<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ein Kunde fragt:
Betrachten Sie a y Variable (Mesure) für die ein Modell war erhalten von mehrfach linear Regression ist von der Form y_mod = a1 * Zement +
a2 * Wasser + a3 * Luft
Nun überlegen Sie wie deterministisch Eingabeparameter Zement , Wasser und Luft, können wir geh zurück mit JMP auf die Unsicherheiten der Koeffizienten a1 a2 und a3 wenn ein Kovarianz y_mod Ist repariert ? Der Kunde davon gehört Inferenz oder Bayesian Aktualisierung sich nähern diese ...
Danke im Voraus,
Valerie
Hallo Valerie,
Dies klingt sehr nach dem Bayes'schen Ansatz, Modelle zu bauen. Software wie WinBUGS und OpenBUGS (BUGS = Bayesian Inference Using Gibbs Sampling) verwendet Markov-Chain-Monte-Carlo-Algorithmen, um unterschiedliche Koeffizienten für jeden Parameter im Modell abzutasten. Sobald sich die Ketten stabilisiert haben, kann die Verteilung der Werte für jeden Koeffizienten verwendet werden, um "glaubwürdige Intervalle" zu erhalten: ein Maß für die Unsicherheit, das den Konfidenzintervallen entspricht.
Es ist jedoch nicht möglich, dies direkt in JMP zu tun. Ich denke, es wäre möglich, mit R zu kommunizieren, um die Bayes'sche Folgerung zu machen. Oder Sie können JMP verwenden, um die Ausgabe von WinBUGS zu visualisieren und zu analysieren (dazu gibt es einen Blog-Beitrag: Verwenden von JMP zur Auswertung der MCMC-Diagnose ).
Es kommt darauf an, warum der Kunde dies tun möchte. Wenn sie ein Modell mit Regression der kleinsten Quadrate erstellt haben, können sie Konfidenzintervalle für jeden Koeffizienten erhalten, indem sie mit der rechten Maustaste auf die Tabelle Parameterschätzungen> Spalten> Untere 95%, Obere 95% klicken. Wenn sie Pro haben, können sie alternativ mit der rechten Maustaste auf die Schätzung in der Tabelle und auf Bootstrap klicken, um die Unsicherheit zu schätzen. Warum wollen sie die Bayes'sche Folgerung verwenden?
Grüße,
Phil
