ich habe gerade folgendes Problem bei einer Sensorkalibrierung. Es geht dabei darum, einen Drucksensor gegen eine Referenz zu vermessen (knapp 380 Messpunkte). Die Genauigkeitforderung ist dabei recht hoch angesetzt. Dazu wurde die entsprechenden Messungen durchgeführt, der Scatterplot dazu sieht wie folgt aus:
- Der Scatterplot
- Rplot2.png (5.21 KiB) 434-mal betrachtet
Da ich prinzipiell einen linearen Zusammenhang vermute, habe ich eine entsprechende OLS-Regression durchgeführt, der folgende Ergebnissgraphen liefert:
- Ergebnisgraphen
- Rplot1.png (14.33 KiB) 434-mal betrachtet
Prinzipiell gefällt mir die Verteilung der Residuen eher nicht so gut. Problematisch finde ich aber den Kernel-Verteilungsgraphen, der doch eine deutliche bimodale Verteilung der Residuen zeigt.
- Kernel Density
- Rplot3.png (7.32 KiB) 434-mal betrachtet
Nun weiß ich jedoch nicht, wie ich damit umzugehen habe. Aufgrund der Ergebisse würde ich sagen, dass die Vorraussetzung der Normalverteeilung der Residuen nicht gegeben ist, und deswegen die lineare Regression eine geringe Aussagekräftigkeit aufweist. An der Residuenverteilung ändert auch die Anwendung von quadratischen oder polynomialen Funktionen nicht viel.
Hat jemand vielleicht einen Vorschlag, wie in dem vorliegenden Fall vorzugehen ist?
