Valeurs P de régression dans une colonne en fonction des valeurs d'autres colonnesSalut... J'essaie de trouver une alternative à la règle Nelson numéro 3 (6 points croissants ou décroissants) qui utilise une régression basée sur un nombre de points successifs, une valeur alpha et une valeur p résultante pour m'aider à signaler quand un signal est assez grand pour surmonter le bruit. Ceci serait utilisé pour les types d'usure d'outil des cartes de contrôle.
Supposons que j'ai un ensemble de données qui ressemble à ci-dessous (pour plus de simplicité) où;
X est ma variable indépendante et Y est la dépendante. Je voudrais calculer la P-valeur de la régression de points successifs (N=3 dans l'exemple ci-dessous) pour m'aider à comprendre quand il y a un signal assez grand pour surmonter le bruit dans la régression.
Évidemment, les p-values sont dans le tableau ci-dessous à titre d'exemple
Je reconnais que N devra probablement être plus grand (bien que cela dépende bien sûr de la taille du signal).
Puis-je créer un script qui le fera pour que je puisse jouer avec N et alpha pour m'aider à comprendre quand la régression est différente du null ? Je ne me soucie pas vraiment de l'annotation sur la carte de contrôle si je peux avoir la valeur p dans le tableau.
Merci
| X | Oui | Valeur P | Pente | Taille du sous-groupe |
| 1 | 3 | | | |
| 2 | 6 | | | |
| 3 | 9 | 0,05 | | 3 |
| 4 | 12 | 0,05 | | 3 |
| 5 | 12 | 0,1 | | 3 |
| 6 | 12 | 0,54 | | 3 |
| 7 | 11 | 0,5 | | 3 |
| 8 | 13 | 0,1 | | 3 |
| 9 | 15 | 0,07 | | 3 |
| dix | 17 | 0,05 | | 3 |
Tableau de donnéesScriptRe: Régression P-Values dans une colonne basée sur les valeurs d'autres colonnesIl serait simple de parcourir une table de données, de construire ses matrices x et y, puis d'effectuer une régression, à l'aide de la fonction Linear Regression().La décision des valeurs à placer dans les 2 matrices serait l'élément à varier.
Voici l'exemple tiré du Scripting Index, pour la fonction Linear Regression()
Names Default To Here( 1 );
/*Simple Linear Regression: y = intercept + beta * x + error*/
y = [3, 5, 7, 5];
X = [1, 2, 3, 4];
{Estimates, Std_Error, Diagnostics} =
Linear Regression( y, X, <<PRINTTOLOG></PRINTTOLOG>
