Stavo cercando maggiori dettagli sull'implementazione degli intervalli di previsione in JMP Fit Model Profiler, quando si utilizza la personalità della varianza loglineare nella piattaforma Fit Model. Potreste fornire maggiori informazioni rispetto a ciò che posso trovare nella guida o su Internet? Ad esempio, utilizza la matrice di progettazione nel suo calcolo? Come questo:
con
Con (questa è la parte che mi manca della documentazione)
Con sigma square (hat) come modello RSME (per la varianza loglineare, immagino che questo sia l'RMSE previsto per una condizione di progetto) e xh una nuova condizione di design. Lo spero perché questo è semplicemente incredibilmente potente per fare esattamente questo.
Inoltre, il punto è che le previsioni inverali sono ciò di cui abbiamo bisogno. Ho comunicato in passato (molto, molto tempo fa) quell'avere in genere quegli intervalli di previsione nel profiler di previsione sarebbero un'aggiunta definitiva a questo potente strumento. Voglio dire, il modello di regressione multipla predefinito (Standard Least Square) è quello utilizzato dalla maggior parte degli utenti, e questo è un peccato che gli intervalli di previsione non siano disponibili lì! Inoltre, sarebbe facile usare una simile distribuzione Student anche con il Simulatore, invece di una distribuzione Normale che non tiene conto della matrice di progettazione né dei gradi di libertà (esiste anche in forma multi-risposta come distribuzione Student multivariata)! Il motivo è che la maggior parte delle persone usa prima DoE e poi escogita modelli che logicamente hanno bassi gradi di libertà. Quindi l'approssimazione normale non regge abbastanza.
Per informazione, molte persone non possono davvero usare JMP per il loro calcolo Design Space (ambiente QbD) a causa di quella scarsa distribuzione normale nel simulatore, per ottenere le probabilità di difetti. Quindi, di solito dobbiamo tornare a R o SAS per farlo, il che è una sfortunata enorme perdita di tempo.
