2回归分析专题.ppt

SIX SIGMA SIX SIGMA IMPLEMENT 改进阶段 with mean = 0 this would require transform. Yield this should be first Minitab tells you this DON’T STOP HERE Null hypothesis in regression\ is slope = 0 B = 0 Test to see if there is a relationship between x y We want them to be small Minitab prints out std dev of errors - use eng. judgment Temp How would you collect the data? What could be max’s and min’s ([process woners) Does it seem linear? Ask Class: What is the Response Variable (Y)? Evap X Variable: Velocity Always plot the data first !!! (the pit for those who don’t) Show graph. (Plot) Now discuss what the graph tells us. Ask: What are the null hypothesis. (1) A=0 (Regression passes through 0) (2) Slope =0 Go back to data window = evap - fits1 (difference between fits response) probably need a transformation investigate y=x + Bx y= a +bx Intercept Slope Sei 8a Sei 8b 2 2 = 0 = 0 give you the intercept 单变量回归 目的： 介绍作为实证模型建立方法的回归分析，以模拟具有连续响应变量“ Y” 的过程。（定义：‘实证’－基于观测值或事实） 目标： 确定何时使用回归，以及为什么使用。 理解使用回归方法构建一个连续“X”变量与连续“ Y”响应变量的关系模型。 在Minitab中应用回归方法，根据数据拟合一条直线。在给定X的情况下，用拟合的直线方程式预测“ Y”。÷ 了解确定模型是否为所给定数据的最佳模型的数学方法。 说明并理解确定模型是否为所给定数据的最佳模型的图形方法。 单变量回归 1、什么是回归？ 描述“ Y”与“X”关系的数学方法 － 创建工序的“模型”。 Y=b0+b1x+e 其中： b0为Y截距 b1为直线斜率 e为模型的误差项 2、为何要使用回归？ 寻找潜在的关键少数“ X” 预测“ Y” 优化“Y” 确定如何设置“ X”以优化“ Y” 3、何时使用回归？ 筛选被动数据（历史或基准数据），以找到潜在的关键“ X” 危险!不要使用被动数据得出最终结论。还要继续进行DOE（试验设计）…记住被动数据是历史数据；这种关系当前可能并不存在。 分析DOE（试验设计）的结果 回归是一种必须谨慎使用的强有力的工具。 回归…寻找“Y”与“X”关系的方法 单变量回归 我们可能对独立变量（X）和响应变量之间的关系感兴趣。表示它们之间关系的散点图可能如下所示： 假定真正的关系为： ?线性关系存在 “ b0”（常数）和“ b1”（系数）为固定、但未知的参数 “ X” 为独立变量 “ Y” 为观测的响应值 “ e” 为误差。常见的误差假设有： 平均值为0.0 不相关 正态分布 误差不存在型式的分布 Y i Y = bo + b1 * X + ei i · 收集数据 以估测方程的最佳方法是什么？ · “ b0”和“ b1”的估测值是多少？ · 这是否是正确的函数形式（直线）？