Apprenez-en plus dans notre cours en ligne gratuit :
Pensée statistique pour la résolution de problèmes industriels
Dans cette vidéo, nous utilisons les données de nettoyage pour ajuster un modèle de régression pour Suppression et IDENTIFIANT en utilisant Ajuster Y par X, puis effectuez une analyse résiduelle pour évaluer les hypothèses du modèle.
Nous sélectionnons Ajuster Y par X dans le menu Analyser. Nous utiliserons Suppression comme Y, Réponse, IDENTIFIANT comme X, Facteur, puis cliquez sur OK.
Ensuite, nous sélectionnerons Fit Line dans le triangle rouge pour ajuster le modèle de régression.
Comme nous l'avons vu précédemment, l'équation de régression ajustée est affichée sous Ajustement linéaire.
Pour comprendre si un modèle linéaire a du sens, nous allons analyser les parcelles résiduelles.
Pour ce faire, nous sélectionnons Plot Residuals dans le triangle rouge à côté de Linear Fit. Cela produit une variété de parcelles résiduelles.
Regardons ceux-ci un à la fois.
Les valeurs résiduelles du graphique Résiduel par valeur prédite apparaissent dispersées de manière aléatoire autour de la ligne centrale de zéro, sans motif évident.
La distribution des résidus dans l'histogramme ne semble pas trop normale, mais nous n'avons que 50 observations. Au lieu de cela, nous examinons le tracé quantile normal résiduel. Nous ne voyons aucun écart évident par rapport à la normalité dans cette intrigue.
Les points du tracé Réel par prédiction apparaissent dispersés au hasard autour de la ligne d'ajustement, c'est donc un autre bon signe.
Qu'en est-il du graphique résiduel par ligne ? Supposons que nos données soient ordonnées dans le temps. Il n'y a pas de schémas systématiques évidents dans le tracé résiduel par ligne, il ne semble donc pas que les observations séquentielles soient corrélées les unes avec les autres.
Nous ne voyons pas non plus de valeurs aberrantes dans aucune des parcelles.
Puisque nos hypothèses de régression n'ont pas été violées, nous pouvons procéder à l'interprétation de notre modèle de régression.
Nous parlerons de la sortie statistique et de la façon d'utiliser notre modèle pour faire des prédictions dans une autre vidéo.
