무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서 우리는 불순물 물류 예를 들어 응답에 대한 모델을 적합하게 하고, 결과 , 5가지 주요 효과와 함께, 온도 ~을 통해 옮기다 . 모델을 축소한 다음 예측 프로파일러를 사용하여 중요한 모델 계수를 더 잘 이해합니다.
선택하여 시작하겠습니다. 적합 모델 에 분석하다 메뉴.
우리는 선택 결과 Y 변수로.
그런 다음 우리는 선택합니다 온도 ~을 통해 옮기다 모델 효과로. 기본 성격은 명목 물류 및 대상 범주는 불합격 .
그만큼 효과 요약 표는 모델의 항을 오름차순으로 보여줍니다. 피 -값.
옮기다 중요하지 않으므로 모델에서 제거합니다. 나머지 효과는 상당합니다.
매개변수 추정값 테이블은 로지스틱 모델의 항에 대한 계수를 보고합니다. 이러한 계수를 더 잘 이해하기 위해 예측 프로파일러를 사용합니다.
예측 프로파일러를 켜기 위해 다음을 선택합니다. 프로파일러 상단 빨간색 삼각형에서.
범주형 응답에 대한 프로파일러는 맨 아래에 나열된 각 예측 변수의 지정된 값에서 결과(맨 왼쪽)의 확률을 보여줍니다.
우리의 로지스틱 모델은 결과가 다음과 같을 확률을 예측합니다. 불합격 . 결과적으로 각 예측 변수에 대한 곡선의 기울기는 불합격 증가하거나 감소합니다.
예를 들어, 온도 다음과 같이 증가합니다. 온도 다른 모든 것을 일정하게 유지하면 확률이 증가합니다. 불합격 증가합니다.
마찬가지로 확률이 어떻게 되는지 탐색할 수 있습니다. 불합격 다른 예측 변수의 값을 변경하면 변경됩니다.
이는 고장으로 이어질 가능성이 가장 높은 작동 조건을 이해하는 데 도움이 됩니다.
