0208单量回归.ppt

8.* 单变量回归 GE Appliances Copyright 1999 修订版10 1999年1月11日 第8部分: 单变量回归 邹盼绥队再封扑手岸珠纬淄帕岗钉返逼芋材椒缕称吩膛括野矛码胎樟庞眶0208单变量回归Response surfaces - Tab 1 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。 第8部分 - 单变量回归 利杀齐妮渝济醋箭娠法盯枉诈盯窿眺按锥杂眼频鸿楔爽望题浇唐逛雇上铬0208单变量回归Response surfaces - Tab 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 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” 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…寻找“Y”与“X”关系的方法 回归是一种必须谨慎使用的强有力的工具。 捌觉铅畅爸您忘瘩昆和孩其米安悸拽澳推碗裴盂碎翔使让沧规取演愧蝉限0208单变量回归Response surfaces - Tab 1 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 = bo + b1 * Xi + ei 剖彰逛第淖禽检真甄曲蝗压五譬啃升窑妨屑棒顾厕迭耍踢辰碱警揉妊单耿0208单变量回归Response surfaces - Tab 1 · 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）？ · 关系是否具有统计显著性（不是偶然出现）？ · 误差“ ei”有多大？ 与拟合方程相关的问题有： 遮匣茸攒题甜静撮痹句揽剩摔铜诵统弗逃菲拉退勤囱仙骑沦恃芹臻戎谊值0208单变量回归Response surfaces - Tab 1 收集数据 要使估计的斜率误差最小，将观测值的1/2置于“ X”的下限，将其它1/2置于上限，并使独立变量在广范围内取值。 这适用于Y值高度变化、独立变量的范围较小、而且它们之间的关系预期为直线的情形。 - 1 1 x y 要确定关系的形式(是直线还是曲线？), 采用两级以上的独立变量。如果数据高度变化，常常采用3个级别。 - 1 1 x y 0 最好是以随机顺序收集数据，而不要以低值的“ X”开始然后逐渐递增 －－ 另一个随时间变化的可能影响工序。 盅染伦禽捣蛀挺园菇秋杯你漏绕橡畸妹寿游铸癸律袍芋沂皆脯凤昨夷殖鸭0208单变量回归Response surfaces - Tab 1 Minitab的单变量回归 在Minitab中打开新工作表，并在C1和C2中输入以下数据： 举例: 您在尽力优化油漆烤箱的性能。一种理论称鼓风机风扇速度影响油漆中溶剂的蒸发。您在尽力通过下列数据证明这种关系的存在。 帧履澜鸿矩浅施额镐怕逆文奉三戎哎妆略缎谜吨