是什麼激發了這個願望清單請求？
預測建模平台中的模型沒有預設產生模型預測信賴區間或預測區間的功能；然而，JPM 提供了一種使用 bagging 圍繞分析器中的預測來產生置信區間的方法（ https://www.jmp.com/support/help/en/18.0/#page/jmp/example-of-confidence- intervals -using-bagging.shtml# )。不幸的是，似乎沒有辦法在使用 JMP 的預測模型的刻畫器中生成預測區間（我是 JMP 17 用戶，因此我不確定是否已添加此功能，但根據我不知道的 JMP 18 幫助條目不相信已經新增了此功能）。我懷疑根據我對置信區間如何計算的理解來產生這些預測區間是可行的。
您希望看到什麼改進？
隨著 JMP 18 重新關注刻畫器中的預測區間 ( https://community.jmp.com/t5/JMPer-Cable/Prediction-Profiler-enhancements-in-JMP-18/ba-p/718342 )，我希望是會加入預測模型的預測區間。產生預測模型的置信區間和預測區間的列公式也將很有幫助。
為什麼這個想法很重要？
預測區間可用於判斷所提出的模型產生的數據是否看起來像實際數據，在貝葉斯文獻中通常稱為「後驗預測檢查」。如果模型產生的數據與實際數據不相似，則可能需要考慮不同的模型。請參考下面 John Kruschke 的《進行貝葉斯資料分析》一書中對此概念的描述以及一個簡單的範例：
「第五步是檢查模型及其最可信的參數值是否確實很好地模擬了數據。這稱為後驗預測檢查……一種方法是根據模型的預測數據繪製總結圖。實際數據.. . 預測體重值由垂直條匯總，顯示95% 最可信的預測體重值的範圍。描述了實際數據，如果實際數據確實與預測數據有系統性偏差，則實際數據似乎不會系統性地偏離模型預測的趨勢或範圍。可能看起來具有非線性趨勢，在這種情況下，我們可以擴展模型以包含非線性趨勢......我們還可以檢查數據的分佈屬性。例如，如果資料相對於常態分佈的預測似乎存在異常值，我們可以更改模型以使用重尾分佈...”
感謝您提交此請求並提供詳細資訊@mminor 。是的，我們在許多 JMP 平台中新增了預測區間，但在許多預測建模平台中並未新增。已將此請求與開發人員共用以供考慮。
