몬테카를로 시뮬레이션의 임의 균일 설정과 고정 설정의 차이점은 무엇입니까?DoE 실험 결과로 몬테카를로 시뮬레이션을 만들고 있습니다.
내가 이해한 대로, 몬테카를로 시뮬레이션(예측 프로파일러의 시뮬레이션 실험)은 아래 시퀀스로 작동합니다.
(1) ratin hypercube를 사용하여 무작위 X 요소로 실험을 생성합니다.
(2) 각 실험에는 무작위로 생성되는 X 요인이 있습니다. 각 실험은 X 요인을 중심점으로 하고 예측 프로파일러에 설정된 분포를 따르는 N회 무승부를 만듭니다.
(3) 각 실험에서 실패율을 계산합니다.
(위의 사항이 닳은 경우 수정하십시오)
내 질문은 예측 프로파일러의 임의 균일 설정과 고정 설정의 차이점은 무엇입니까?
무작위 정규는 (2)의 X 요소가 N 무승부 동안 정규 분포를 따른다는 것을 의미한다고 생각했습니다.
따라서 랜덤 균일은 (2)의 X 요소가 N 추첨에 대해 균일한 분포를 갖는다는 것을 의미하고 고정은 (2)의 X 요소가 추첨 중에 고정됨을 의미합니다.
내가 올바르게 이해하고 있는 것을 친절하게 귀하의 의견을 제공하십시오.
데이터 탐색 및 시각화Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?안녕 @jmpneeeeewbie ,
시뮬레이션 실험, 임의 정규 및 임의 균일의 경우 예(이 마지막 지점의 경우 거의 동일한 확률이 맞으며 가능한 값의 범위는 이 균일 분포에 대해 지정한 범위에 따라 달라집니다).
시뮬레이션 실험의 경우 탐색하려는 공간 부분도 고려해야 합니다. 고정 요인 값의 경우 프로파일러에 대해 값이 고정되어 있는 것이 맞지만 "시뮬레이션 실험"을 사용하고 탐색하려는 실험 공간의 일부를 지정하면 시뮬레이션된 X1 및 X2 값이 중앙에 표시됩니다. (a,b) 그러나 범위가 더 넓습니다. Latin Hypercube를 사용하여 상황으로 돌아갑니다.
예를 들어, X1이 -0,5로 설정되고 X2가 1로 설정되고 실험 공간의 일부가 0,5로 설정된 경우 Simulation Experiment 플랫폼은 X1이 범위 [-1;0]인 Latin Hypercube로 실행을 생성하고 [0;1] 범위의 X2. 동일한 다른 설정으로 요인 중 하나가 0으로 설정되면 범위는 [-0,5; 0,5].
연습용으로 JMP 샘플 인덱스/데이터 폴더를 사용하여 JMP 데이터 테이블에서 이러한 옵션을 시도할 수 있습니다.
더 이상 헷갈리지 않았으면 좋겠어.
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?안녕 @Victor_G
답장을 보내 주셔서 감사합니다.
요약하면
"시뮬레이션 실험"은 Latin Hypercuber를 사용하여 실행합니다.
각 실행에는 특정 X 요인 수준이 있으며 프로파일러의 설정을 사용하여 실패율을 계산합니다.
예를 들어 2개의 X 요소가 있는 모델과 Latin Hypercube에서 만든 시뮬레이션 실험 1000회(시뮬레이션을 위한 N회 실행: 20,000)가 있습니다.
두 개의 X 요소(a,b)가 있는 실행이 있습니다.
이 실행에서,
랜덤 정규: 중심점(a,b)을 갖는 정규 분포를 갖는 20,000N 드로우로 실패율을 계산합니다.
랜덤 균일: (a,b)를 고려하지 않는 랜덤 X 요인이 있는 20,000N 드로우로 실패율을 계산합니다. 그것은 (0,0), (a,b), (a,a), (b,b)...... 같은 확률을 의미합니다.
고정 : 고정된 X 계수로 20,000 N 드로우로 실패율을 계산합니다. 모든 N 무승부 동안 X 계수는 (a,b)로 고정됩니다.
내가 올바르게 이해하기를 바랍니다.
감사합니다 @Victor_G !
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?안녕 @jmpneeeeewbie ,
고정 : 모든 시뮬레이션 실행에 대해 프로파일러의 현재 값에서 계수를 수정합니다. (에서 : 요인에 대한 시뮬레이션 설정(jmp.com) )
따라서 계산에서 지정하는 요소 공간의 부분에 따라 모든 시뮬레이션에서 단일 값의 일부가 사용됨을 의미합니다. "고정" 요인에 대해 임의의 변형이 추가되지 않으므로 계산은 프로파일러의 모델을 사용하여 직접 수행됩니다.
예를 들어 JMP 데이터 테이블 "2x3x4 Factorial"의 예에서 모든 요인을 고정하고 "시뮬레이션 실험"을 사용하고 128개의 실행과 요인 공간 0,5의 일부를 지정하면 JMP는 다음 범위의 연속 요인 X1을 사용하여 128개의 실행을 생성합니다. 0,5 ~ 0,5(전체 요인 범위 -1 ~ 1 대신) 범주형 요인에 대한 모든 수준을 테스트합니다. 그러나 임의의 변형이 추가되지 않으므로 모든 계산은 이전에 찾은 모델로 수행됩니다(완전히 결정론적인 결과).
고정 요인을 사용한 시뮬레이션 실험과 무작위 균일 요인 사이의 차이는 테이블의 출력과 사용된 요인의 수준에 있습니다. "시뮬레이션 실험" 플랫폼은 라틴 하이퍼큐브를 사용하므로 다양한 레벨이 선택되고 각 레벨에 대해 대략 동일한 수의 실험이 수행됩니다. 이 프로세스는 무작위이기 때문에 "Random Uniform" 요소 옵션의 경우에는 반드시 그런 것은 아닙니다. JMP 데이터 세트의 두 테이블을 비교하여 차이점(동일한 실행 수, 시뮬레이션 실험으로 생성된 테이블 하나, 임의 균일 계수 X1을 사용하여 생성된 테이블)을 확인하거나 제공되는 이미지에서 X1에 대한 다양한 분포를 확인할 수 있습니다. 선택하는 옵션(X1의 임의 균일 또는 시뮬레이션 실험).
귀하의 질문을 올바르게 이해하기를 바랍니다.
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?응답해 주셔서 감사합니다. @Victor_G .
내 원래 질문으로 돌아가십시오.
"시뮬레이션 실험"에서 고정이 의미하는 바는 무엇입니까?
내가 선택한 지점에 고정되어 있으면 모든 실험 공간에서 시뮬레이션 실험을 할 수 없다.
따라서 각 실험 지점의 X 요인에 고정될 것이라고 생각합니다.
그리고, "시뮬레이션 실험"에서 무작위 유니폼과의 차이점은 무엇입니까?
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?안녕 @jmpneeeeewbie ,
예, "시뮬레이션 실험"은 Monte-Carlo 시뮬레이션을 기반으로 하며 지정한 실험 공간의 일부(및 포인트 수)를 기반으로 실험 공간의 모든 가능한 값의 하위 집합만 제공합니다.
여기에 더 많은 정보가 있습니다. 시뮬레이션 실험(jmp.com)
그러나 바람직함 케이스 옆(오른쪽)에 있는 "시뮬레이션" 버튼을 클릭하여 프로파일러에서 직접 입력의 변동성(및 응답에서 가능한 노이즈)의 영향을 그래픽으로 확인할 수 있습니다. 당신의 스크린샷에.
이 답변이 도움이 되길 바라며,
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?Victor_G님 감사합니다.
"Monte Calro Simulation"은 아래 그림의 시뮬레이션 실험과 동일하다고 생각했습니다.
Re: 몬테카를로 시뮬레이션의 무작위 균일과 고정 설정의 차이점은 무엇입니까?안녕 @jmpneeeeewbie ,
커뮤니티에 오신 것을 환영합니다!
당신이 설명하는 것은 여기에서 정보를 찾을 수 있는 데이터 테이블(Monte Carlo 시뮬레이션에 의해 생성된 포인트의 하위 집합)을 만들기 위해 시뮬레이터를 통해 포인트를 생성하는 것입니다. 시뮬레이션 실험(jmp.com)
Monte Carlo 시뮬레이션은 설명하는 프로세스보다 더 일반적입니다.
- 먼저 가능한 입력의 영역을 정의합니다. 입력 매개변수의 분포를 지정합니다(임의 정규, 균일, 로그 정규, Weibull, 다변량 등). "고정"으로 설정된 입력 매개변수는 값의 분포가 없으며 단일 포인트 값만 계산에 사용됩니다(따라서 예를 들어 이 입력 변수에 대한 임의 변동성을 고려하지 않음). 보다 : 요인에 대한 시뮬레이션 설정(jmp.com)
- 그런 다음 예를 들어 출력 측정의 가변성을 고려하기 위해 응답에 잡음(무작위, 가중, 다변량 또는 잡음 없음)을 추가할 수도 있습니다. 보다 : 응답에 대한 시뮬레이션 설정(jmp.com)
- 그런 다음 입력 생성이 입력에서 무작위로 수행됩니다. 확률 분포 1단계와 2단계에서 지정한 도메인에 대해 "시뮬레이션"을 클릭하고 결정론적 이전에 생성한 모델 덕분에 입력에 대한 계산(입력을 출력에 연결). 출력에 노이즈를 추가한 경우 계산된 값에서 노이즈도 고려됩니다.
- 마지막으로 결과가 집계되어 응답 분포를 생성하며 위의 "시뮬레이션" 버튼의 프로파일러에서 볼 수 있습니다.
JMP 데이터 테이블 2x3x4 Factorial("실험 설계"의 샘플 데이터 폴더에서 사용 가능)로 수행한 예를 볼 수 있습니다. 또한 자세한 내용을 보려면 "Monte Carlo Simulations" 스크립트로 데이터 테이블을 조인합니다.
Monte Carlo 시뮬레이션에 대한 자세한 정보를 찾으려면 다음에서 찾을 수 있습니다. Monte Carlo 시뮬레이션 실험을 사용한 프로세스 및 제품의 강력한 최적화 - JMP User Community
이 답변이 도움이 되길 바라며,
