Bestimmung der xy-Gleichung zum Zwecke der VorhersageSehr geehrte Damen und Herren,
Ich brauche eine Hilfe, um die Bestimmung der xy-Beziehung zu bestimmen. Ich habe 6 Chargen und habe sie an verschiedenen Tagen analysiert. (22 mal). Ich versuche, x = Zeitpunkt y = Messkurve darzustellen und dann die am besten geeignete Gleichung zwischen ihnen zu erstellen. Linear, qubic oder etc ... Wie kann ich die am besten geeignete Gleichung bestimmen, um zu bestimmen, wann der Zeitpunkt x = 6 y = ist? Wert?
Kann da jemand helfen?
Re: xy-Gleichungsbestimmung zum Zwecke der VorhersageJa du solltest nicht Verwenden Sie R-Quadrat oder RMSE für die Modellauswahl. Ja, Sie sollten entweder ein Kriterium wie AICc verwenden oder ein ehrliche Einschätzung Methode wie Kreuzvalidierung .
Die Kreuzvalidierung verwendet zwei oder drei exklusive Partitionen der Daten ( Sätze aushalten ). Der erste Satz wird verwendet Zug (fit) das Modell. Der zweite Satz wird verwendet bestätigen die Modellauswahl. Der optionale dritte Satz wird verwendet Prüfung das ausgewählte Modell. Sie können die Validierungssätze entweder nach Ihrem eigenen Partitionsschema festlegen oder verwenden K-fach Kreuzvalidierung . Sie können die K-Falte bis zum Äußersten nutzen und verwenden lass eins aus Validierung.
Ich denke, dass AICc in Ihrem einfachen Fall eines einzelnen Prädiktors (Zeit) mehr als ausreichend ist.
Ja, es gibt viele Möglichkeiten zu entscheiden, welche Kurve für Ihren Datensatz am besten geeignet ist. Ich erwähnte auch, und dann wiederholte ein anderer Befragter, dass ein theoretisches Modell normalerweise das beste ist, wenn es verfügbar ist. Die Wahl des Kriteriums für die Modellauswahl und die Auswahl der besten Kurve liegt bei Ihnen.
Es gibt einen Grund dafür, dass wir viele Kriterien haben. Es gibt einen Grund dafür, dass JMP die Kandidatenmodelle bei AICc bestellt.
Re: xy-Gleichungsbestimmung zum Zwecke der VorhersageWenn ich die am besten geeignete Kurve (Gleichung) für die erhaltenen Ergebnisse auswähle, versuche ich alle Anpassungsoptionen und schaue dann ihre Rsquare- und RMSE-Werte an. Wenn der R2-Wert höher und der RMSE-Wert niedriger ist, ist die für mich am besten geeignete Gleichung. Wählen Sie daher eine Quintikkurve, die auf dem Bild gelb markiert ist. Aber wie ich aus Ihren Kommentaren verstehe, entscheiden Sie sich für die am besten geeignete Gleichung aus den AIC-Werten. Habe ich recht?
Gibt es eine Möglichkeit, die am besten geeignete Kurve für meinen Datensatz zu wählen? Welches Modell passt am besten zu meinen Ergebnissen?
Kannst du uns helfen? 
Re: xy-Gleichungsbestimmung zum Zwecke der VorhersageIch würde auch denken, dass die "Physik" der Prozesse die generieren Ergebnis Zeitmessung wäre auch ein Faktor bei der Wahl des Modells, das am besten geeignet ist. Wenn zum Beispiel die Dekrementierungsmöglichkeit pro Zeiteinheit pro Maßeinheit von Ergebnis konstant ist, kann die Exponentialfunktion angewendet werden.
Re: xy-Gleichungsbestimmung zum Zwecke der Vorhersage(Bitte beachten Sie, dass ich versehentlich ein Bild des ursprünglichen Prediction Profiler in den ersten Beitrag eingefügt habe. Ich habe es durch den aktualisierten Vorhersage-Profiler ersetzt, der die Änderung der Zeit in 6 widerspiegelt.)
Unter der Annahme, dass Batch ein zufälliger Effekt ist und diesen für die Zwecke dieses Modells ignoriert, habe ich Fit Curve verwendet, um plausible Kandidatenmodelle zu untersuchen. Ich habe zusätzlich zu den von Ihnen untersuchten Polynommodellen einige exponentielle Zerfallsmodelle hinzugefügt. Hier ist das Ranking von AICc:
Die beste Wahl ist das Drei-Parameter-Exponentialmodell, und das Quadratische ist eine nahe Wahl. Tatsächlich liegen die ersten fünf Modelle innerhalb von 4 AICc, so dass sie alle von diesen Daten unterstützt werden. Aber wir bevorzugen Sparsamkeit der Komplexität. Die ersten beiden Optionen erscheinen angesichts eines zeitlichen Verlaufs aller Chargen sinnvoll. Die Komplexität der anderen Kandidatenmodelle erscheint ungerechtfertigt.
Die Wahl jetzt scheint mir, ob Sie eine Extrapolation brauchen. Das quadratische Modell erscheint, während sich das Exponentialmodell einer Asymptote nähert.
Meine Präferenz ist in diesem Fall das exponentielle Modell. Ich werde es daher verwenden, um die Ausnutzung des Modells zu demonstrieren. Das gleiche Verfahren funktioniert mit einem dieser Modelle.
- Klicken Sie auf das rote Dreieck neben dem Modell (in diesem Beispiel Exponential 3P).
- Wählen Profiler .
- Ändern Sie die Uhrzeit (Tag) auf die gewünschte Stufe von 6, indem Sie auf die Ergebniskurve klicken oder sie ziehen oder den Wert direkt als aktuellen Wert (rot) in die Skala eingeben.
Die Vorhersage wird aktualisiert:
Ihr geschätztes Ergebnis zur Zeit = 6 Tage ist also 98.46303 oder 96.495 bis 100.431 mit 95% igem Vertrauen.
Re: xy-Gleichungsbestimmung zum Zwecke der VorhersageHallo,
Könnten Sie mir bitte helfen, die angehängte jmp-Datei zu ermitteln, um die am besten geeignete Gleichungsbestimmung zwischen der Zeit / Ergebnis-Interaktion zu erhalten?
Re: xy-Gleichungsbestimmung zum Zwecke der VorhersageJMP bietet viele Plattformen zum Anpassen verschiedener Arten von Modellen. Jedes bietet eine Vielzahl von Statistiken oder Kriterien, um das beste Modell aus den Daten auswählen zu können. (Bei diesem Prozess wird davon ausgegangen, dass Sie das Modell bisher noch nicht aus einer Theorie ermittelt haben.) Lineare Modelle sind ein hervorragender Ausgangspunkt.
- Wählen Sie Analysieren> Modell anpassen.
- Wählen Sie Ihre abhängige y-Datenspalte aus und klicken Sie auf Y.
- Jetzt haben Sie die Wahl:
- Sie können Begriffe hinzufügen, bis Sie entscheiden, dass keine Verzerrung oder
- Geben Sie alle möglichen Begriffe ein und entfernen Sie die Begriffe, die Sie für unwichtig halten, bis die Befangenheit angezeigt wird.
- Sie können Hypothesentests für Nullschätzungen für einzelne Terme verwenden (T-Tests in Parameterschätzungen oder F-Tests in Effekttests).
- Sie können informationstheoretische Kriterien wie AICc oder BIC für das gesamte Modell verwenden.
- Sie können diese Informationen in einem manuellen Auswahlprozess von verwenden
- Klicken Sie auf "Ausführen" und arbeiten Sie mit der Plattform "Fit Least Squares"
- in einem automatisierten Auswahlprozess, indem Sie die Persönlichkeit von Standard Least Squares in Stepwise ändern und dann auf Ausführen klicken.
Sie können dann eine Vielzahl von Methoden verwenden, um die Antwort vorherzusagen, aber der Vorhersage-Profiler ist wahrscheinlich der beste.
Wenn das lineare Modell unzureichend ist, stehen andere Modelle zur Auswahl.
Bitte sehen Hilfe > Bücher > Lineare Modelle montieren .
Wir bieten auch an Übungskurse das behandelt dieses Thema, das hier durch eine einfache Diskussion nicht leicht vermittelt werden kann.
