687547_ko-KR

liliconcom

예측 프로파일러의 사후 처리 Monte Carlo 결과

모두들 안녕,

 

"전압"과 "두께"라는 두 개의 무작위 변수 공식이 포함된 JMP 파일이 있습니다.

공식의 통계적 분포를 시각화하기 위해 JMP 예측 프로파일러를 사용하고 있습니다.

JSL 명령을 사용하여 프로파일러가 실행하는 모든 Monte Carlo 결과가 포함된 테이블을 만들었습니다.

Simulate to Table

내 화면은 다음과 같습니다.

 

다음 단계에서는 새 테이블의 열을 사용하여 그림에 열려 있는 동일한 스크립트를 사용하여 맞춤형 통계 분석을 수행하고 싶습니다(예: 수식 열의 평균값 평가).이 시점에서 멈춰서 앞으로 나아갈 수 없습니다 ...

 

몇 가지 아이디어가 있나요?

미리 감사드립니다.

표시

자동화 및 스크립팅기본 데이터 분석 및 모델링신뢰성 분석Re: 예측 프로파일러의 Monte Carlo 결과 사후 처리

안녕 @mark_war ,

 

수행하고 평가하려는 통계의 종류를 정확히 알지 못한 채 자동으로 분석을 수행하도록 코드를 수정하는 방법에 대한 아래 예를 참조하세요.

Names Default to Here(1);

Profiler(
 Y( :Formula ),
 Profiler(
  1,
  Term Value(
   thickness(
    2.9875,
    Min( 2.30771982310094 ),
    Max( 3.46241935483871 ),
    Lock( 0 ),
    Show( 1 )
   ),
   Voltage(
    1,
    Min( 0.3584375 ),
    Max( 1.59908333333333 ),
    Lock( 0 ),
    Show( 1 )
   )
  ),
  Simulator(
   1,
   Factors(
    thickness << Random( Normal( 2.9875, 0.2 ) ),
    Voltage << Random( Normal( 1, 0.2 ) )
   ),
   Responses( Formula << No Noise ),
   Resimulate,
   Simulate to Table
  )
 ),
 SendToReport(
  Dispatch(
   {"Prediction Profiler"},
   "10000",
   ScaleBox,
   {Min( -0.0325024497795198 ), Max( 0.801201923076923 ), Inc( 0.2 ),
   Minor Ticks( 1 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "2",
   ScaleBox,
   {Min( 0.3584375 ), Max( 1.59908333333333 ), Inc( 0.2 ), Minor Ticks( 1 )
   }
  ),
  Dispatch(
   {"Prediction Profiler"},
   "1",
   ScaleBox,
   {Min( 2.30771982310094 ), Max( 3.46241935483871 ), Inc( 0.2 ),
   Minor Ticks( 1 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "Profiler",
   FrameBox,
   {Frame Size( 134, 167 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "Profiler Simulator Distribution",
   FrameBox,
   {Frame Size( 124, 56 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "Profiler",
   FrameBox( 3 ),
   {Frame Size( 134, 167 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "Profiler Simulator Distribution",
   FrameBox( 2 ),
   {Frame Size( 124, 56 )}
  ),
  Dispatch(
   {"Prediction Profiler"},
   "Profile Simulator Histogram",
   FrameBox,
   {Frame Size( 64, 157 ), DispatchSeg(
    Hist Seg( 1 ),
    {Fill Color( "Green" ), Bin Span( 2, 0 )}
   )}
  ),
  Dispatch(
   {"Prediction Profiler", "Simulator"},
   "Simulate to Table",
   OutlineBox,
   {Close( 0 )}
  )
 )
);

dtlist=get data table list();//this creates a list of all the open data tables.

dt=Data Table(dtlist[1]);//this assigns the top-most data table to the variable dt so that you can perform the statistics on this data table rather than the original data table

//this sends the command to the data table to generate some distributions.
dt<<DISTRIBUTION></DISTRIBUTION>

최소한 시작은 해야 합니다.

 

도움이 되었기를 바랍니다!,

DS

Re: 예측 프로파일러의 Monte Carlo 결과 사후 처리

열의 산점도(그래프 > 산점도 행렬)는 이러한 유형의 분석에 유용합니다. 사양 범위를 필터링할 수 있도록 응답 변수에 대한 데이터 필터를 추가할 수도 있습니다.

 

분석의 목표가 사양을 충족할 수 있는 입력 변수의 범위를 찾는 것이라면 해당 작업을 보다 자동으로 수행하는 데 도움이 되도록 설계된 디자인 공간 프로파일러(프로파일러 아래)를 사용해 보아야 합니다.