使用 Poisson 模型的预测的示例
主题     解释结果     会话命令    另请参见 

某公司生产的产品之一是成型树脂零件。质量工程师知道，在通过软管传输过程中的管道污染和磨损可能会导致最终产品中出现褪色条纹。螺丝钉越大，推动粒料通过软管的速度就越快。利用新型树脂小球，工程师可以收集这些褪色缺陷的有关数据，学习最佳的小球传输方式。标识模型后，工程师使用该模型来预测不同预测变量值下的值。

1    打开工作表“树脂缺陷.MTW”。

2    选择统计 > 回归 > Poisson 回归 > 拟合 Poisson 模型。

3    在响应中，输入褪色缺陷。

4    在连续预测变量中，输入清洁小时和温度。

5    在类别预测变量下，输入“螺丝钉的大小”。

6    单击模型。

7    在“预测变量”下，选择“温度”和“螺丝钉的大小”。

8    对于按阶数排列交互作用，请选择2。

9    在按阶数排列交互作用的旁边，单击添加。

10   在两对话框中都单击确定。

11   选择统计 > 回归 > Poisson 回归 > 预测。

12   在响应中，选择 “褪色缺陷”。

13   在第二个下拉菜单中，选择输入单个值。

14   在预测变量表中，按如下所示填写表的列。

15    单击确定。

会话窗口输出

解释结果

Minitab 使用模型信息来计算平均褪色缺陷数为 63.7604。

此外，置信区间表明缺陷平均数介于 60.1173 和 67.6242 的可信度为 95%。

此预测以模型方程为基础。在使用预测之前，应该确保模型是合适的。特别需要指出的是，该数据仅包含两个温度下的值。如果温度和缺陷之间的关系不遵循模型，则数据中间的温度插值不准确。