DAY4-GB-A-09 相关回归分析.pptVIP

相关关系与回归分析(Correlation Regression) 您将如何处理下述情况？ 您的公司生产高级冰淇淋。您们正着手减少装料量不足的纸盒数量。装料机有一个称重单元，可跟踪流过桶的冰淇淋量。如果计算机控制器测定到装量过低，它将向送料螺杆马达发出一个命令，以增加送料螺杆每分钟转数 (rpm)。如果装量过高，计算机将发出命令降低送料螺杆的每分钟转速 (rpm)。您怀疑计算机控制器没有合适地指定装量指标，它是纸盒装料量不足的原因。如果您可以找到送料螺杆转速和已装料的纸盒重量之间的关系，您就可以用它来更改控制器程序并减少装料量不足的纸盒数量。 1. 您需要什么数据？ 2. 您应怎样显示它？ 3. 您怎样使用显示出的曲线来预测装料纸盒的重量？ 散点图：显示 X 和 Y 之间的关系 练习：识别 X 和 Y 练习：识别 X 和 Y（续） 练习：答案 回归 ：量化 X 和 Y 之间的关系 回归分析生成一条直线，量化 X 和 Y 之间的关系。 量化关系的好处 预测 方程式代入 X 值可用于预测未来的 Y 控制 如果 X 可控制，您可操纵过程情况以避免不理想的结果并/或产生理想的结果 练习：使用回归方程式 目的：练习使用回归方程式。 时间：5 分钟 要求：回答问题。 练习答案 问题 1：截距 b0（截距） = 182 问题 2：斜率 b1（斜率） = 4 问题 3：截距的意义 当 X = 0 时，截距等于 Y 值。在很多情况下（包括本例） ， X 不能为 0（送料螺杆速度不能为 0 rpm），因此截距没有实际意义。 （如果速度可以为 0 ，则一盒冰淇淋重量应大约为 182 克。） 问题 4：斜率的意义 送料螺杆速度每增大一个单位 (1 rpm)，冰淇淋盒重量增加 4 克。 练习答案（续） 问题 5：预测重量 a. 182 + (4 x 27) = 290 克 b. 182 + (4 x 23) = 274 克 c. 182 + (4 x 35) = 322 克 问题 6：您对这三个预测是否满意？ 对 27 和 23 rpm 的预测相当满意，因为它们处于图中显示的数据范围之内。 对 35 rpm 的预测不满意，因为它超出了此数据的范围。 我们没有送料螺杆速度超过 30 rpm 的冰淇淋盒重量。 小心！超出数据范围的外推是危险的 外推法示例 一位教授要他的学生解释回归线上标记为“星号”的点。下面是最好的答案： “很明显，您不能在一段为负数的时间内砍伐一棵树。” “树太小了，它可能在您砍它之前两秒钟就已倒下。” “这种尺寸的树，您用脚就可以踢倒它。” 正确答案是什么呢？ 使直线贴近数据：残差 如何确定回归方程式 最小二乘法（最小平方法） 要确定回归方程式，应使所有点到直线的距离的平方总和最小。 找到一条直线，使每个数据点到该直线的垂直距离的平方 尽可能小（“最小”）。 换言之…使所有残差的平方最小。 回归使用最小二乘法来确定最佳直线： 使用数据（X 和 Y 两种值）来求 b0 和 b1 值。 b0 和 b1 值建立方程式。 使用 Minitab。 关于术语的一点注释 下列术语可经常交换使用： 回归方程式* 回归线 预测方程式 预测线 拟合直线或拟合* 模型 练习 1：绘制一个含回归线的图 目的：练习使用 Minitab 绘制一个含回归线的图，并解释结果。 时间：10 分钟 数据：打开文件[FoilSeal.mtw] 背景：您的公司在 8 盎司塑料杯中装满果汁，计划在自动贩卖机中销售。您负责密封过程。一条比杯子直径稍宽的金属薄片被拉过杯子。下侧涂有热敏粘合剂。装有热压盘的压力机下落，使粘合剂生效，并与杯子边缘接触。杯子边缘多余的薄片被剪掉。 练习 1：绘制一个含回归线的图（续） 您试图减少有缺陷的密封数目；并且想知道密封强度与压盘温度是否有关。当前的操作规格允许压盘温度在华氏 200 到 300 度 (°F) 之间变化。对这种高产量的过程每半小时记录一次测量值。每天 12 小时一班（从上午 6 点到下午 6点），从周一到周五。您获得了过去两周内每 30 分钟时间间隔的密封强度 (g/cm2) 和压盘温度 (°F) 数据 (n=240)： 练习 1：绘制一个含回归线的图（续） 要求：回答下列问题： 1. X 是什么，它是什么类型的数据？它是否可控制？ 2. Y 是什么，它是什么类型的数据？ 3. 使用 Minitab 绘制一个含回归线的散点图： 统计 回归 拟合线图 练习 1：绘制一个含回归线的图（续） 4. 截距是多少？ 斜率是多少？ 该斜率表示什么含义？ 5. 当压盘温度为 250 °F 时，您预期可达到多大的密封强度？ 6. 如果