Fit Model プラットフォームで対数線形分散パーソナリティを使用する場合、JMP Fit Model Profiler での予測区間の実装に関する詳細を探していました。 ヘルプやインターネットで見つけた情報よりも詳しい情報を提供していただけますか? たとえば、計算で計画行列を使用しますか? このような：
と
あり（これはドキュメントで見逃している部分です）
シグマ スクエア (ハット) がモデル RSME であり (対数線形分散の場合、これは 1 つの設計条件の予測 RMSE であると思います)、 xh新しい設計条件。 これはまさにこれを行うのに驚くほど強力なので、そう願っています。
さらに、私のポイントは、予測の平均が必要なものであるということです。 私は過去に（ずっとずっと前に）持っていることを伝えました一般的予測プロファイラーのこれらの予測間隔は、この強力なツールに究極的に追加されます。 つまり、デフォルトの重回帰モデル (標準最小二乗法) がほとんどのユーザーによって使用されているものであり、これは残念なことです。そこで予測区間を利用することはできません! また、計画行列や自由度を考慮しない正規分布の代わりに、このようなスチューデント分布をシミュレータでも簡単に使用できます (多変量スチューデント分布として多応答形式で存在することさえあります)。 その理由は、ほとんどの人が最初に DoE を使用してから、論理的に自由度の低いモデルを考え出すためです。 したがって、正規近似はあまり当てはまりません。
参考までに、多くの人は、シミュレーターの正規分布が貧弱で、欠陥の確率を取得するために、デザインスペースの計算 (QbD 環境) に JMP を実際に使用することはできません。 その後、通常は R または SAS に戻ってそれを行う必要がありますが、これは残念ながら大きな時間の損失です。
再開したいと思います。予測プロファイラーで PI が利用できるようになったので、JMP 開発者は使用するスチューデントの t 分布の形状を確実に把握しています。シミュレーターに追加して、自由度と設計行列 (上記の式を参照) を考慮して、スチューデントからシミュレーションを生成できれば素晴らしいと思います。
ありがとう ！
