Hallo... Ich versuche, eine Alternative zur Nelson-Regel Nummer 3 zu finden (6 Punkte steigend oder fallend), die eine Regression basierend auf einer Anzahl aufeinanderfolgender Punkte, einem Alpha-Wert und einem resultierenden p-Wert verwendet, um mir zu helfen, zu erkennen, wenn ein Signal groß genug ist Lärm überwinden. Dies wird für Werkzeugverschleißtypen von Regelkarten verwendet.
Angenommen, ich hätte einen Datensatz, der wie unten aussieht (der Einfachheit halber) wo;
X ist meine unabhängige Variable und Y ist die abhängige. Ich möchte den P-Wert der Regression aufeinanderfolgender Punkte (N=3 im Beispiel unten) berechnen, um zu verstehen, wann ein Signal groß genug ist, um das Rauschen bei der Regression zu überwinden.
Offensichtlich sind die p-Werte in der folgenden Tabelle beispielhaft
Mir ist klar, dass N wahrscheinlich größer sein muss (obwohl es natürlich von der Signalgröße abhängt).
Kann ich ein Skript erstellen, das dies tut, damit ich mit N und Alpha spielen kann, um zu verstehen, wann sich die Regression von der Null unterscheidet? Ich interessiere mich nicht wirklich für die Anmerkung auf der Kontrollkarte, wenn ich den p-Wert in der Tabelle haben kann.
Vielen Dank
| x | Ja | P-Wert | Neigung | Untergruppengröße |
| 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 | fünfzehn | 0,07 | | 3 |
| 10 | 17 | 0,05 | | 3 |
Es wäre einfach, eine Datentabelle zu durchlaufen, die eigenen x- und y-Matrizen zu erstellen und dann eine Regression mit der Funktion Linear Regression() durchzuführen.Die Entscheidung, welche Werte in die 2 Matrizen zu setzen sind, wäre das zu variierende Element.
Hier ist das Beispiel aus dem Scripting Index für die Funktion 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>
