Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Video untersuchen wir die FreeFall-Daten mit dem Graph Builder und sehen, wie man Polynommodelle mit Fit Y by X anpasst.
Wir beginnen damit, den Graph Builder aus dem Graph-Menü zu öffnen.
Denken Sie daran, dass wir die Entfernung als Funktion der Zeit messen. Wir ziehen Distanz zur Y-Zone und Zeit in die X-Zone.
Ein Smoother, der automatisch an die Daten angepasst wird, liefert einige Einblicke in die Art der Beziehung zwischen den beiden Variablen.
Wenn wir das Diagrammelement in Anpassungslinie ändern, können wir leicht erkennen, dass eine gerade Linie nicht gut zu den Daten passt.
Schalten wir ein paar Statistiken ein – R 2 , RMSE, die Gleichung und der F-Test. R 2 hoch und das Modell signifikant ist, obwohl wir wissen, dass die Beziehung nicht linear ist.
Wir ändern den Anpassungsgrad von Linear zu Quadratisch.
Eine quadratische Anpassung scheint die Beziehung zwischen den beiden Variablen zu erfassen.
Die Gleichung hat jetzt einen quadratischen Term.
Sehen Sie sich die Fit-Statistiken an. Dies ist eindeutig ein viel besseres Modell!
Um dieses Modell formal anzupassen, verwenden wir Fit Y by X.
Distanz ist das Y, Antwort und Zeit ist der Faktor X.
Da wir wissen, dass ein quadratisches Modell angemessen ist, passen wir ein quadratisches Modell an. Dazu wählen wir aus Polynom anpassen , 2, quadratisch aus dem roten Dreieck.
Werfen wir einen Blick auf die Residuendiagramme. Wir wählen Residuen darstellen aus dem roten Dreiecksmenü für Grad der Polynomanpassung=2.
Die Residuendiagramme sehen alle gut aus, ohne übrig gebliebenes nicht zufälliges Muster. Dies bestätigt, dass das quadratische Modell sinnvoll ist.
