프로파일 예측을위한 회귀 또는 상관 관계현재 오븐 프로파일에 대한 분석을하고 있습니다. 우리는 thermocopules에서 오븐에서 16 데이터 포인트 있습니다. 최대 열 온도 및 최대 저온을 나타내는 최대 데이터 2 개.
16 개의 데이터 포인트와 2 개의 최대 데이터 포인트는 출력 응답입니다. 즉, 2 개의 출력 응답 세트가 있음을 의미합니다. 1) 열전쌍의 프로파일 온도 2) 2 센서의 오븐 표시 온도.
이 두 데이터 세트를 사용하여 실제 프로파일 온도를 예측하는 데 가장 적합한 분석은 무엇입니까?
상관 관계 또는 회귀 적합 모델? 둘 다 출력 응답이기 때문에 나는 이것에 혼란스러워합니다.
이것은 곡선 응답이기 때문에, 2 차 회귀 모델을 사용하는 것이 더 적합하다는 것을 알게되었습니다. 이 경우 올바른 분석 방법에 대한 도움이 유용합니다.
Re : 프로파일 예측을위한 회귀 또는 상관 관계귀하의 .pptx는 유익한 정보 였지만 측정 된 값의 스크린 샷이 포함되어 있으므로 일반적인 인상 만 남았습니다. 분명히 더 많은 데이터가 유용 할 것이며, TBH, 나는 그러한 데이터가 이용 가능할 때까지 합리적인 권고를 할 수 있다고 생각하지 않는다.
이와 같은 경우, 그리고 모델링에 대해 생각하기 전에, 데이터를 그래픽으로보고 변형 된 소스를 더 잘 이해하는 것이 중요합니다. 오븐 실행은 현재 '트레이', '유형'및 '시퀀스'의 여러 조건에서 왔으며 (측정 불확도에 대한 질문을 무시하고 색상을 seriosly 코딩하면) 용어 패턴과 유사합니다 오븐 내에서 이러한 조건에 따라 달라질 수 있습니다. 따라서 '예측'(아직 지정되지 않은 통계적 접근법 사용)이 모든 사례를 함께 다루는 지 아니면 일부만을 다루는지를 결정해야합니다. 어쨌든, 결국 어떤 기법을 사용하든, 두 개에서 16 개의 숫자를 얻는 것은 야심적인 것 같습니다.
Re : 프로파일 예측을위한 회귀 또는 상관 관계첨부 된 오븐 열전대 판독 값과 오븐 디스플레이의 온도 판독 값입니다.
기본적으로 우리 연구에서 오븐 실에서 얻은 실제 열전대 판독 값과 오븐에 표시된 두 판독 값 사이의 관계를 확인하려고합니다. 열전대 판독 값과 오븐 디스플레이 판독 값의 최대 값을 기록했습니다. 이제 우리는 디스플레이 판독 값으로 오븐 실 판독 값을 예측하는 것입니다. 더 많은 데이터를 수집 중입니다. 그러나 내 질문에 이차 적합 회귀 모델이 적절한 것입니다. 그것들은 종속 변수로 간주 될 것인가? 이것에 대한 올바른 통계 방법에 맞는 회귀 모델입니까?
Re : 프로파일 예측을위한 회귀 또는 상관 관계예, '입력'또는 '출력'은 모두 하나의 관점입니다.
나는 너의 묘사에서 일반적인 생각을 가지고있다. 그러나 나는 네가 '말할 때 더 구체적이어야한다고 생각한다. 분석 오븐 프로파일 '. 그러한 분석의 실제 목표는 무엇입니까? 예를 들어, 오븐에서 나오는 것에 영향을 미치기 때문에 온도 프로파일을 제어하거나 심지어 더 균일하게 만들 수도 있습니다. '제어'의 경우 기록 된 최대 값과 최소값을 사용할 수도 있고 가능할 수도 있습니다 (16 가지가 아닌). 이 가능성이 합리적인지 여부는 16 개의 측정과 2 개의 다른 측정 사이의 관계를 이해하려는 분석에 의해 결정될 수 있습니다. 그 분석에서 16은 입력으로 간주되고 2는 출력으로 간주됩니다.
일단 이것이 명확 해지면 사람들은 관심의 관계를 결정하기 위해 어떤 기술이 좋은지에 대한 제안을 할 수 있어야합니다. 평소와 같이 JMP 테이블의 샘플 데이터가 도움이 될 것입니다.
