무료 온라인 과정에서 자세히 알아보십시오.
산업문제 해결을 위한 통계적 사고
이 비디오에서는 청소 데이터를 다시 사용하여 다음에 대한 회귀 모델을 적합합니다. 제거 그리고 ID Fit Y by X를 사용합니다. 제공된 통계 출력에 대해 논의하고 회귀 방정식을 사용하여 예측하는 방법을 살펴보겠습니다.
우리는 다시 사용할 것입니다 제거 Y, 응답 및 ID X로 팩터.
회귀 모델에 적합하도록 빨간색 삼각형에서 적합 선을 선택합니다.
이전 비디오에서 잔차 분석을 수행하고 모델 가정이 위반되지 않았음을 확인했습니다.
이제 기본 통계 출력을 살펴보겠습니다.
평균 제곱근 오차 및 RSquare를 포함하여 모형 적합에 대한 요약 통계는 적합 요약 테이블에 보고됩니다. 평균 제곱근 오차는 1.7이고 RSquare는 0.64입니다.
따라서, ID 변동의 64%를 설명합니다. 제거 .
모델의 유의성에 대한 전체 테스트 결과는 ANOVA 테이블에 보고됩니다. p-값이 매우 작으므로 모델이 유의하다는 결론을 내릴 수 있습니다.
이전에 본 것처럼 피팅된 선형 모델은 선형 피팅으로 보고됩니다.
이 모델에 대한 추정 절편 및 기울기 계수는 추정 아래의 매개변수 추정 테이블에 보고됩니다.
모델을 사용하여 평균을 예측하는 데 관심이 있을 수 있습니다. 제거 다른 값에 대한 ID . 우리가 본 것처럼 단순히 다음 값을 연결할 수 있습니다. ID 예측을 계산하기 위해 방정식으로 제거 .
또한 JMP에서 직접 예측을 수행하는 여러 가지 방법이 있습니다.
선형 맞춤에 대한 빨간색 삼각형에서 예측 저장을 선택하여 모델의 공식을 데이터 테이블에 저장할 수 있습니다.
이것은 우리의 모든 관찰에 대해 예측된 제거를 계산합니다. 새 행을 추가하고 다음에 대한 값을 입력할 수 있습니다. ID , 그리고 JMP는 이 값에 대한 평균 제거를 예측합니다.
모델을 구축하는 데 사용된 범위 내에서 예측 변수의 값을 입력하는 것이 의미가 있다는 점을 명심하십시오. 예측 변수 값의 범위를 벗어나 외삽하면 모델이 제대로 예측하지 못할 수 있습니다.
분석 창으로 돌아갑시다.
평균 근사치에만 관심이 있다면 제거 , 도구 모음에서 십자선 도구를 사용할 수 있습니다. 선을 클릭하면 십자형 도구에 주어진 값에 대한 예상 제거가 표시됩니다. ID .
또한 Bivariate Fit Plot에 신뢰 구간과 예측 구간이라는 두 가지 유형의 구간을 표시할 수 있습니다.
선형 맞춤의 신뢰 곡선 맞춤 옵션은 신뢰 구간을 표시합니다. 이 밴드는 평균에 대한 신뢰 구간을 나타냅니다. 제거 주어진 값에 대해 ID .
예를 들어, 평균에 대한 신뢰 구간 제거 부품용 ID 10의 10은 약 10.5에서 11.5 단위입니다.
신뢰 곡선 Indiv(개별) 옵션은 예측 구간을 표시합니다. 이 밴드는 개별 값에 대한 예측 간격을 나타냅니다. 제거 주어진 값에 대해 ID .
예를 들어 부품의 예상 값 범위는 ID 10의 약 7.5에서 14.5입니다.
