二変量回帰からの可能性こんにちは
Phil Kay による次の投稿を読みました。これは、私の目標に向けてある程度の助けになりました。
https://community.jmp.com/t5/Discussions/Tolerance-Interval-for-Regression/mp/302845
スペックの下限と上限がある場合、二変量回帰から期待される能力を計算することもできますか?
例: いくつかの異なる温度レベル (X) で測定された応答 (Y) のデータがあり、より高い温度での応答の能力を予測したいと考えています。
ありがとう ：）
品質およびプロセスエンジニアリングRe: 二変量回帰からの能力私はただここに座って数字を眺めていたのですが、もしかしたら何かアイデアがあるかもしれません。 もしも：
- 回帰直線を使用して、高温 (たとえば 60 ℃) での応答 (Y) を計算します: Y(60)
- 仕様限界を残差の一連の仕様限界に「変換」します: Ymin - Y(60) および Ymax - Y60)
- これで、「残りのスペック限界」を使用して能力を計算できるようになりました。
それとも、まったく別のものでしょうか？ 
Re: 二変量回帰からの能力私が提案するのは次のとおりです。フィット モデル標準最小二乗プラットフォームでモデルを再作成し、予測プロファイラー内のシミュレーション機能を使用して、x 値の仮定された分散に対する応答をシミュレートします。 そこには、追加の分析と視覚化のために、シミュレートされた予測を JMP の機能プラットフォームにエクスポートするための多くのオプションがあります。
Re: 二変量回帰からの能力こんにちは、P_バーテル
ご提案ありがとうございます。 私の場合、x 値を (外挿された点で) 固定し、この点での平均と分散、つまり能力を推定したいと考えています。 したがって、私はあなたが提案したものとは別の次元でのバリエーションを確認したいので、あなたの提案が目的を果たすかどうかはわかりません。 または？
Re: 二変量回帰からの能力シミュレーターを使用すると、任意の平均および推定分散で独立変数を設定できます。 したがって、X 設定値が経験空間から外挿されたとしても、シミュレーターは引き続き機能します。
Re: 二変量回帰からの能力今でも、それは私が求めているものではないと思っています。 詳しく説明させてください
温度の関数としてモデルを応答に当てはめることができます。
しかし、計算してみたいと思います。温度を 80 度に固定した場合、応答の分布はどうなるでしょうか。
