我们可以在回归参数中进行蒙特卡罗模拟吗你好：
我只是想知道是否有一种方法可以将蒙特卡罗模拟纳入回归参数中。
我想一旦有了回归方程，我就可以通过指定每个参数的分布来运行蒙特卡罗模拟，并获得输出参数的分布。
Q1) 但是，在创建回归方程时，每个参数的三个数据点（公差带的每个 LSL 和 USL 各一个，中间一个）是否足够？
我猜我需要运行两次 DOE，其中一次是为了找到重要因素。与在公差区内变化的重要因素的另一次运行相比。
我的最终目标是改变由回归方程创建的系统中每个参数的容限，并将故障率控制在可接受的限度内。
Q2) 我应该重复多少次？
如果这个问题看起来很愚蠢，请接受我的歉意，并请解释我的理解有缺陷的地方。
此致，
瓦伦克
高级统计建模基础数据分析和建模实验设计预测建模和机器学习质量和工艺工程回复：我们可以在回归参数中进行蒙特卡洛模拟吗根据您想要实现的目标，这听起来像是根据变化的 x 值找到响应变量的分布，参数估计的蒙特卡洛模拟并不是最好的方法。在我看来，您确实应该使用预测刻画器来模拟响应分布。或者也许我只是错过了你的目标？
回复：我们可以在回归参数中进行蒙特卡罗模拟吗感谢 P_Bartell 的回复：
下面我尝试更具体一些。
假设我将 A 和 B 作为重要因素，将 C 作为响应变量。
A可以是9-11，标称为10
B可以是19-21，标称20
因此，我将再运行一个 DOE，其中 A 具有 8,10 和 12 三个级别（故意在两侧保留 1 个级别）
B 也将有三个级别 18,20 和 22（再次有意增加，两侧均为 1）
现在，我可能会得到更精确的 A 和 B 回归方程，对结果 C 进行建模。
现在，如果我的废品率是 3%，我将改变 A 和 B 的平均值和公差带，以便 C 的输出值在 3% 废品率之内。
这样我就可以在昂贵的零件（例如机加工）A上拥有最大的公差，同时B可以减少到可能的极限。
这是因为当我们仍处于组件的原型阶段并且我们没有太多可用的生产数据时。
这将为我们提供一个良好的大概，以后进行更改的成本非常昂贵。
原型与生产的相关性将是另一个挑战，但至少它会给我们一些关于下一个项目可能发生的变化的数据点。
我们还有其他更好的方法来决定公差吗？
回复：我们可以在回归参数中进行蒙特卡罗模拟吗听起来仍然是一项非常适合预测刻画器中的模拟功能的任务。
回复：我们可以在回归参数中进行蒙特卡洛模拟吗嗨@VarunK ，
正如@P_Bartell ，预测分析器中内置的模拟工具是您最好的选择 - 如果您知道流程设置的预期变化（示例中的 A 和 B），您可以进行模拟以找到缺陷率。如果您想探索如何设置这些设置的上限和下限， 设计空间分析器将会很好地工作。
谢谢，
本
回复：我们可以在回归参数中进行蒙特卡洛模拟吗谢谢你 P_巴特尔
回复：我们可以在回归参数中进行蒙特卡洛模拟吗谢谢你 Ben_Ingham
