データセットの境界に沿って追跡する曲線機械のモーターから記録された値があります。データの上、中、下に沿って追跡する曲線を作成しようとしています。JMPでこれを行う方法はありますか、それとも別のソフトウェアで行う必要がありますか。私がやりたいことのイメージが添付されています。任意のフィードバックをいただければ幸いです。
データセットの境界に沿って追跡する曲線分位点回帰はJMP Proの機能です。選択する助けて > 本 > 線形モデルの近似 。についての章を参照一般化回帰 。
これらのモデルがあなたのデータフィッティングプロセスを単純化する可能性が高いと思います。モデルは単一変数（時間）であり、多項式内挿関数の十分な次数は高すぎません（多分4次）。
その場所についてのあなたのデータにはほとんど「情報」がないので、極端な値（0％または100％）に適合しようとしないでください。少し（5％または95％）引き下げると、十分な情報が得られます。中央値（50％）ももちろん利用できます。
このモデリングは柔軟性があり、線形回帰よりも仮定が少なくなります。さらに、それはあなたの最初の質問に対する直接的な答えを提供します：パラメータ推定値はあなたの実験的な応答として使用することができます。
データセットの境界に沿って追跡する曲線さらに別のアイデアとして、これは時系列データなので、[分析] - > [専門モデリング] - > [時系列プラットフォーム]を参照しましたか。あらゆる種類のモデルをそこに構築することができ、ほとんどの場合、さまざまなアルファレベルで予測区間を保存/プロットすることができます。
データセットの境界に沿って追跡する曲線分位点回帰を使用して上限値と下限値をモデル化します。
「ノイズ」は、実際にはノイズではなく、プロセス内の条件の変化によるモーターの変化です。多少のノイズがありますが、あなたが見ることができるのはプロセスの単なる変化です。
データセットの境界に沿って追跡する曲線分位点回帰が中央値と上限値と下限値をモデル化するための良い方法であるかどうか私は疑問に思います。
ノイズは時間の経過とともに一定ではありませんね。また、ノイズは高頻度のサイクルですか、それともランダムですか。（写真からはわかりません。）
データセットの境界に沿って追跡する曲線私は実際に働きます dkraeuter_sunne そして私たちの問題についてもう少し説明したいと思います。 あなたが見ているデータは実際には時間に対するトルク曲線を表示しています。最初の図でわかるように、グラフの上端と下端は、時間の経過とともに「発散」します。これらの曲線の振幅の変化を捉える方法が必要です。
このデータは、実際には大規模DOEの一部です。したがって、データの「上」、「下」、および「中」の傾向を捉える多項式近似が必要です。係数はその後、応答として我々のDOEで使用されます。今、私は作成しました非常に基本的に数値微分を使用して勾配の符号を変更することによって、上下のデータポイントを取得するための複雑な（そしてかさばる）エクセルシート。また、3次多項式フィット係数も取得します。他の2枚の写真はこれを示しています。この特定のランでは、Excelシートはかなりうまくいきました。ただし、このスプレッドシートは完璧ではありません。他のデータセットでは、多項式の近似を大きくゆがめる、浮遊するデータポイントがいくつか残っているためです。
最大移動量と最小移動量のあなたの提案は、それが私たちにとってうまくいくかもしれないように聞こえます。私の次の質問は、多項式の係数をエクスポートできる方法を知っていますか？486曲線あります。自動化する必要があります。
ありがとうございます。
データセットの境界に沿って追跡する曲線これは、短いスパン= 3を使用し、重み付けを適用しない簡単なデモンストレーションの公式です。
If( Row() > 1 & Row() < N Row( Empty() ),
Maximum( :Oxy[Index( Row() - 1, Row() + 1 )] ),
Empty()
)
他の分位数を取得するには、Maximum（）の代わりにQuantile（）関数を使用できます。
データセットの境界に沿って追跡する曲線Fit Y by Xプラットフォームを通過する1つの可能な方法は、必要なスタイルモデル、多項式、2次などを選択することです。次に、レポート内の特定のモデルに適合するホットスポットから、信頼曲線の個人を選択します。アルファレベルを調整して、曲線をベストフィットラインに近づけたり遠ざけたりして動かすことができます。上、中、下というやや主観的な考えに対する基準を操作上定義したい場合があります。
データセットの境界に沿って追跡する曲線曲線が視覚化のためのものであるのか、それともより正確である必要があるのかはわかりませんが、移動最小値と移動最大値を計算して（平滑化関数）、プロットに追加することができます。その考え方は、極端な値に対する移動平均の考え方と似ています。私はこの目的のための最良のスパンを知りませんが、あなたはそれを可変にして、あなたに良い滑らかさを与える最小のスパンが何であるか見ることができます。重み付けスキームを使用する必要があるかもしれません。
