다른 열의 값을 기반으로 하는 열의 회귀 P-값안녕... 신호가 충분히 클 때 플래그를 지정하는 데 도움이 되는 연속적인 포인트의 수, 알파 값 및 결과 p-값을 기반으로 하는 회귀를 사용하는 Nelson 규칙 번호 3(6포인트 증가 또는 감소)에 대한 대안을 찾으려고 합니다. 소음을 극복하십시오. 이것은 관리 차트의 공구 마모 유형에 사용됩니다.
단순화를 위해 아래와 같은 데이터 세트가 있다고 가정합니다.
X는 독립변수이고 Y는 종속변수입니다. 회귀의 노이즈를 극복할 수 있을 만큼 충분히 큰 신호가 있는 경우를 이해하는 데 도움이 되도록 연속 점 회귀의 P 값(아래 예에서 N=3)을 계산하고 싶습니다.
분명히 p-값은 예시를 위해 아래 표에 나와 있습니다.
N이 더 커야 할 가능성이 높다는 것을 알고 있습니다(물론 신호의 크기에 따라 다름).
회귀가 null과 다른 경우를 이해하는 데 도움이 되도록 N 및 알파로 재생할 수 있도록 이 작업을 수행하는 스크립트를 만들 수 있습니까? 테이블에 p-값을 가질 수 있다면 관리도의 주석에 대해서는 별로 신경 쓰지 않습니다.
감사
| NS | 와이 | P-값 | 경사 | 하위 그룹 크기 |
| 1 | 삼 | | | |
| 2 | 6 | | | |
| 삼 | 9 | 0.05 | | 삼 |
| 4 | 12 | 0.05 | | 삼 |
| 5 | 12 | 0.1 | | 삼 |
| 6 | 12 | 0.54 | | 삼 |
| 7 | 11 | 0.5 | | 삼 |
| 8 | 13 | 0.1 | | 삼 |
| 9 | 15 | 0.07 | | 삼 |
| 10 | 17 | 0.05 | | 삼 |
데이터 테이블스크립팅Re: 다른 열의 값을 기반으로 한 열의 회귀 P-값데이터 테이블을 반복하고 x 및 y 행렬을 만든 다음 Linear Regression() 함수를 사용하여 회귀를 수행하는 것은 간단한 문제입니다.2개의 행렬에 배치할 값에 대한 결정은 달라질 항목입니다.
다음은 Linear Regression() 함수에 대해 스크립팅 인덱스에서 가져온 예입니다.
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>
