Fit Model 플랫폼에서 로그 선형 분산 성격을 사용할 때 JMP Fit Model Profiler에서 예측 구간 구현에 대한 자세한 내용을 찾고있었습니다. 도움말이나 인터넷에서 찾을 수있는 것보다 더 많은 통찰력을 제공 할 수 있습니까? 예를 들어, 계산에 설계 행렬을 사용합니까? 이렇게 :
와
와 함께 (이것은 내가 문서에서 놓친 부분입니다)
시그마 제곱 (모자)이 모델 RSME (로그 선형 분산의 경우, 이것이 하나의 설계 조건에 대해 예측 된 RMSE라고 생각합니다)이고 xh 새로운 디자인 조건. 나는 이것이 정확히 이것을 수행하는 데 놀랍도록 강력하기 때문에 그렇게되기를 바랍니다.
또한 내 요점은 Prediction inverals가 우리에게 필요한 것입니다. 나는 과거 (오래, 오래 전)에 일반적으로 예측 프로파일 러의 예측 간격은이 강력한 도구에 궁극적으로 추가 될 것입니다. 내 말은, 기본 다중 회귀 모델 (Standard Least Square)은 대부분의 사용자가 사용하는 모델이며, 불행히도 예측 구간을 사용할 수 없습니다! 또한 설계 행렬이나 자유도를 고려하지 않는 정규 분포 대신 시뮬레이터에서도 이러한 Student 분포를 사용하기 쉽습니다 (다변량 학생 분포로 다중 응답 형태로 존재하기도합니다)! 그 이유는 대부분의 사람들이 DoE를 먼저 사용한 다음 논리적으로 자유도가 낮은 모델을 생각해 내기 때문입니다. 따라서 정규 근사치는 그다지 많이 유지되지 않습니다.
정보를 위해 많은 사람들이 시뮬레이터의 불량한 정규 분포로 인해 설계 공간 계산 (QbD 환경)에 실제로 JMP를 사용하여 결함 확률을 얻을 수 없습니다. 그런 다음 일반적으로 R 또는 SAS로 돌아와이를 수행해야하는데 이는 안타깝게도 엄청난 시간 손실입니다.
