JMP可以估算模型系数的不确定性吗<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />客户问：
考虑一个 ÿ 变量（测量） 一个模型是由...获得多重线性回归的形式 y_mod = a1 *水泥+
a2 *水+ a3 *空气
现在考虑如确定性的输入参数水泥 ，水和空气，我们可以回去与 JMP 关于不确定性系数 a1 ，a2 和 a3 如果一个协方差 y_mod 是固定的 ？顾客听说过推理要么贝叶斯更新中接近这个 ...
提前致谢，
瓦莱丽
回复：JMP可以估算模型系数的不确定性吗嗨，瓦莱丽，
这听起来很像贝叶斯模型的建立方法。诸如WinBUGS和OpenBUGS之类的软件（BUGS =使用Gibbs采样的贝叶斯推理）使用马尔可夫链蒙特卡罗算法为模型中的每个参数采样不同的系数。一旦链条稳定下来，就可以使用每个系数的值分布来给出“可信区间”：不确定性的度量，等同于置信区间。
但是，不可能直接在JMP中执行任何此操作。我认为可以与R进行贝叶斯推断。或者，您可以使用JMP可视化和分析WinBUGS的输出（有一篇关于此的博客文章： 使用JMP评估MCMC诊断 ）。
这取决于客户为什么要这样做。如果他们使用最小二乘回归建立模型，则可以通过右键单击“参数估计值”表>“列”>“下95％”，“上95％”来获得每个系数的置信区间。或者，如果他们拥有Pro，则可以在表格和Bootstrap中的“估计”上单击鼠标右键，以估计不确定性。他们为什么要使用贝叶斯推理？
问候，
菲尔
