使用 Profiler 模擬器時考慮固有可變性親愛的社區成員，
在使用 Profiler 模擬器時，我有一個關於因子固有可變性的問題。
假設我想定義允許我始終滿足我設置的預定義接受標準的可接受因素範圍。
我們還假設這個因子具有固有的可變性，這意味著當我想將因子設置為 2 時，真實值在 2 +/-0.1% 之間。
我運行 DoE 來獲取模型和相關的傳遞函數。
我啟動 Profiler 模擬器來定義這個可接受的因子範圍：
- 我選擇隨機分佈
- 但是我應該說明哪個標準偏差：我應該考慮模型 RMSE 以及因素固有可變性？ 或者 RMSE 僅考慮到它已經包含因子固有可變性，這意味著模型已經捕獲了模型誤差中的這種固有可變性？
謝謝，
雨果
@martindemel
回复：使用 Profiler 模擬器時的因素固有可變性以下是在 Prediction Profiler 中使用模擬功能的示例：
請注意，我指定了隨機變化年齡和高度但固定的性別。 過程變量的目標值是平均值。 SD 是預期的變化。 所以我想模擬當高度= 60 英寸，但根據 SD = 1.5 英寸的正態分佈而變化。
請注意，在底部我還為 Y 添加了隨機噪聲（重量) 是固有的並且獨立於因子水平。 在這種情況下，重量即使因子水平不變，也會有 10 磅的變化。 您可能有此 SD 的歷史值，或者您可能使用回歸分析中估計的 RMSE 來擬合此模型。
回复：使用 Profiler 模擬器時的因素固有可變性嗨，馬克，
感謝您的輸入。 所以在分析器中，選擇隨機分佈，我將設定點值設置為平均值，然後將因子變異性設置為 SD，是否正確？ 最後，我不會將 RMSE 作為一個因子的 SD，因為正如您所提到的，RMSE 是與響應相關的誤差，並且已經在模型中捕獲，所以在每個模擬 Y 值的置信區間中？
回复：使用 Profiler 模擬器時的因素固有可變性只是為了澄清，您為每個因子指定因子變異性（如果有）。 RMSE 是響應中與因子水平變化無關的隨機變化。 因此，您單獨添加 RMSE。 這樣，兩個源（固定和隨機）都包含在模擬中。
回复：使用 Profiler 模擬器時的因素固有可變性非常感謝 Martin 就該主題進行的精彩討論。
回复：使用 Profiler 模擬器時的因素固有可變性"那麼我明白，模型誤差確實不一定考慮到因素固有的可變性？”
如果它已經在數據中，模型只會將這種可變性納入 acvcount。 所以是的，模型誤差沒有考慮到您設置的附加模擬誤差。 模擬允許您添加額外的噪音，您可能從響應測量/儀器/輸入變化的經驗或技術細節中知道......（例如，ph 很可能不完全等於 5.5，即使您設置了，您通常也會有一個小的變化它與儀器到這個值。
也就是說，您的第二個問題的答案：如果您複製您的設計，您將擁有更多用於“相同設置”的數據。 這將允許更好地估計誤差。 所以模型可能更準確。 但是，我不一定會說這包括固有因素的可變性。 從保守的角度來看，我仍然想知道最壞的情況。 然後，您可以 - 結合您的專業知識 - 判斷您的模型這些場景的可能性有多大，以及較小的變化是否與保守方法有很大不同。 不幸的是，它仍然是一個近似值，但可能（稍微？）比以前更好。
回复：使用 Profiler 模擬器時的因素固有可變性嗨，馬丁，
感謝您的輸入。
我同意你對保守方法的評論。
當您聲明“當我想確定我的模擬除了模型誤差之外還考慮了您的因素的固有可變性時，... “那我明白了，模型誤差確實不一定考慮到因素固有的可變性？
如果我要復制整個設計，那麼我會更有信心模型誤差考慮到這種固有因素的可變性？
回复：使用 Profiler 模擬器時的因素固有可變性雨果，當我想確定我的模擬除了模型誤差之外還考慮了您的因素的固有可變性時，我會將模擬的分佈設置為該範圍（2 作為平均值，標準 0.1%）。 如果我可以確定在您的示例中變異性不會超過 0.1%，那麼我將使用截斷正態或單變量來捕獲整個變化範圍，而不是僅使用正態。
由於目標是（正如我所建議的）收集最大的因素範圍以保持在您的接受標準中，因此保守而不是過於樂觀總是更好。
我的 2 美分 
其他人可能會從他們的日常工作和使用中獲得額外的投入。
