Estaba buscando más detalles sobre la implementación de los intervalos de predicción en JMP Fit Model Profiler, cuando usa la personalidad de varianza loglineal en la plataforma Fit Model. ¿Podría proporcionar más información en comparación con lo que puedo encontrar en la ayuda o en Internet? Por ejemplo, ¿utiliza la matriz de diseño en su cálculo? Me gusta esto:
con
Con (esta es la parte que echo de menos en la documentación)
Con sigma square (hat) como modelo RSME (para la varianza loglineal, supongo que este es el RMSE predicho para una condición de diseño) y xh una nueva condición de diseño. Eso espero porque esto es increíblemente poderoso para hacer exactamente esto.
Además, lo que quiero decir es que lo que necesitamos son las inversiones de predicción. Comuniqué en el pasado (hace mucho, mucho tiempo) que tener en general esos intervalos de predicción en el generador de perfiles de predicción serían una adición definitiva a esta poderosa herramienta. Quiero decir, el modelo de regresión múltiple predeterminado (Mínimo cuadrado estándar) es el que utilizan la mayoría de los usuarios, y esto es desafortunado ¡Los intervalos de predicción no están disponibles allí! Además, también sería fácil usar una distribución de Student con el Simulador, en lugar de una distribución Normal que no tenga en cuenta la matriz de diseño ni los grados de libertad (incluso existe en forma de respuesta múltiple como una distribución de Student multivariante). La razón es que la mayoría de la gente usa DoE primero y luego crea modelos que lógicamente tienen bajos grados de libertad. Por lo tanto, la aproximación normal no se sostiene mucho.
Para obtener información, mucha gente no puede usar JMP para su cálculo del espacio de diseño (entorno QbD) debido a esa mala distribución normal en el simulador, para obtener las probabilidades de defectos. Entonces, generalmente necesitamos volver a R o SAS para hacerlo, lo cual es una gran pérdida de tiempo lamentable.
