등식 예측친애하는 모두, 다항식 방정식에서 예측에 대한 도움이 필요합니다. 첨부 파일에 jmp 파일이 있습니다. 시간과 함께 재미있는 결과 변화 (하루). 또한 ı 결과가 22와 같은 시간을 예측하려고합니다. 그 목적을 위해
분석 ---> X를 X로 맞추기
Y, 응답 : 결과
X, 팩터 : 시간 (일)
그때
빨간색 삼각형에서 Fit, polynomial -> 3, cubic을 선택합니다.
아래 방정식이 얻어진다.
결과 = 13,063024 + 1,1850185 * 시간 (일) - 0,3382576 * (시간 (일) -5,5) ^ 2 +0,0272922 * (시간 (일) -5,5) ^ 3
나는 시간 (일) 결과가 22와 같을 것이라고 예측하고 싶다.
위의 방정식을 어떻게 사용할 수 있습니까?
누구든지이 일을 도울 수 있습니다.
첨부 된 jmp 파일을 볼 수 있습니다.
재 : 방정식 예측이안의 그림은 나를 묻는다. 질문 22 : aboout 22에 점근선이 있는가? 따라서 저는 물류 모델과 같은 모델을 데이터에 맞추는 것을 고려할 때 데이터에 대한 주제 지식을 가진 사람을 물어볼 것입니다. 그러나 Ian이 지적한 것처럼 더 많은 데이터가 없으면 시간이 지나면 어떤 일이 발생하는지 알지 못합니다.
분석> 전문 모델링> 비선형
결과 = Y
시간 = X
확인을 클릭하십시오.
빨간색 삼각형> 시그 모드 곡선> 물류 곡선> Fit Logistic 3P
또는이 스크립트를 복사하여 실행하십시오.
곡선 맞추기 (Y (: Result), X (: 이름 ( "Time (day)")), Fit Logistic 3P)
재 : 방정식 예측이안은 정확하고 그 점을 놓쳤습니다. 예측 프로파일 러의 바람직한 기능이 도움이 될 수 있습니다. Prediction Profiler 옆의 빨간색 삼각형을 클릭하고 최적화 및 바람직 함 > 바람직한 기능 . 응답에 바람직 함을 나타내는 기본 매핑은 최대화입니다. Ctrl- 클릭 (Windows) 또는 Cmd 클릭 (매킨토시) desirability 함수 plot을 사용하고 Maximize에서 Goal로 변경하십시오. 경기 목표 . 이제 Low, Middle 및 High 값을 업데이트하여 목표를 나타냅니다. (바람직한 값을 변경하지 마십시오!) 예를 들어, 응답에 22 +/- 0.1를 원한다고 가정 해 봅시다. 21.9를 입력하십시오 : 낮은 , 22 중간 , 22.1 높은 . 딸깍 하는 소리 승인 . 이제 빨간색 삼각형을 다시 클릭하고 최적화 및 바람직 함 > 바람직 함 극대화 .
재 : 방정식 예측내가 틀린 것이 아니라면 예언 된 관심의 22 값 (따라서 내 점선 녹색 선).
재 : 방정식 예측맞춤 모델을 열 수식으로 저장할 수 있습니다. 옆에있는 빨간색 삼각형을 클릭하십시오. 다항식 적합도 = 3 작의 밑에 그러나 개략의 나머지의 위 그리고 선택의 밑에 예측 저장 . 지금 선택하십시오. 그래프 > 프로파일 러 , 새로운 예측 열을 선택하고 Y, 예측 공식 , 다음을 클릭하십시오. 승인 . 이제 클릭, 드래그 또는 타이핑하여 예측 값을 22 또는 다른 값으로 변경할 수 있습니다. 예측은 응답 축에 표시됩니다.
그러나 외삽에 대한 이안의 경고는 의미합니다.
재 : 방정식 예측이 사진은 이야기를 전한다.
아시다시피, 경험적 모델을 만들 때 보외는 항상 위험합니다. 실제로 질문에 대답하려면 더 많은 데이터가 필요합니다.
