Wann eine Gerade das falsche Modell ist

Zaehldaten ("wie viele Fehler in dieser Schicht?") duerfen nicht mit einer Geraden modelliert werden: die sagt negative Zaehlungen voraus und unterstellt konstante Streuung. Poisson-Regression nutzt einen Log-Link; der Effekt wird als Rate gelesen — 1,30 bedeutet +30% erwartete Ereignisse je Einheit X.

Falle: Poisson setzt Varianz = Mittelwert voraus. Echte Fehlerdaten sind fast immer variabler; dann werden die Standardfehler zu klein und nicht existente Effekte erscheinen signifikant. SenSight misst die Dispersion und korrigiert (Quasi-Poisson).

Bei Kurven (Werkzeugverschleiss, Ausbeute) vergleicht die Kurvenanpassung per AIC gegen die Gerade — AIC bestraft zusaetzliche Parameter, eine Kurve gewinnt also nur bei echter Kruemmung.