Hallo!
Ich wollte die berechneten Werte zweier Modelle mit gemessenen vergleichen. Dafür habe ich zwei Diagramme mit Regressionsgeraden versehen. Die hatten fast den gleichen Wert(r²). Pro Diagramm habe ich 13 Werte.
Da bei dem einen Modell 2 Werte hochgerechnet waren habe ich diese rausgenommen und nochmal die Regression berechnet. Die war dann nur noch halb so gut.
Meine Frage: Ist das ein sinnvolles Vorgehen die Regression mit allen Werten mit der Regression von 2 Werten weniger zu vergleichen? Mit den fehlenden Messwerten hat sich ja die Gerade von der Steigung her geändert.
Ich bin dankbar für jede Antwort!
Schöne Grüße, Sparky
mal davon abgesehen, dass ich nicht sicher bin was eine Regressionsgerade ist ist das wohl kein direktes Excel-Problem sondern eher eine zu statistischen auswertungen…?
Nun…
Je nach Messmittel sollte man unsichere Werte eher entfernen denke ich.
Wenn Du Dir sicher bist, dass diese Werte stimmen okay - wenn Du nicht sicher bist - weg damit.
Nun kann es sein, dass diese hochgerechneten Werte aus einer früheren Messreihe der Durchschnitt waren.
Wenn Du nun eine SixSigma Analyse durchführst wirst Du in bezug auf
Präzision und Genauigkeit die relevanten unterschiede ausmachen können.
Ein vorgang kann Präzise sein - dann trifft er immer wieder die gleiche Abweichung vom Soll-Wert
oder er kann genau sein - dann ist der durchschnitt aller Messpunkte dafür sehr nah am Soll-Wert, die Punkte streuen aber umso mehr.
Was gut ist ist definitionssache - Du solltest aber nicht den Fehler machen die beiden/drei Messreihen direkt miteinander zu vergleichen.
Immer nur Äpfel mit Äpfeln und Birnen mit Birnen.
HTH
Munich
Hallo Sparky,
der Vergleich von Modell-Berechnung und Messwerten über eine Regressions-Gerade ist nur zulässig, wenn die Messwerte tatsächlich einen Linearen Verlauf haben und das Modell auf eine lineare Gleichung zurückgeführt werden kann.
Die Tatsache, dass das Weglassen von 2 Werten, die eigentlich außerhalb des Gültigkeitsbereiches (deswegen hochgerechnet?) liegen, zu einer schlechteren Übereinstimmung von Modell und Messwerten führt ist dann ein Anzeichen, dass das Modell ggf. für diese Anwendung nicht optimal ist oder eben die Rückführung auf Regressionsgeraden nicht der richtige Weg.
Ich würde als Maß für die Übereinstimmung von Messwerten und Modellberechnung die prozentualle Abweichung zwischen beiden Werten heranziehen. ggf. ist sogar eine Darstellung der Abweichung über den gemessenen Bereich sinnvoll, so dass man erkennt in welchem Bereich die Modelle gute bzw. weniger gute Übereinstimmung mit der Realität liefern.
Ich bin mit statistischen Auswertungen und Bewertung der Messgenauigkeit nicht so bewandert, dass ich dir direkte Empfehlungen zur Vorgehnsweise geben kann.
Gruß
Franz
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]