3.2.29. <Relate> - имеют отношение (связаны). Меню имеет вид: <Relate> (<Simple Regression> (одномерная регрессия) <Polynomial Regression>(одномерная полиномиальная регрессия) <Multiply Regression>(многомерная регрессия))

3.2.30. <Simple Regression>

Метод одномерной регрессии оценивает линейную или нелинейную регрессию между двумя переменными. Модель связывает одну зависимую переменную с одной независимой переменной, минимизируя сумму квадратов остатков для линии регрессии. В дополнение к определению уравнения прямой линии, этот метод применяется и для оценки множества стандартных нелинейных моделей. Программа вычисляет уравнения нелинейных линий регресс и сравнивает погрешности аппроксимации для каждой модели. Метод автоматически выбирает одну из 12 моделей. Привилегированная модель - линейная модель. Для того чтобы выбрать лучшую модель, проверяются данные по всем моделям. В программе обозначено:

·         Y (Зависимая переменная)

·         X (Независимая Переменная)

3.2.31. <Polynomial Regression>

Чем выше степень полинома, тем более точную модель Вы получаете. SG - позволяет получить линию регрессии до 8-го порядка.

3.2.32. <Multiply Regression>

Данный метод позволяет вычислять модель регресса между одной зависимой переменной и одной или большим количеством независимых переменных. Подобно одномерной регрессии, многомерная регрессия использует метод наименьших квадратов для оценки модели регресса.

3.3.33. <Special> - специальный - следующая группа методов. <Special> <Quality Control> (<Pareto Analysis> <Process Capability Analysis> <Variable Control Charts> <Attributes Control Charts> <Time-Weighted Charts> <MultiVariate Charts> <Gage P&R> <Custom Charts>) или в переводе на русский язык: <Специальный> <Контроль качества> < Анализ Парето > < Анализ Возможности Процесса > < Переменные Диаграммы Контроля > <Диаграммы Контроля Атрибутов> <Временные - взвешенные Диаграммы> <Многомерные Диаграммы> < Датчик P&R> <Ценовые Диаграммы>