불확실성 전파 및 2차 확률내 현장에서 데이터는 수집(또는 결정론적으로 시뮬레이션)하는 데 비용이 많이 들기 때문에 일반적으로 메타 모델(또는 대리 모델, 응답 표면 등)을 사용하여 불확실성 전파를 수행합니다.JMP는 이러한 모델을 생성하는 데 탁월합니다.그러나 아래 다이어그램에 요약된 대로 2차 확률을 사용하여 불확실성 전파를 수행하는 명확한 방법을 찾을 수 없었습니다.
프로파일러 시뮬레이터에서 입력 확률을 정의하는 방법을 볼 수 있지만 먼저 샘플링되는 균일한 입력을 사용하여 일부 입력을 "인식적"으로 정의한 다음 다른 모든 입력을 다음에 따라 샘플링하는 간단한 방법이 있는지 잘 모르겠습니다. 시스템 응답에 대한 단일 CDF를 생성하기 위해 자신의 분포에 N번 반복합니다(그런 다음 시스템 응답에 대한 확률 상자를 생성하기 위해 M번 반복됨).
JSL의 세계에 뛰어들지 않고 그래픽 JMP 환경 내에서 수행하는 방법을 아는 사람이 있습니까?저는 일반적으로 유창한 Python을 사용하여 이 작업을 수행했습니다.
Re: 불확실성 전파 및 2차 확률2단계에 대한 작은 수정 사항:
다른 데이터 테이블을 만들고 이름을 aleatory로 지정합니다.
- 열 만들기
- 이름을 "샘플"로 지정합니다.
- 시퀀스로 데이터 초기화
- 런 수 = 1
- 시작 = 1
- 받는 사람 = N
- 단계 = 1
- 반복 = M <= 이것은 중요합니다!
(변경 용감한 
다른 데이터 테이블을 만들고 이름을 aleatory로 지정합니다.
- 열 만들기
- 이름을 "샘플"로 지정합니다.
- 시퀀스로 데이터 초기화
- 런 수 = 1
- 시작 = 1
- 받는 사람 = 중
- 단계 = 1
- 반복 = N
각각의 인식적 샘플은 새로운 우발적 샘플로 M번이 아니라 N번 반복되어야 하기 때문입니다.
Re: 불확실성 전파 및 2차 확률훌륭합니다.첫 번째 방법은 내가 추구했던 것이며 빠르고 좋은 해결책입니다.귀하의 지침이 원하는 대로 작동함을 확인했습니다( 편집: 한 가지 작은 변경으로, 아래 답변 참조) .
그러나 마지막 단계는 각 샘플 그룹에 대한 모든 CDF를 플롯해야 한다는 것입니다.그래서 저는 "Sample"에 의해 일부 "응답"의 응답 및 플롯 분포를 가져옵니다.M = 100인 경우 100개의 개별 PDF 및 CDF 플롯으로 끝납니다.각 M 플롯을 클릭하고 Prob 점수를 수동으로 저장하지 않고 모든 확률 점수를 테이블에 동시에 보내는 쉬운 방법이 있습니까?
그건 그렇고, JSL은 옵션이지만 우아한 GUI 솔루션이 있는지 알아보고 있습니다.
도와주셔서 감사합니다.
Re: 불확실성 전파 및 2차 확률당신이 성취하려는 것에 대한 나의 이해는 당신이 각 M 인식 변수 샘플에 대해 N 고유한 우발 변수 샘플을 원한다는 것입니다.
다음은 JSL이 옵션이 아닌 경우 수행할 작업입니다.
- 테이블을 만들고 이름을 epistemic으로 지정하십시오.
- 열 만들기
- 이름을 "샘플"로 지정합니다.
- 시퀀스로 데이터 초기화
- 런 수 = 1
- 시작 = 1
- 받는 사람 = 남
- 단계 = 1
- 각 인식 변수에 대해 다음이 있습니다.
- 적절한 이름으로 열 만들기
- 해당 열에 수식 추가
- 다른 데이터 테이블을 만들고 이름을 aleatory로 지정합니다.
- 열 만들기
- 이름을 "샘플"로 지정합니다.
- 시퀀스로 데이터 초기화
- 런 수 = 1
- 시작 = 1
- 받는 사람 = N
- 단계 = 1
- 반복 = M <= 이것은 중요합니다!
- 각 우발적 변수에 대해 다음이 있습니다.
- 적절한 이름으로 열 만들기
- 해당 열에 수식 추가
- 이 테이블(우행)에서 테이블 => 업데이트를 클릭합니다.
- 인식 테이블 선택
- "열 일치"를 확인하십시오.
- 두 테이블에서 샘플을 선택하고 "일치" 버튼을 클릭합니다.
- 업데이트 테이블의 열 추가에서 "선택됨"을 선택합니다.
- 인식 변수 열만 선택하고 "샘플" 열은 무시하십시오.
- "확인"버튼을 클릭하십시오
- 원하는 경우 이제 요행 테이블에서 샘플 열을 제거할 수 있습니다.
- 원하는 경우 이제 인식 테이블을 닫을 수 있습니다.
- 우발적 테이블은 우발적 샘플이 반복되지 않고 각 인식적 샘플에 대해 N번 샘플링되는 동안 인식적 샘플을 M번 반복해야 합니다.
목표가 각 인식 샘플에 대해 우발적 샘플링을 반복하는 것이라면(동일한 우발적 샘플링이 각 인식적 샘플에 적용됨) 더 쉽습니다.
- 테이블을 만들고 이름을 epistemic으로 지정하십시오.
- M 행 추가
- 각 인식 변수에 대해 다음이 있습니다.
- 적절한 이름으로 열 만들기
- 해당 열에 수식 추가
- 다른 데이터 테이블을 만들고 이름을 aleatory로 지정합니다.
- N 행 추가
- 각 우발적 변수에 대해 다음이 있습니다.
- 적절한 이름으로 열 만들기
- 해당 열에 수식 추가
- 요행 테이블에서 테이블 => 조인으로 이동합니다.
- 왼쪽에서 인식 테이블 선택
- "일치 사양"에서 "데카르트 조인"을 선택합니다.
- "확인"버튼을 클릭하십시오
도움이 되었기를 바랍니다
