Ich habe nach weiteren Details zur Implementierung der Vorhersageintervalle im JMP Fit Model Profiler gesucht, wenn Sie die loglineare Varianzpersönlichkeit in der Fit Model-Plattform verwenden. Könnten Sie mehr Einblicke geben als in der Hilfe oder im Internet? Verwendet es beispielsweise die Entwurfsmatrix bei seiner Berechnung? So was:
mit
Mit (dies ist der Teil, den ich in der Dokumentation vermisse)
Da Sigma Square (Hat) das Modell RSME ist (für die loglineare Varianz ist dies vermutlich der vorhergesagte RMSE für eine Entwurfsbedingung) und xh eine neue Designbedingung. Ich hoffe es, denn das ist einfach unglaublich mächtig, um genau das zu tun.
Mein Punkt ist außerdem, dass Vorhersageumkehrungen das sind, was wir brauchen. Ich habe in der Vergangenheit (vor langer, langer Zeit) mitgeteilt, dass allgemein Diese Vorhersageintervalle im Vorhersageprofiler wären eine ultimative Ergänzung zu diesem leistungsstarken Tool. Ich meine, das Standardmodell für multiple Regression (Standard Least Square) wird von den meisten Benutzern verwendet, und dies ist bedauerlich, dass dort keine Vorhersageintervalle verfügbar sind! Es wäre auch einfach, eine solche Student-Verteilung auch mit dem Simulator zu verwenden, anstatt einer Normalverteilung, die weder die Entwurfsmatrix noch die Freiheitsgrade berücksichtigt (sie existiert sogar in Form von Mehrfachantworten als multivariate Student-Verteilung)! Der Grund dafür ist, dass die meisten Benutzer zuerst DoE verwenden und dann Modelle entwickeln, die logischerweise nur geringe Freiheitsgrade aufweisen. Daher hält die normale Näherung nicht viel.
Zur Information: Viele Benutzer können JMP aufgrund der schlechten Normalverteilung im Simulator nicht wirklich für ihre Design Space-Berechnung (QbD-Umgebung) verwenden, um die Wahrscheinlichkeit von Fehlern zu ermitteln. Dann müssen wir normalerweise zu R oder SAS zurückkehren, um dies zu tun, was ein unglücklicher großer Zeitverlust ist.
