当您在Fit Model平台中使用对数线性方差个性时，我一直在寻找有关JMP Fit Model Profiler中预测间隔实现的更多详细信息。 与我在帮助中或通过互联网可以找到的相比，您能否提供更多的见解？ 例如，它在计算中使用设计矩阵吗？ 像这样：
与
与（这是我在文档上想念的部分）
以sigma square（hat）为模型RSME（对于对数线性方差，我想这是一种设计条件下的预测RMSE），并且h一个新的设计条件。 我希望如此，因为这样做确实非常强大。
另外，我的意思是，预测内在性是我们所需要的。 我过去（很久很久以前）传达过通常预测分析器中的那些预测间隔将最终添加到此功能强大的工具中。 我的意思是，默认多元回归模型（标准最小二乘模型）是大多数用户使用的模型，不幸的是，那里没有可用的预测间隔！ 同样，也很容易在模拟器中使用这样的Student分布，而不是不考虑设计矩阵或自由度的正态分布（它甚至以多响应形式作为多变量Student分布存在）！ 原因是大多数人先使用DoE，然后再提出逻辑上自由度较低的模型。 因此，法线逼近并不太成立。
对于信息，很多人不能真正使用JMP进行设计空间计算（QbD环境），因为模拟器中的正态分布很差，无法获得缺陷的概率。 然后，我们通常需要回到R或SAS来执行此操作，这是不幸的巨大时间损失。
