56913_it-IT

liliconcom

Propagazione dell'incertezza e probabilità del secondo ordine

Nel mio campo i dati sono costosi da raccogliere (o simulare in modo deterministico), quindi in genere eseguiamo la nostra propagazione dell'incertezza utilizzando metamodelli (o modelli surrogati, superficie di risposta, ecc.).JMP eccelle nella generazione di questi modelli.Tuttavia, non sono stato in grado di trovare un modo chiaro per eseguire la propagazione dell'incertezza utilizzando la probabilità del secondo ordine, come riassunto in questo diagramma di seguito:

Posso vedere come definire le probabilità di input nel simulatore del profiler, ma non sono sicuro che esista un modo semplice per definire alcuni input come "epistemici" con input uniformi che vengono campionati per primi, quindi tutti gli altri input vengono campionati secondo alle proprie distribuzioni N volte per creare un singolo CDF sulla risposta del sistema (che viene poi ripetuto M volte per creare la casella di probabilità sulla risposta del sistema).

 

Qualcuno ha qualche idea su come realizzare all'interno dell'ambiente grafico JMP senza immergersi nel mondo di JSL?In genere l'ho realizzato utilizzando Python, in cui parlo fluentemente.   

Re: Propagazione dell'incertezza e probabilità del secondo ordine

Una piccola correzione per il passaggio 2:

 

Crea un'altra tabella di dati, chiamala aleatoria

• Crea una colonna
  • Chiamalo "Campione"
  • Inizializza i dati con una sequenza
    • Numero di corse = 1
    • Da = 1
    • A = n
    • Passo = 1
    • Ripeti = m <= Questo è importante!

 

Dovrebbe essere (modifiche in grassetto

 

Crea un'altra tabella di dati, chiamala aleatoria

• Crea una colonna
  • Chiamalo "Campione"
  • Inizializza i dati con una sequenza
    • Numero di corse = 1
    • Da = 1
    • A = M
    • Passo = 1
    • Ripeti = N

Perché ogni campione epistemico dovrebbe essere ripetuto con nuovi campioni aleatori N volte, non M volte.

Re: Propagazione dell'incertezza e probabilità del secondo ordine

È eccellente.Il primo metodo è quello che cercavo ed è una bella soluzione rapida.Ho verificato che le tue istruzioni hanno funzionato come desiderato ( modifica: con una piccola modifica, vedi la risposta sotto) .

 

Un ultimo passo, tuttavia, è che devo tracciare tutti i CDF per ogni gruppo campione.Quindi prendo la risposta e le distribuzioni del grafico di alcune "risposte" di "Sample".Per M = 100, mi ritrovo con 100 distinti grafici PDF e CDF.C'è un modo semplice per inviare simultaneamente tutti i punteggi di probabilità al tavolo senza semplicemente fare clic su ciascuno dei grafici M e salvare manualmente i punteggi Prob?  

 

A proposito, JSL è un'opzione, ma sto cercando di vedere se esiste un'elegante soluzione GUI.

 

Grazie per l'aiuto.

Re: Propagazione dell'incertezza e probabilità del secondo ordine

La mia comprensione di ciò che stai cercando di ottenere è che desideri N campioni di variabili aleatorie univoci per ogni M campioni di variabili epistemiche.

 

Ecco cosa farei se JSL non fosse un'opzione:

1. Crea una tabella, chiamala epistemica
   • Crea una colonna
     • Chiamalo "Campione"
     • Inizializza i dati con una sequenza
       • Numero di corse = 1
       • Da = 1
       • A = m
       • Passo = 1
   • Per ogni variabile epistemica si ha:
     • Creare una colonna con un nome appropriato
     • Aggiungi una formula a quella colonna
       
       • Utilizzare un appropriato Casuale funzione (uniforme?)
2. Crea un'altra tabella di dati, chiamala aleatoria
   • Crea una colonna
     • Chiamalo "Campione"
     • Inizializza i dati con una sequenza
       • Numero di corse = 1
       • Da = 1
       • A = n
       • Passo = 1
       • Ripeti = m <= Questo è importante!
   • Per ogni variabile aleatoria si ha:
     • Creare una colonna con un nome appropriato
     • Aggiungi una formula a quella colonna
       
       • Utilizzare un appropriato Casuale funzione
   • Mentre sei in questa tabella (aleatoria) clicca su Tabelle => Aggiorna
     • Seleziona la tavola epistemica
     • Seleziona "corrispondenza colonne"
       
       • Seleziona Sample da entrambe le tabelle e fai clic sul pulsante "match".
     • In Aggiungi colonne da Aggiorna tabella seleziona "selezionato"
       • Seleziona solo le colonne delle variabili epistemiche, ignora la colonna "campione".
     • Fare clic sul pulsante "OK".
   • Ora puoi rimuovere la colonna Campione dalla tabella aleatoria, se lo desideri.
3. Ora puoi chiudere la tavola epistemica, se lo desideri.
4. La tabella aleatoria dovrebbe ripetere il tuo campione epistemico M volte mentre i campioni aleatori non vengono ripetuti e vengono campionati N volte per ogni campione epistemico.

 

 

 

Se il tuo obiettivo è ripetere il campionamento aleatorio per ogni campione epistemico (lo stesso campionamento aleatorio va in ogni campione epistemico), allora è più semplice:

1. Crea una tabella, chiamala epistemica
   
   • Aggiungi M righe
   • Per ogni variabile epistemica si ha:
     • Creare una colonna con un nome appropriato
     • Aggiungi una formula a quella colonna
       
       • Utilizzare un appropriato Casuale funzione (uniforme?)
2. Crea un'altra tabella di dati, chiamala aleatoria
   • Aggiungi N righe
   • Per ogni variabile aleatoria si ha:
     • Creare una colonna con un nome appropriato
     • Aggiungi una formula a quella colonna
       
       • Utilizzare un appropriato Casuale funzione
3. Nella tabella aleatoria vai su Tabella => Partecipa
   • Seleziona la tabella epistemica a sinistra
   • In "specifica di corrispondenza" seleziona "Join cartesiano"
   • Fare clic sul pulsante "OK".

 

 

Spero che questo ti aiuti