시뮬레이터의 랜덤 노이즈안녕,
Fit Model의 시뮬레이터를 사용하여 구축한 모델의 일부 응답을 시뮬레이션하고 싶습니다. 고정된 요소만 있으므로 응답에 무작위 노이즈를 추가하여 시뮬레이션된 응답의 분포를 생성하고 싶습니다. 내 질문은
1. JMP에서 제공하는 응답에 대한 기본 랜덤 노이즈 값은 정확히 얼마입니까? (한 도움말 페이지에서 이것이 Root Mean Square Error인 것을 보았지만 실용적인 용어로 이것을 해석하는 방법을 모르겠습니다.)
2. 시뮬레이션할 때 응답에서 측정 오류를 캡처하려면 어떻게 합니까? 즉, 기본 랜덤 노이즈 값을 측정 오류에 대한 std dev로 교체합니까, 아니면 기본 랜덤 노이즈 값을 측정 오류 값과 결합합니까(아마도 각각에 대한 분산의 합을 취한 다음 제곱근을 취합니까?)
미리 감사드립니다
해석학Re: 시뮬레이터의 랜덤 노이즈감사합니다!
Re: 시뮬레이터의 랜덤 노이즈정말 고마워!
Re: 시뮬레이터의 랜덤 노이즈그리고 주의사항 @알리시아 모를 경우: 분산은 가산이고 표준 편차는 그렇지 않습니다. 따라서 배치 및 측정 변동의 추정치를 표준 편차로 가지고 있는 경우 이를 제곱하고 더한 다음 제곱근을 취하여 다음과 같이 시뮬레이션에 대한 SD를 구해야 합니다. @SDF1 .
Re: 시뮬레이터의 랜덤 노이즈예, 예측 프로파일러를 사용하십시오. 시뮬레이션할 조건을 정의하는 두 가지 범주형 요인의 수준을 설정합니다. 예측 프로파일러에서 시뮬레이터를 활성화합니다. 요인을 그대로 두십시오. 시뮬레이터의 응답 정보를 변경하여 목적에 맞는 독립적인 무작위 노이즈를 나타냅니다. JMP는 현재 모델을 피팅하는 RMSE를 기본값(편의성)으로만 제공하지만 모든 변동 소스를 포함하는 다른 곳에서 결정한 다른 SD를 입력할 수 있습니다. 이 중 일부는 피팅하는 데이터에 포함되지 않았을 수 있습니다. (예: 다중 배치). 이제 오른쪽의 프로파일러 아래에 있는 시뮬레이션 버튼을 클릭합니다.
시뮬레이션의 SD를 결정하는 방법을 묻고 있습니까?
Re: 시뮬레이터의 랜덤 노이즈안녕 @알리시아 ,
동일한 조건/레시피에서 만들어진 여러 배치에 대한 측정이 있는 경우 배치 간 변동에 대한 충분한 추정치가 이미 있어야 합니다. 또한 단일 배치에 여러 측정이 있는 경우 측정 시스템 자체의 노이즈도 추정해야 합니다.
여기에서 예측 공식이 있으면 배치 분산에 측정 분산을 더한 값의 제곱근인 표준 편차가 있는 0을 중심으로 하는 정규 분포를 더한 예측 공식인 새 열 공식을 생성할 수 있습니다. .
다음과 같아야 합니다. Diabetes.jmp 파일을 사용하여 예제 예측 공식을 만든 다음 Random Normal(mu,sigma) 함수를 추가하여 노이즈를 추가했습니다. 이렇게 하면 평균이 0이고 표준 편차 시그마가 있는 정규 분포 난수가 예측 공식에 추가됩니다.
도움이 되었기를 바랍니다!,
DS
Re: 시뮬레이터의 랜덤 노이즈안녕 @SDF1 , RMSE에 대한 답변과 설명에 감사드립니다. 모델에서 범주형 요소만 사용하고 있으며 시뮬레이터의 응답에서 오는 노이즈를 캡처하고 싶습니다... 1. 배치-배치 변동으로 & 2. 측정 오류로. (위의 참고 사항 참조).
귀하의 의견에 진심으로 감사드립니다.
Re: 시뮬레이터의 랜덤 노이즈모형에는 2개의 요인만 있으며 둘 다 범주형입니다. 기본적으로 3개의 조합에 대한 결과가 있고 4번째 조합에 대한 결과를 모델링하는 2x2 행렬이 있습니다. 네 번째 조합에 대한 응답을 시뮬레이션할 때 응답에 약간의 노이즈를 추가하고 싶습니다.
1. 배치 간 변동에서 발생(JMP는 이를 RMSE로 추정합니까?)
2. 측정 오류로 인해 발생합니다.
내 질문은 .. 프로파일러 - 시뮬레이터 플랫폼에서 어떻게 합니까? RMSE JMP 추정치를 사용한 다음 여기에 측정 오류를 추가합니까(분산을 결합하고 제곱근을 취하여)?
많은 도움을 주셔서 감사합니다!
Re: 시뮬레이터의 랜덤 노이즈안녕 @알리시아 ,
나는 당신이하고 싶은 것을 이해한다고 생각하지만 100 % 확신하지는 못합니다.
요인 및 응답에 대한 상관 행렬을 알고 있습니까? 그렇다면 이를 사용하여 시뮬레이션을 수행할 때 분산 등을 더 잘 추정할 수 있습니다. 또한 요인 및 반응의 분산 또는 표준 편차를 잘 추정합니까?
예측 공식이 있는 경우(데이터 테이블 또는 Fit Model 보고서 내에 저장됨) 프로파일러의 빨간색 핫 버튼 아래에서 시뮬레이터를 선택할 수 있기 때문에 묻습니다. 이렇게 하면 모델 요인의 평균과 표준 편차를 독립적인 정규 노이즈 또는 다변량 상관 관계로 수정할 수 있습니다. 그런 다음 올바른 종류의 상관 구조 및 노이즈가 있는 시뮬레이션된 데이터인 큰 데이터 테이블을 생성할 수 있습니다.
귀하의 질문에 대한 답변으로 RMSE는 추정기에 대한 실제 데이터의 표준 편차로 매우 간단하게 해석될 수 있습니다. 이것은 지나치게 단순화된 설명이지만 개념적으로 이해하기 쉬운 설명입니다.
두 번째 질문의 경우, 이는 모델에 들어가는 요인의 노이즈에 의해 포착되어야 합니다. 요인의 노이즈는 출력의 노이즈로 변환됩니다. 다시 말하지만, 추정치가 될 것이지만 요인의 잡음을 잘 알고 있고 모형이 좋은 경우 응답 잡음에 대한 좋은 추정치가 있어야 합니다.
도움이 되었기를 바랍니다!,
DS
Re: 시뮬레이터의 랜덤 노이즈"고정 요인"이란 무엇을 의미합니까? 그들은 범주적입니까? 연속적인 요인이라면 실제로는 다를 수 있습니다. 그렇다면 시뮬레이션에 이 변형을 포함할 수도 있습니다.
JMP는 반응 SD에 대해 현재 선택된 적합 모형에서 RMSE를 제공합니다. 모든 반응 수준에 대해 일정하고 모델 예측 변수와 무관하다고 가정합니다.
