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? Como esto:
con
Con (esta es la parte que echo de menos en la documentación)
Con sigma cuadrado (sombrero) siendo el modelo RSME (para la varianza loglineal, supongo que este es el RMSE previsto para una condición de diseño) y xh una nueva condición de diseño. Eso espero porque esto es increíblemente poderoso para hacer exactamente esto.
Además, mi punto es que Prediction inverals es lo que necesitamos. Le comuniqué en el pasado (hace mucho, mucho tiempo) que tener generalmente 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 (Mínimos cuadrados estándar) es el que usan 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 de este tipo 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 las personas primero usan DoE y luego crean modelos que lógicamente tienen bajos grados de libertad. Por lo tanto, la aproximación Normal no se sostiene mucho.
Para información, mucha gente realmente no puede usar JMP para su cálculo de Design Space (entorno QbD) debido a esa mala distribución Normal en el simulador, para obtener las probabilidades de defectos. Luego, generalmente necesitamos volver a R o SAS para hacerlo, lo cual es una gran pérdida de tiempo.
Me gustaría volver a abrir. Ahora que los PI están disponibles en el generador de perfiles de predicción, es seguro que los desarrolladores de JMP saben la forma de la distribución t de Student que se utilizará. Si se pudiera agregar en el simulador para generar la simulación a partir de la distribución t de Student, teniendo en cuenta los grados de libertad y la matriz de diseño (consulte la fórmula anterior), sería fantástico.
Gracias !
