Détermination de l'équation xy à des fins de prédictionChers tous,
J'ai besoin d'aide pour déterminer la détermination de la relation xy. J'ai 6 lots et je les ai analysés à différents jours. (22 fois). J'essaie de représenter graphiquement x = point temporel y = graphique de mesure, puis de créer l'équation la plus appropriée entre eux. Linéaire, qubic ou etc ... Comment peut-on déterminer l'équation la plus appropriée pour déterminer quand le point x = 6 y =? valeur?
Est-ce que quelqu'un peut aider à ce sujet?
Re: détermination de l'équation xy à des fins de prédictionOui tu devrais ne pas utilisez R carré ou RMSE pour la sélection du modèle. Oui, vous devez utiliser un critère tel que AICc ou utiliser un évaluation honnête méthode comme validation croisée .
La validation croisée utilise deux ou trois partitions exclusives des données ( tenir des ensembles ). Le premier ensemble est utilisé pour train (ajustement) le modèle. Le deuxième ensemble est utilisé pour valider la sélection du modèle. Le troisième ensemble facultatif est utilisé pour tester le modèle sélectionné. Vous pouvez désigner les ensembles de validation en fonction de votre propre schéma de partition ou utiliser Validation croisée des plis en K . Vous pouvez prendre les plis K à l'extrême et utiliser laisser un validation.
Je pense que l'AICc est plus que suffisant dans votre cas simple d'un prédicteur unique (temps).
Donc, oui, il y a plusieurs façons de décider quelle courbe convient le mieux à votre jeu de données. J'ai également mentionné, puis un autre répondant a répété, qu'un modèle théorique est généralement le meilleur lorsqu'il est disponible. Le choix du critère de sélection du modèle et de la meilleure courbe dépend de vous.
Il y a une raison pour laquelle nous avons plusieurs critères. Il y a une raison pour que JMP commande les modèles de candidats par AICc.
Re: détermination de l'équation xy à des fins de prédictionLorsque je sélectionne la courbe (l’équation) la plus appropriée pour obtenir les résultats obtenus, j’essaie toutes les options d’ajustement, puis leurs valeurs Rsquare et RMSE. Si la valeur R2 est supérieure et la valeur RMSE est inférieure, c'est l'équation la plus appropriée pour moi. Par conséquent, je choisis la courbe de Quintic qui est surlignée en jaune sur la photo. Mais si je comprends bien à partir de vos commentaires, vous choisissez l’équation la plus appropriée parmi les valeurs de l’AIC? Ai-je raison?
Existe-t-il un moyen de choisir la courbe la mieux adaptée à mon jeu de données? Quel modèle convient le mieux à mes résultats?
Pouvez-vous aider à ce sujet 
Re: détermination de l'équation xy à des fins de prédictionJe penserais aussi que la "physique" des processus générant les résultat la mesure dans le temps serait également un facteur déterminant dans le choix du modèle le plus approprié. Donc, si, par exemple, la possibilité de décrément par unité de temps par unité de mesure de résultat est constante, la fonction exponentielle peut s'appliquer.
Re: détermination de l'équation xy à des fins de prédiction(Veuillez noter que j'ai inclus une image du profileur de prédiction initial dans le premier message par erreur. Je l'ai remplacée par le profileur de prédiction mis à jour qui reflète l'évolution du temps en 6).
En supposant que l'effet Lot soit un effet aléatoire et en l'ignorant pour les besoins de ce modèle, j'ai utilisé Fit Curve pour explorer des modèles candidats plausibles. J'ai inclus quelques modèles de décroissance exponentielle en plus des modèles polynomiaux que vous avez explorés. Voici le classement de l'AICc:
Le meilleur choix est le modèle exponentiel à trois paramètres et le quadratique est un second choix proche. En fait, les cinq premiers modèles se situent à moins de 4 AICc, de sorte qu'ils sont tous pris en charge par ces données. Mais nous préférons la parcimonie à la complexité. Les deux premiers choix semblent raisonnables compte tenu de l’évolution du résultat dans le temps pour tous les lots. La complexité des autres modèles candidats semble injustifiée.
Le choix maintenant, il me semble, est de savoir si vous avez besoin d'extrapolation. Le modèle quadratique se met en place alors que le modèle exponentiel s'approche d'une asymptote.
Ma préférence est le modèle exponentiel dans ce cas, je vais donc l'utiliser pour démontrer l'exploitation du modèle. Le même processus fonctionne avec n'importe lequel de ces modèles.
- Cliquez sur le triangle rouge en regard du modèle (Exponential 3P dans cet exemple).
- Sélectionner Profiler .
- Modifiez l'heure (jour) au niveau souhaité de 6 en cliquant sur la trace de résultat, en la faisant glisser ou en entrant directement la valeur en tant que valeur actuelle (rouge) dans l'échelle.
La prédiction est mise à jour:
Le résultat estimé à l'heure = 6 jours est donc de 98,46303 ou de 96,495 à 100,431 avec une confiance de 95%.
Re: détermination de l'équation xy à des fins de prédictionSalut,
Pourriez-vous s'il vous plaît m'aider à déterminer le fichier jmp joint pour obtenir l'équation la mieux adaptée entre l'interaction temps / résultat?
Re: détermination de l'équation xy à des fins de prédictionJMP fournit de nombreuses plates-formes pour adapter différents types de modèles. Chacune fournit une variété de statistiques ou de critères permettant de sélectionner le meilleur modèle à partir des données. (Ce processus suppose que vous n'avez pas encore déterminé le modèle à partir d'une théorie.) Les modèles linéaires sont un excellent point de départ.
- Sélectionnez Analyser> Adapter le modèle.
- Sélectionnez votre colonne de données y dépendante et cliquez sur Y.
- Maintenant, vous avez le choix:
- vous pouvez ajouter des termes jusqu'à ce que vous décidiez qu'il n'y a pas de parti pris ou
- entrez tous les termes possibles et supprimez les termes que vous décidez ne sont pas significatifs jusqu'à ce que le biais apparaisse.
- Vous pouvez utiliser des tests d'hypothèse pour des estimations nulles pour des termes individuels (tests t dans Estimations de paramètres ou tests F dans des tests d'effet).
- Vous pouvez utiliser des critères théoriques de l'information tels que AICc ou BIC pour l'ensemble du modèle.
- Vous pouvez utiliser l’un ou l’autre de ces types d’informations dans un processus de sélection manuelle en:
- en cliquant sur Exécuter et travailler avec la plate-forme Fit Least Squares ou
- dans un processus de sélection automatisé en remplaçant la personnalité des moindres carrés standard par Pas à pas, puis en cliquant sur Exécuter.
Vous pouvez ensuite utiliser différentes méthodes pour prédire la réponse, mais le prédicteur est le meilleur.
Si le modèle linéaire est inadéquat, vous pouvez choisir parmi d'autres modèles.
S'il te plait regarde Aidez-moi > Livres > Montage de modèles linéaires .
Nous fournissons également cours de formation qui couvrent ce sujet, qui n’est pas facilement enseigné par une simple discussion ici.
