當您在Fit Model平台中使用對數線性方差個性時，我一直在尋找有關JMP Fit Model Profiler中預測間隔實現的更多詳細信息。 與我在幫助中或通過互聯網可以找到的相比，您能否提供更多的見解？ 例如，它在計算中使用設計矩陣嗎？ 像這樣：
與
與（這是我在文檔上想念的部分）
以sigma square（hat）為模型RSME（對於對數線性方差，我想這是一種設計條件下的預測RMSE），並且h一個新的設計條件。 我希望如此，因為這樣做確實非常強大。
另外，我的意思是，預測內在性是我們所需要的。 我過去（很久很久以前）傳達過通常預測分析器中的那些預測間隔將最終添加到此功能強大的工具中。 我的意思是，默認多元回歸模型（標準最小二乘模型）是大多數用戶使用的模型，不幸的是，那裡沒有可用的預測間隔！ 同樣，也很容易在模擬器中使用這樣的Student分佈，而不是不考慮設計矩陣或自由度的正態分佈（它甚至以多響應形式作為多變量Student分佈存在）！ 原因是大多數人先使用DoE，然後再提出邏輯上自由度較低的模型。 因此，法線逼近並不太成立。
對於信息，很多人不能真正使用JMP進行設計空間計算（QbD環境），因為模擬器中的正態分佈很差，無法獲得缺陷的概率。 然後，我們通常需要回到R或SAS來執行此操作，這是不幸的巨大時間損失。
