적합 모형의 베이지안 분산 성분변동성 차트 플랫폼은 베이지안 분산 구성요소를 얻을 수 있는 옵션을 제공하는 유일한 플랫폼입니다. Fit Model에서도 베이지안 옵션을 사용할 수 없다는 점은 잘못 정렬된 것 같습니다. 저는 회사의 사용자들로부터 동일한 분석에 대해 다른 결과를 얻었지만 다른 플랫폼을 사용하는 것에 대해 질문을 받습니다. 왜냐하면 변동성 차트 플랫폼을 사용할 때 음의 분산 구성요소가 REML에서 베이지안으로 전환될 수 있기 때문입니다. 설명이 포함된 텍스트를 읽어도 그 내용이 무엇을 의미하는지 모르거나 주의를 기울이지 않습니다.) 내 기본값은 랜덤 효과 모델에 대한 경계 분산 구성요소가 있는 Fit Model 플랫폼을 사용하는 것입니다( 혼합 모델 및 랜덤 효과 모델 의 마지막 섹션에서 이 작업을 수행하라는 JMP의 '소프트' 권장 사항이 있습니다).
변동성 차트에서 베이지안 옵션을 사용할 수 있는 경우 Fit Model에서도 보다 유연한 모델 구조로 이를 활용할 수 있는 유연성이 필요합니다.
베이지안 옵션의 유용성을 조사하기 위해 JMP 직원들이 몇 가지 훌륭한 작업을 수행했습니다(주로 음의 분산 구성요소가 모든 사람에게 혼란을 주기 때문입니다). 다음은 측정 시스템 분석 애플리케이션을 살펴보는 링크입니다. 내 가정은 이러한 원칙이 일반적으로 모든 무작위 효과 모델에 적용될 수 있다는 것입니다.
측정 시스템 분석 모델에 대한 분산 성분의 엄격하게 긍정적인 추정
고급 통계 모델링데이터 탐색 및 시각화품질 및 프로세스 엔지니어링Re: 적합 모델의 베이지안 분산 구성 요소데이터 집합에 대한 베이지안 분산 성분을 얻고자 하는 경우 분산/속성 게이지 플랫폼은 부분적으로 중첩/교차된 모델에 대해서만 3개의 요인으로 제한됩니다. Fit Model은 현재 베이지안 성분의 계산을 지원하지 않습니다. Fit Model에서 이 옵션을 사용하면 더 복잡한 부분적으로 중첩/교차된 모델에 대한 유연성을 확보할 수 있습니다.
