今天在这里我们将要介绍录搠糅类拟合Poission模型后，如何进行数据预测。进行预测之前，要先拟合模型，具体如何拟合模型，请大家参阅我的霸烹钟爷Poisson模型拟合经验。这里不再介绍。在这里我们同样假设：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。
工具/原料
Minitab17
用树脂缺陷.MTW拟合后的模型
方法/步骤
1、左键单击选择菜单栏统计--->回归--->Poisson回归--->预测。
2、在响应下拉对话框后，左键单击选择“褪色缺陷”，在第二个下拉菜单中，选择输入单个值。
3、在预测变量表中，按如下所示填写表。清洁小时温度螺丝钉的大小4咯悝滩镞150大
4、左键单击确定，系统将输出结果。
5、我们得到如下结果：
6、结果解释：当清洁4小时，温度150，螺丝钉的大时褪色缺陷数为63.7604