使用 Profiler 模拟器时考虑固有可变性亲爱的社区成员，
在使用 Profiler 模拟器时，我有一个关于因子固有可变性的问题。
假设我想定义允许我始终满足我设置的预定义接受标准的可接受因素范围。
我们还假设这个因子具有固有的可变性，这意味着当我想将因子设置为 2 时，真实值在 2 +/-0.1% 之间。
我运行 DoE 来获取模型和相关的传递函数。
我启动 Profiler 模拟器来定义这个可接受的因子范围：
- 我选择随机分布
- 但是我应该说明哪个标准偏差：我应该考虑模型 RMSE 以及因素固有可变性？ 或者 RMSE 仅考虑到它已经包含因子固有可变性，这意味着模型已经捕获了模型误差中的这种固有可变性？
谢谢，
雨果
@martindemel
回复：使用 Profiler 模拟器时的因素固有可变性以下是在 Prediction Profiler 中使用模拟功能的示例：
请注意，我指定了随机变化年龄和高度但固定的性别。 过程变量的目标值是平均值。 SD 是预期的变化。 所以我想模拟当高度= 60 英寸，但根据 SD = 1.5 英寸的正态分布而变化。
请注意，在底部我还为 Y 添加了随机噪声（重量) 是固有的并且独立于因子水平。 在这种情况下，重量即使因子水平不变，也会有 10 磅的变化。 您可能有此 SD 的历史值，或者您可能使用回归分析中估计的 RMSE 来拟合此模型。
回复：使用 Profiler 模拟器时的因素固有可变性嗨，马克，
感谢您的输入。 所以在分析器中，选择随机分布，我将设定点值设置为平均值，然后将因子变异性设置为 SD，是否正确？ 最后，我不会将 RMSE 作为一个因子的 SD，因为正如您所提到的，RMSE 是与响应相关的误差，并且已经在模型中捕获，所以在每个模拟 Y 值的置信区间中？
回复：使用 Profiler 模拟器时的因素固有可变性只是为了澄清，您为每个因子指定因子变异性（如果有）。 RMSE 是响应中与因子水平变化无关的随机变化。 因此，您单独添加 RMSE。 这样，两个来源（固定和随机）都包含在模拟中。
回复：使用 Profiler 模拟器时的因素固有可变性非常感谢 Martin 就该主题进行的精彩讨论。
回复：使用 Profiler 模拟器时的因素固有可变性"那么我明白，模型误差确实不一定考虑到因素固有的可变性？”
如果它已经在数据中，模型只会将这种可变性纳入 acvcount。 所以是的，模型误差没有考虑到您设置的附加模拟误差。 模拟允许您添加额外的噪音，您可能从响应测量/仪器/输入变化的经验或技术细节中知道......（例如，ph 很可能不完全等于 5.5，即使您设置了，您通常也会有一个小的变化它与仪器到这个值。
也就是说，您的第二个问题的答案：如果您复制您的设计，您将拥有更多用于“相同设置”的数据。 这将允许更好地估计误差。 所以模型可能更准确。 但是，我不一定会说这包括固有因素的可变性。 从保守的角度来看，我仍然想知道最坏的情况。 然后，您可以 - 结合您的专业知识 - 判断您的模型这些场景的可能性有多大，以及较小的变化是否与保守方法有很大不同。 不幸的是，它仍然是一个近似值，但可能（稍微？）比以前更好。
回复：使用 Profiler 模拟器时的因素固有可变性嗨，马丁，
感谢您的输入。
我同意你对保守方法的评论。
当您声明“当我想确定我的模拟除了模型误差之外还考虑了您的因素的固有可变性时，... “那我明白了，模型误差确实不一定考虑到因素固有的可变性？
如果我要复制整个设计，那么我会更有信心模型误差考虑到这种固有因素的可变性？
回复：使用 Profiler 模拟器时的因素固有可变性雨果，当我想确定我的模拟除了模型误差之外还考虑了您的因素的固有可变性时，我会将模拟的分布设置为该范围（2 作为平均值，标准 0.1%）。 如果我可以确定在您的示例中变异性不会超过 0.1%，那么我将使用截断正态或单变量来捕获整个变化范围，而不是仅使用正态。
由于目标是（正如我所建议的）收集最大的因素范围以保持在您的接受标准中，因此保守而不是过于乐观总是更好。
我的 2 美分 
其他人可能会从他们的日常工作和使用中获得额外的投入。
