Re : Bruit aléatoire dans le simulateurMerci beaucoup!
Re : Bruit aléatoire dans le simulateurMerci beaucoup!
Re : Bruit aléatoire dans le simulateurEt une note de prudence à @Alicia au cas où vous ne le sauriez pas : les variances sont additives, les écarts-types ne le sont pas. Donc, si vous avez des estimations du lot et de la variation de mesure sous forme d'écarts types, vous devez les mettre au carré, les additionner, puis prendre la racine carrée pour obtenir l'écart-type pour la simulation, comme indiqué par @SDF1 .
Re : Bruit aléatoire dans le simulateurOui, utilisez le Prediction Profiler. Définissez les niveaux des deux facteurs catégoriels qui définissent la condition que vous souhaitez simuler. Activez le simulateur dans Prediction Profiler. Laissez les facteurs tels quels. Modifiez les informations de réponse dans le simulateur pour représenter le bruit aléatoire indépendant pour votre objectif. JMP fournit le RMSE à partir de l'ajustement du modèle actuel uniquement comme valeur par défaut (commodité), mais vous pouvez entrer un autre SD que vous avez déterminé ailleurs et qui inclut toutes les sources de variation, dont certaines peuvent ne pas avoir été incluses dans les données que vous ajustez (par exemple, plusieurs lots). Cliquez maintenant sur le bouton Simuler sous le profileur sur le côté droit.
Vous demandez-vous comment déterminer le SD pour votre simulation ?
Re : Bruit aléatoire dans le simulateurSalut @Alicia ,
Si vous avez des mesures sur plusieurs lots qui ont été effectués dans les mêmes conditions/recettes, vous devriez déjà avoir une bonne estimation de la variation d'un lot à l'autre. De plus, si vous avez plusieurs mesures sur un seul lot, vous devriez également avoir une estimation du bruit du système de mesure lui-même.
À partir de là, une fois que vous avez votre formule de prédiction, vous pouvez créer une nouvelle formule de colonne qui est la formule de prédiction plus une distribution normale centrée sur zéro avec un écart type qui est la racine carrée de la variance lot à lot plus la variance de mesure .
Cela devrait ressembler à quelque chose comme ci-dessous - j'ai juste utilisé le fichier Diabetes.jmp pour créer un exemple de formule de prédiction, puis j'ai ajouté une fonction Random Normal (mu, sigma) pour ajouter du bruit. Cela ajouterait un nombre aléatoire normalement distribué avec une moyenne de 0 et un écart type sigma à votre formule de prédiction.
J'espère que cela t'aides!,
DS
Re : Bruit aléatoire dans le simulateurSalut @SDF1 , merci pour votre réponse et votre explication de RMSE. J'utilise uniquement des facteurs catégoriels dans le modèle et je souhaite simplement capturer le bruit provenant de la réponse dans le simulateur ... 1. en tant que variation lot-lot et 2. en tant qu'erreur de mesure. (voir remarques ci-dessus).
J'apprécie vraiment vos commentaires
Re : Bruit aléatoire dans le simulateurIl n'y a que 2 facteurs dans le modèle et ils sont tous les deux catégoriques. J'ai essentiellement une matrice 2x2 où j'ai des résultats pour 3 des combinaisons et je modélise les résultats pour la 4ème combinaison. Lors de la simulation des réponses pour la 4ème combinaison, je souhaite ajouter du bruit à la réponse :
1. provenant de la variation d'un lot à l'autre (JMP estime-t-il cela comme RMSE ?) et
2. provenant d'une erreur de mesure.
Ma question est .. comment puis-je faire cela dans le profileur - plate-forme de simulation? Dois-je utiliser les estimations RMSE JMP, puis y ajouter l'erreur de mesure (en combinant les variances et en prenant la racine carrée) ?
Aide très appréciée!
Re : Bruit aléatoire dans le simulateurSalut @Alicia ,
Je pense avoir compris ce que tu veux faire, mais pas sûr à 100%.
Connaissez-vous la matrice de corrélation de vos facteurs et réponses ? Si c'est le cas, vous pouvez l'utiliser pour faire une meilleure estimation de la variance et ainsi de suite lors de votre simulation. De plus, avez-vous une bonne estimation de la variance ou de l'écart type des facteurs et de la réponse ?
Je demande parce que si vous avez une formule de prédiction (enregistrée dans la table de données ou dans un rapport Fit Model), vous pouvez sélectionner Simulator sous le bouton rouge du profileur. Cela vous permettra de modifier la moyenne et l'écart type des facteurs du modèle, soit sous forme de bruit normal indépendant, soit sous forme de corrélation multivariée. Vous pouvez ensuite générer une grande table de données contenant toutes les données simulées avec le bon type de structure de corrélation et de bruit.
En réponse à vos questions, la RMSE peut être très simplement interprétée comme l'écart type des données réelles par rapport à l'estimateur. C'est une explication trop simplifiée, mais conceptuellement facile à comprendre.
Pour la deuxième question, cela devrait être capturé par le bruit des facteurs entrant dans le modèle. Le bruit des facteurs se traduira par du bruit dans la sortie. Encore une fois, ce sera une estimation, mais si vous connaissez bien le bruit dans vos facteurs et que votre modèle est bon, vous devriez avoir une bonne estimation de votre bruit de réponse.
J'espère que cela t'aides!,
DS
Re : Bruit aléatoire dans le simulateurQu'entendez-vous par "facteurs fixes ?" Ils sont catégoriques ? S'il s'agit de facteurs continus, ils peuvent en pratique varier. Si tel est le cas, vous pouvez également inclure cette variation dans votre simulation.
JMP fournit la RMSE à partir du modèle ajusté actuellement sélectionné pour la réponse SD. Elle est supposée constante pour tous les niveaux de réponse et indépendante des prédicteurs du modèle.
Re : Bruit aléatoire dans le simulateurBonjour Mark,
Une question : JMP peut-il optimiser des valeurs entières incertaines (discrètes) à l'aide de Monte Carlo ? ... c'est-à-dire que pour chaque solution trouvée par JMP lors de l'optimisation, il exécute une simulation de Monte Carlo et trouve la combinaison d'entrées ajustables qui donne les meilleurs résultats de simulation ?
Acclamations,
Marco
Re : Bruit aléatoire dans le simulateurQue veux-tu dire par " valeurs entières incertaines (discrètes) ?" Qu'entendez-vous par "chaque solution trouvée par JMP ?"
Je veux vérifier mon interprétation de votre question. Demandez-vous si vous pouvez demander à JMP d'appliquer une simulation à chaque point du chemin d'optimisation ? Non, JMP ne peut pas faire cela dans Prediction Profiler. Vous devez écrire un script pour implémenter l'algorithme d'optimisation et la simulation.
Le Prediction Profiler fournit une simulation basée sur une fonction reliant la réponse moyenne aux facteurs, en injectant un bruit réaliste aux entrées et en ajoutant du bruit inconditionnel à la réponse.
Re : Bruit aléatoire dans le simulateurSalut,
Je me demandais comment déterminer le SD pour la simulation.
Avez-vous des conseils à ce sujet?
Merci d'avance
Re : Bruit aléatoire dans le simulateurSalut @PYS ,
Bienvenue dans la Communauté !
Il serait peut-être préférable de demander de l'aide dans un nouveau message, car vous obtiendrez plus de vues (et de réponses) et comme ce message date déjà de quelques mois, les gens ne le verront peut-être pas. Cela permet également de mieux suivre les questions et les solutions correspondantes pour les autres membres.
Pour répondre à votre question, voici quelques réflexions sur l'utilisation de Simulator :
Pour l'utilisation du Simulateur, vous avez le choix d'ajouter du bruit dans vos entrées/facteurs, et/ou également sur vos sorties. Il peut y avoir différentes options :
- Pour les entrées, vous pouvez ajouter quelques variations en fonction de la précision de mesure de vos entrées. Si vous avez des quantités d'ingrédients en entrée, préciser l'écart type de mesure de la procédure de pesée peut être une idée (ou une variation plus générale en prenant en compte plus de paramètres, comme le pourcentage de matière active selon les lots par exemple). Pour les paramètres de processus comme la température ou la pression, vous pouvez spécifier une certaine variation grâce aux informations de mesure/précision de ces entrées (par exemple, la température est réglée à 120°C mais vous pouvez vous attendre à une variation aléatoire de +/- 2°C). Différentes distributions sont disponibles pour s'adapter à différents scénarios que vous pourriez imaginer. Par défaut, JMP fait (en tant que distribution aléatoire par défaut) une distribution normale avec une moyenne au réglage actuel du facteur et un écart type estimé par la plage du facteur divisé par 5. Plus d'infos ici pour les autres types de facteurs : Paramètres de simulation pour les facteurs (jmp.com)
- Pour les réponses, vous pouvez également spécifier un bruit aléatoire dû à la précision de la mesure. Lorsque vous sélectionnez "Ajouter un bruit aléatoire" (ou un bruit pondéré ou multivarié) pour une réponse, JMP saisit par défaut une valeur pour l'écart type, qui correspond à la RMSE du modèle lié à cette réponse. Plus d'infos ici : Paramètres de simulation pour les réponses (jmp.com)
J'espère que cette réponse vous aidera à comprendre comment vous pouvez utiliser le simulateur pour vos besoins.
N'hésitez pas à créer un nouveau post si vous avez des questions plus précises à ce sujet, ou un jeu de données pour illustrer votre problème.
Re : Bruit aléatoire dans le simulateurBonjour @Victor_G ,
Merci pour la réponse et les conseils de publication 
Bruit aléatoire dans le simulateurSalut,
Je souhaite simuler certaines réponses d'un modèle que j'ai construit à l'aide du simulateur dans Fit Model. Comme je n'ai que des facteurs fixes, je souhaite générer une distribution de réponses simulées en ajoutant du bruit aléatoire à la réponse. Mes questions sont
1. Quelle est exactement la valeur de bruit aléatoire par défaut pour la réponse fournie par JMP ? (Sur une page d'aide, j'ai vu qu'il s'agissait de l'erreur quadratique moyenne, mais je ne sais pas comment l'interpréter en termes pratiques.)
2. Comment capturer l'erreur de mesure dans la réponse lors de la simulation ? c'est-à-dire est-ce que je remplace la valeur de bruit aléatoire par défaut par un std dev pour l'erreur de mesure ou est-ce que je combine la valeur de bruit aléatoire par défaut avec la valeur d'erreur de mesure (peut-être en prenant la somme des variances pour chacun, puis la racine carrée ?)
Merci d'avance
Exploration et visualisation des données
