Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Video verwenden wir erneut die Reinigungsdaten, um ein Regressionsmodell für anzupassen Entfernung und ICH WÜRDE mit Y nach X anpassen. Wir werden die bereitgestellte statistische Ausgabe besprechen und sehen, wie man mithilfe unserer Regressionsgleichung Vorhersagen treffen kann.
Wir werden wieder verwenden Entfernung als Y, Antwort und ICH WÜRDE als X, Faktor.
Wir wählen Fit Line aus dem roten Dreieck, um das Regressionsmodell anzupassen.
In einem früheren Video haben wir eine Residuenanalyse durchgeführt und verifiziert, dass unsere Modellannahmen nicht verletzt wurden.
Werfen wir nun einen Blick auf die standardmäßige statistische Ausgabe.
Die zusammenfassenden Statistiken für die Modellanpassung, einschließlich des mittleren quadratischen Fehlers und RSquare, werden in der Tabelle „Zusammenfassung der Anpassung“ aufgeführt. Unser mittlerer quadratischer Fehler beträgt 1,7 und RSquare 0,64.
Daher, ICH WÜRDE erklärt 64% der Variation in Entfernung .
Die Gesamttestergebnisse für die Signifikanz des Modells sind in der ANOVA-Tabelle angegeben. Der p-Wert ist sehr klein, sodass wir schlussfolgern können, dass das Modell signifikant ist.
Wie wir bereits gesehen haben, wird das angepasste lineare Modell unter lineare Anpassung gemeldet.
Die geschätzten Schnitt- und Steigungskoeffizienten für dieses Modell werden in der Tabelle „Parameterschätzungen“ unter „Schätzung“ angegeben.
Wir könnten daran interessiert sein, das Modell zu verwenden, um den Durchschnitt vorherzusagen Entfernung für unterschiedliche Werte von ICH WÜRDE . Wie wir gesehen haben, können wir einfach einen Wert von einsetzen ICH WÜRDE in die Gleichung ein, um die Vorhersage zu berechnen Entfernung .
Es gibt auch eine Reihe von Möglichkeiten, Vorhersagen direkt in JMP zu treffen.
Wir können Save Predicteds aus dem roten Dreieck für Linear Fit auswählen, um die Formel für das Modell in der Datentabelle zu speichern.
Dies berechnet die vorhergesagte Entfernung für alle unsere Beobachtungen. Wir können eine neue Zeile hinzufügen und einen Wert für eingeben ICH WÜRDE , und JMP sagt die durchschnittliche Entfernung für diesen Wert voraus.
Beachten Sie, dass es nur sinnvoll ist, Werte des Prädiktors innerhalb des Bereichs einzugeben, der zum Erstellen des Modells verwendet wird. Das Modell kann möglicherweise keine guten Vorhersagen treffen, wenn wir über den Bereich unserer Prädiktorwerte hinaus extrapolieren.
Kehren wir zum Analysefenster zurück.
Wenn wir nur daran interessiert sind, den Mittelwert anzunähern Entfernung , können wir das Fadenkreuz-Werkzeug aus unserer Symbolleiste verwenden. Wenn wir auf die Linie klicken, zeigt das Fadenkreuz-Werkzeug die vorhergesagte Entfernung für einen bestimmten Wert von an ICH WÜRDE .
Wir können auch zwei Arten von Intervallen in unserem bivariaten Fit-Plot anzeigen: Konfidenzintervalle und Vorhersageintervalle.
Die Option Konfidenzkurvenanpassung von Linear Fit zeigt Konfidenzbänder an. Diese Bänder stellen Konfidenzintervalle für den Mittelwert dar Entfernung für einen gegebenen Wert von ICH WÜRDE .
Zum Beispiel das Konfidenzintervall für den Mittelwert Entfernung für Teile mit ICH WÜRDE von 10 sind ungefähr 10,5 bis 11,5 Einheiten.
Die Option Confidence Curves Indiv (Individual) zeigt Vorhersagebänder an. Diese Bänder stellen Vorhersageintervalle für einzelne Werte von dar Entfernung für gegebene Werte von ICH WÜRDE .
Beispielsweise der vorhergesagte Wertebereich für Teile mit einem ICH WÜRDE von 10 ist etwa 7,5 bis 14,5.
