実験では実行されない特定のパラメータに対してJMP由来の望ましさ関数を評価する方法文脈：安静面実験からのデータがあります。 私は応答をモデル化し、望ましさ関数を得ました（例えば プロファイラを使用して「望ましさを保存」してテーブルに新しい列を取得し、列見出しをダブルクリックして関数を表示できます。私は、その関数が私が所有権を持っていると思うものに至るまでどのようにするかについてできる限り知っています---それはExp（w_1Log（d_1）+ w_2Log（d_2）+ ... + w_k Log（d_k））ここで、各d_iは特定の応答に対する特定の望ましさ関数、例えば2指数関数である滑らかな区分関数、最小化/最大化するための3次関数、およびターゲットに対する2つのスケール正規密度です。
質問：実験では実行されない一連のパラメータについての望ましさを評価したい - ちょうどJMPが最適なパラメータを見つけるために行っているように、たとえばパラメータ空間を移動するアルゴリズムを使用、応答値を予測するモデルを使用パラメータの組み合わせに対して、次にその組み合わせの望ましさを計算します。 パラメータを指定して、それが私が適合するモデルの特定のセットに対する予測された応答と望ましさを計算するようにしたいです。 これはできますか？もしそうならどうですか？私はそれらのモデルを書き留めて予測値を得てそれを望ましさ関数にプラグインすることができるモデルパラメータを持っているので私自身でそれをすることになるでしょうが、それから私は特定の滑らかな区分関数を持つ必要があるでしょうその詳細は独自のものです（またはJMPの場合はそのようにします）。 何か案は？
再：どのように私は実験的に実行されていない特定のパラメータにJMP由来の望ましさ関数を評価するのですか予測プロファイラーは、フィッティングプラットフォームで便利に利用できます。それはGraphメニューからそれ自身でも利用可能です。そのため、保存されたモデル（列式）を使用します。そのため、同じ応答変数に対する既知の関係を持つ式で新しい列を作成するだけです。[グラフ]、[プロファイラ]の順に選択し、近似モデルと既知モデルのデータ列を選択し、両方にYの役割を割り当てて、[OK]をクリックします。
