不确定性传播和二阶概率在我的领域，数据的收集（或确定性模拟）成本很高，因此我们通常使用元模型（或代理模型、响应面等）进行不确定性传播。JMP 擅长生成这些模型。但是，我一直无法找到任何明确的方法来使用二阶概率进行不确定性传播，如下图所示：
我可以看到如何在分析器模拟器中定义输入概率，但我不确定是否有一种直接的方法可以将某些输入定义为“认知”，首先对统一输入进行采样，然后对所有其他输入进行采样他们自己的分布 N 次以在系统响应上创建单个 CDF（然后重复 M 次以在系统响应上创建概率框）。
有人知道如何在不深入 JSL 世界的情况下在图形 JMP 环境中完成吗？我通常使用我很流利的 Python 完成此操作。
回复：不确定性传播和二阶概率第 2 步的一个小修正：
再创建一张数据表，命名为aleatory
- 创建列
- 将其命名为“示例”
- 使用序列初始化数据
- 运行次数 = 1
- 从 = 1
- 至 = N
- 步骤 = 1
- 重复 = M <= 这很重要！
应该是（变化大胆的
再创建一张数据表，命名为aleatory
- 创建列
- 将其命名为“示例”
- 使用序列初始化数据
- 运行次数 = 1
- 从 = 1
- 到=米
- 步骤 = 1
- 重复 =否
因为每个认知样本应该用新的随机样本重复 N 次，而不是 M 次。
回复：不确定性传播和二阶概率那太好了。第一种方法是我所追求的，这是一个很好的快速解决方案。我确认您的说明按预期工作（编辑：有一个小的变化，见下面的回复） .
然而，最后一步是我需要绘制每个样本组的所有 CDF。所以我通过“样本”获取一些“响应”的响应和绘图分布。对于 M = 100，我最终得到 100 个不同的 PDF 和 CDF 图。有没有一种简单的方法可以将所有概率分数同时发送到表格中，而无需简单地单击每个 M 图并手动保存概率分数？
顺便说一句，JSL 是一个选项，但我正在寻找是否有优雅的 GUI 解决方案。
感谢您的帮助。
回复：不确定性传播和二阶概率我对您要完成的任务的理解是，您希望每个 M 认知变量样本都有 N 个唯一的随机变量样本。
如果 JSL 不是一个选项，我会这样做：
- 创建一个表，将其命名为 epistemic
- 再创建一张数据表，命名为aleatory
- 创建列
- 将其命名为“示例”
- 使用序列初始化数据
- 运行次数 = 1
- 从 = 1
- 至 = N
- 步骤 = 1
- 重复 = M <= 这很重要！
- 对于每个随机变量，您有：
- 在此表中（偶然）单击表 => 更新
- 选择认知表
- 检查“匹配列”
- 在“从更新表添加列”下选择“已选择”
- 单击“确定”按钮
- 如果愿意，您现在可以从随机表中删除 Sample 列。
- 如果需要，您现在可以关闭认知表。
- 随机表应该重复你的认知样本 M 次，而随机样本不重复，并且对每个认知样本采样 N 次。
如果您的目标是为每个认知样本重复随机抽样（相同的随机抽样进入每个认知样本）那么它更容易：
- 创建一个表，将其命名为 epistemic
- 再创建一张数据表，命名为aleatory
- 在随机表中转到 Table => Join
- 选择左侧的认知表
- 在“匹配规范”下选择“笛卡尔连接”
- 单击“确定”按钮
希望这可以帮助
