?Oder eine Art Abfragesystem zum Abrufen der Daten?
Danke für die Antwort. Ich habe die Fit-Model-Plattform wie angewiesen verwendet und sie hat perfekt funktioniert.
Haben Sie Ideen, wie Sie die Anpassung der Daten aufheben können? Wenn ich X, Y und die Gleichung für Z habe, gibt es im Grunde eine Möglichkeit, das ursprüngliche Z zu bestimmen?
ich benutzte ax + by + cz = d als Ausgangspunkt, um einige leicht zufällige Daten wie diese zu generieren:
dt = New Table( "Untitled",
Add Rows( 20 ),
New Table Variable( "a", 5 ),
New Table Variable( "b", 7 ),
New Table Variable( "c", 11 ),
New Table Variable( "d", 13 ),
New Column( "x", Formula( Random Uniform() * 10 ) ),
New Column( "y", Formula( Random Uniform() * 10 ) ),
New Column( "z", Formula( Random Normal() / 2 + (:d - (:a * :x + 
* :y)) / :c ) )
);
was Z zu einer Funktion von X und Y macht, ungefähr auf der durch A, B, C, D definierten Ebene.
Als nächstes verwenden Sie Analysieren->Modell anpassen und geben Z als Y (Antwort) ein und ADDIEREN X und Y zu den Modelleffekten.Klicken Sie auf Ausführen.Der Parameter Schätzungen ist meiner Meinung nach das, wonach Sie suchen.Ich bekomme das für meine Zufallszahlen:
Um diese wieder in die Form A=5, B=7, C=11, D=13 umzuwandeln, ordnen Sie die Formel wie folgt um
und siehe d/c ist 13/11 ist 1,1818 (nahe 1,179), a/c ist 5/11 ist 0,4545 (nahe 0,4555) und b/c ist 7/11 ist 0,6363 (nahe 0,6355).Achten Sie auf die Schilder.Sie können die Oberfläche im Fenster „Kleinste Quadrate anpassen“ sehen. Menü mit rotem Dreieck -> Faktorprofilierung -> Oberflächenprofiler.Aktivieren Sie unter „Darstellung“ die Option „Tatsächliche Punkte“.
Auf der Plattform können Sie die Oberfläche drehen, um die Punkte oberhalb und unterhalb der Ebene deutlich zu sehen.Klicken Sie auf die Punkte, um sie auszuwählen.Dieses Bild wird dem nicht gerecht...
