上传者: Mrrunsen
|
上传时间: 2021-12-22 14:02:34
|
文件大小: 482KB
|
文件类型: ZIP
使用 R 查看生产数据,收集见解以帮助 AutoRU 制造团队解决阻碍最新原型 MechaCar 生产的问题。线性回归分析、统计摘要和 t 检验有助于评估制造团队的情况,并提供有关生产开发的反馈,以实现更高质量的结果。
预测 MPG 的线性回归
通过使用线性回归模型,上表突出显示了哪些变量对数据集中的 mpg 值具有统计显着影响。因此,p 值小于 0.05(因此具有非随机方差)的类别是车辆长度(p = 2.60x10 -12)和车辆离地间隙(p =5.21x10 -08)。截距显示了 5.08x10 -08的 p 值,该值也特别低,表明在确定数据集中的 mpg 值时可能存在其他未考虑的因素。
线性模型的斜率不被认为是零。检查表底部的 p 值表明 p = 5.35x10 -11并且该值具有静态显着性,即有理由拒绝原假设并相信数据集中的变量之间存在相关性。
这个线性模型相当好地预测了 MechaCar 原型的 mpg,但并不完美。对于 0.7149 的倍数 R 平方值,模型有大约 71% 的机会准确预测变量将如何落在模型上。但是,同样,只有 71%,这个模型还有改进的空间。