<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />¿Cómo obtener predicción no lineal con dos variables en JMP?
También encontré un ejemplo de ajuste de datos a una distribución de Weibull a través de la plataforma no lineal.
Hola hemi
A menudo utilizo un modelo no lineal para ajustar los datos. Adjuntaré un fragmento de código con la esperanza de que te apunte en una dirección. Creo una columna de fórmula y luego ejecuto un ajuste Non_linear.
Fade = Tabla de datos actuales ();
Fade << Nueva columna ("Exponencial estirado", numérico, continuo, fórmula (Parámetro ({a = 1, b = -0.01, c = 0.2}, a * exp (b *: Hours ^ c))));
f = Fade << No lineal (
Y (: Nombre ("Std Light Output1")), // Esta es nuestra medida de salida de luz para un panel OLED
X (: Nombre ("Exponencial Estirada")),
Límite de iteración (100000),
Sin roscar (1),
Newton,
Terminar,
Por (: Dev ID),
Predicción inversa personalizada (respuesta (0.9, 0.95),
Valor del término (Horas (. )))
);
f_rep = f << reporte;
rep = Informe (f [1]) [Cuadro de esquema (3)] [Cuadro de tabla (1)] << Crear tabla de datos combinados;
rep = tabla de datos actual () << Establecer nombre ("Informe MSE");
rep = tabla de datos actual ();
rep << Save (:: results || "MSE Report.jmp");
vida = Informe (f [1]) [Cuadro de esquema (6)] [Cuadro de tabla (1)] << Crear tabla de datos combinados;
vida << tabla de datos actual << Establecer nombre ("Predicciones de vida combinadas");
vida = tabla de datos actuales ();
vida << Nueva columna ("Exp. No", carácter, fórmula (Substr (: Dev ID, 1, 10)));
life << Save (:: results || "Combined T90 Predictions.jmp");
Hazme saber si tienes alguna pregunta.
Dave
Hola hemi
Mis sugerencias a continuación se basan en una mejor estimación de lo que quiere lograr.
Una opción que puede probar es transformar sus datos de respuesta o sus entradas de interés o ambas. Intente usar una transformación de registro, Ln o raíz cuadrada para intentar y hacer que los datos sean más lineales.
Puedes hacer todo esto directamente en la plataforma Fit Model. Al hacer esto en Fit Model, puedes usar tantas variables como quieras para construir el modelo.
Puede hacer clic con el botón derecho en cualquier variable que desee transformar en la lista de selección de columnas y crear una columna de transformación temporal que se usará en el análisis. Si esta transformación funciona, puede guardar la columna en la tabla de datos haciendo clic derecho en la columna temporal y eligiendo guardar la columna. Si elige transformar sus datos de respuesta, asegúrese de seleccionar la columna como respuesta en la plataforma Fit Model, resalte la columna "Y" y luego vaya al menú desplegable Transformar en la parte inferior central del cuadro de diálogo. Al establecer la transformación de esta manera, su respuesta prevista se informará en los valores originales (no transformados).
Otra opción es construir una fórmula en una nueva columna que incorpore las variables de interés. Luego puede usar esa fórmula para la "X" en la plataforma no lineal para desarrollar su modelo. Esto es especialmente útil e importante si está utilizando una primera ecuación de principios que tiene parámetros adicionales asociados.
Independientemente de lo que elija, asegúrese de guardar su fórmula de predicción en su tabla de datos. Vaya a Gráfico> Perfilador y seleccione la columna de fórmula de predicción para Y, Fórmula de predicción. Asegúrese de seleccionar Expandir fórmulas intermedias en la parte inferior izquierda y seleccione Aceptar. Esto le permitirá ver cómo las múltiples variables influyen en la predicción general.
Cuenta
