当您在“拟合模型”平台中使用对数线性方差特性时，我一直在寻找有关 JMP 拟合模型刻画器中预测区间实施的更多详细信息。 与我在帮助或互联网上找到的内容相比，您能否提供更多见解？ 例如，它在计算中是否使用设计矩阵？ 像这样：
和
与（这是我在文档中错过的部分）
西格玛平方（帽子）是模型 RSME（对于对数线性方差，我猜这是一种设计条件的预测 RMSE）并且xh新的设计条件。 我希望如此，因为这对于做到这一点来说非常强大。
此外，我的观点是预测积分正是我们所需要的。 我过去（很久很久以前）曾说过，一般来说预测刻画器中的这些预测间隔将是对这个强大工具的最终补充。 我的意思是，默认的多元回归模型（标准最小二乘）是大多数用户使用的模型，不幸的是预测间隔在那里不可用！ 此外，在模拟器中使用这样的学生分布也很容易，而不是不考虑设计矩阵和自由度的正态分布（它甚至以多响应形式作为多元学生分布存在）！ 原因是大多数人首先使用DoE，然后提出逻辑上自由度较低的模型。 因此，正态近似不太成立。
仅供参考，由于模拟器中的正态分布较差，很多人无法真正使用 JMP 进行设计空间计算（QbD 环境）来获取缺陷概率。 然后，我们通常需要回到 R 或 SAS 来做这件事，不幸的是，这是一个巨大的时间损失。
想重新打开。既然 PI 已在预测剖析器中可用，那么 JMP 开发人员肯定知道要使用的学生 t 分布的形状。如果可以在模拟器中添加它以从学生生成模拟，考虑到 df 和设计矩阵（参见上面的公式），那就太棒了。
谢谢 ！
