Ejemplos de Predecir con un modelo de regresión de Poisson

A un ingeniero especializado en calidad le preocupan las rayas descoloridas en piezas moldeadas de resina. Las rayas descoloridas en el producto final pueden deberse a la contaminación de las mangueras y al uso de temperaturas más altas. El ingeniero identifica tres posibles variables predictoras para las respuestas (defectos). El ingeniero registra el número de defectos observados en sesiones de una hora, mientras varía los niveles de los predictores.

El ingeniero desea estudiar de qué manera varios predictores afectan los defectos de decoloración. Puesto que la variable de respuesta describe el número de veces que ocurre un evento en un espacio finito de observación, el ingeniero ajusta un modelo de Poisson.

El ingeniero calcula un intervalo de predicción para determinar un rango de valores probables para futuras observaciones con configuraciones específicas.

  1. Abra los datos de muestra, DefectosResina.MTW.
  2. Elija Estadísticas > Regresión > Regresión de Poisson > Predecir.
  3. En Respuesta, seleccione Def. descoloración.
  4. En la tabla, ingrese 6 para Horas desde limpieza, 115 para Temperatura y grande para Tamaño del tornillo.
  5. Haga clic en Aceptar.

Interpretar los resultados

Minitab utiliza el modelo almacenado para calcular que el número pronosticado de defectos de decoloración es 72.1682. El intervalo de predicción indica que el ingeniero puede estar 95% seguro de que el número medio de defectos de decoloración se encontrará dentro del intervalo de 67.5477 a 77.1047.

Ecuación de regresión

Def. descoloración=exp(Y')
Y'=4.3982 + 0.01798 Horas desde limpieza - 0.001974 Temperatura + 0.000000 Tamaño del
tornillo_grande - 0.1546 Tamaño del tornillo_pequeño

Configuración

VariableValor de
configuración
Horas desde limpieza6
Temperatura115
Tamaño del tornillogrande

Predicción

AjusteEE de ajusteIC de 95%
72.16822.43628(67.5477, 77.1047)