Calcula a estimativa do ponto e de intervalo de um novo valor de X, a variável preditora independente em uma equação de regressão simples, para uma nova determinação especificada de Y, a variável dependente (resposta). Esta abordagem, algumas vezes conhecida como "regressão inversa" ou calibragem estatística tem aplicações técnicas na validação de novos instrumentos ou na avaliação de amostras "desconhecidas" contra um conjunto de valores padrão.
Calcula a estimativa do ponto e de intervalo de um novo valor de X, a variável preditora independente em uma equação de regressão simples, para uma nova determinação especificada de Y, a variável dependente (resposta). Esta abordagem, algumas vezes conhecida como "regressão inversa" ou calibragem estatística tem aplicações técnicas na validação de novos instrumentos ou na avaliação de amostras "desconhecidas" contra um conjunto de valores padrão.
Certifique-se de que o Minitab sabe onde encontrar a macro baixada. Selecione . Em Local da macro navegue até o local em que você salva os arquivos de macro.
Se você usar um navegador mais antigo, quando clicar no botão Download, o arquivo pode abrir no Quicktime, que compartilha a extensão de arquivo .mac com macros do Minitab. Para salvar a macro, clique com o botão direito do mouse no botão Download e selecione Salvar arquivo como.
%CALIB C1 C2 C3;
CLEVEL 99.
Clique em Ensaio.
Uma aproximação de amostra grande para um intervalo de confiança em torno de uma estimativa de ponto de X é dada nas pág. 172-174 do texto de 1985 de Neter, Wasserman e Kutner, Applied Linear Statistical Models. A macro do Minitab CALIB.MAC executa esta análise para você. (O problema 5.24 na página 180 de Neter, Wasserman e Kutner é utilizado para demonstrar a macro. Este problema refere-se a um conjunto de dados do Problema 2.18 na página 55. Os dados são apresentados abaixo da declaração do problema.)
A variável de resposta dependente, Y, é a dureza de itens moldados de plástico (medidos em unidades Brinell) e a variável preditora independente, X, é o tempo decorrido medido em horas, desde o fim do processo de moldagem. O conjunto de 12 observações pareadas forma uma relação funcional de linha reta, com a solução de regressão linear Y = 153.9 + 2.42X. O problema pede para calcular um intervalo de confiança de 99% sobre o número estimado de horas (X) associado a um item com uma dureza (Y) de 298. No exemplo, os valores Y de 200, 250, 298, 325 e 350 foram adicionados para mostrar que a macro poderia gerenciar múltiplos valores Y ao mesmo tempo.
Insira as seguintes 3 colunas de dados em C1, C2 e C3.
Y | X | Novo |
---|---|---|
230 | 32 | 200 |
262 | 48 | 250 |
323 | 72 | 298 |
298 | 64 | 325 |
255 | 48 | 350 |
199 | 16 | |
248 | 40 | |
279 | 48 | |
267 | 48 | |
214 | 24 | |
359 | 80 | |
305 | 56 |
Para executar a macro, selecione e digite o comando
%CALIB C1 C2 C3;
CLEVEL 99.
Clique em Ensaio. A saída será parecida com:
A equação de regressão é Y = 154 + 2.42 X Predictor Coef SE Coef T P Constant 153.917 8.067 19.08 0.000 X 2.4167 0.1575 15.35 0.000 S = 9.75833 R-Sq = 95.9% R-Sq(adj) = 95.5% Analysis of Variance Source DF SS MS F P Regression 1 22427 22427 235.51 0.000 Residual Error 10 952 95 Total 11 23379 Os intervalos de confiança de 95,00% dos valores preditos de X Linha Y_New CI_Low X_Hat CI_High Width 1 200 8.8056 19.0690 29.3323 20.5268 2 250 30.3180 39.7586 49.1992 18.8812 3 298 50.1055 59.6207 69.1359 19.0304 4 325 60.8611 70.7931 80.7251 19.8640 5 350 70.6098 81.1379 91.6660 21.0562 O fator de correção é 0,0210800, que é menos de 0,1 indicando que os intervalos acima são provavelmente boas aproximações.