MechaCAr 项目的目的是审查生产数据以获得可能有助于制造团队的见解：
预测 MPG 的线性回归。执行多元线性回归分析以确定数据集中的哪些变量可以预测 MechaCar 原型的 mpg。
悬挂线圈的汇总统计。从制造批次中收集有关悬挂线圈的每平方英寸磅数 (PSI) 的汇总统计数据
悬架线圈的 T 检验。运行 t 检验以确定制造批次在统计上是否与平均总体不同
设计一项研究，将 MechaCar 与竞争对手进行比较。设计一项统计研究，将 MechaCar 车辆的车辆性能与其他制造商的车辆进行比较。
- Linear Regression to Predict MPG
根据我们的结果，变量：Intercept (5.08e-08)、vehicle_length (2.60e-12)、ground_clearance (5.21e-08) 为数据集中的 mpg 值提供了非随机量的方差，因为它们的 pr( >|t|)< 0.05。因此，它们对 mpg 值有重大影响。
此外，我们的线性回归分析的 pr(>|t|) 为 5.08 x 10-8，远小于我们假设的显着性水平 0.05%。因此，我们可以声明有足够的证据来拒绝我们的原假设，这意味着我们的线性模型的斜率不为零。
根据计算的 r 平方值为 0.7149，这意味着大约 71%。因此，可以预测线性模型。
- Summary Statistics on Suspension Coils
lot_summary 数据框如下：
lot_summary 数据框如下：
此外，MechaCar 悬挂线圈的设计规范规定悬挂线圈的差异不得超过每平方英寸 100 磅。因此，由于方差约为 62，这意味着当前的制造数据总共满足所有制造批次的此设计规范。
但批次 3 的方差约为 170，这意味着它不符合设计规范。
- T-Test on Suspension Coils
T
T 检验允许确定所有制造批次和每个批次是否与 1,500 PSI 的总体平均值有统计学差异。
根据所有制造批次计算的 p 值 1 高于 0.05。所以，拒绝原假设是不对的。均值是 1498，与总体均值很接近。
对于制造批次 1，1.58 x 10-11 的 p 值低于 0.05。所以，拒绝原假设是正确的。平均值为 1500，与总体平均值相同。
对于制造批次 2，0.006 的 p 值低于 0.05。所以，拒绝原假设是正确的。均值是 1500.02，接近总体均值。
对于制造批次 3，0.1589 的 p 值高于 0.05。所以，拒绝原假设是不对的。均值是 1496.14，与总体均值很接近。
- Study Design - MechaCar vs Competition
将 MechaCar 车辆的性能与其他制造商的车辆的性能进行比较的统计研究如下。消费者会对成本、城市或高速公路燃油效率、马力、维护成本或安全等级等几个指标感兴趣。
零假设，因为 MechaCar 与竞争的指标之间没有差异。替代假设，因为 MechaCar 与竞争的指标之间存在差异。
要检验假设应使用 T 检验，就好像 p 值小于显着性水平一样，则拒绝原假设。
运行统计测试需要使用成本、城市或高速公路燃油效率、马力、维护成本、安全评级等数据。
资料下载：https://download.csdn.net/download/weixin_54707168/61645749