Intervalles de tolérance pour les modèles à effets mixtesQu'est-ce qui a inspiré cette demande de liste de souhaits ?
J'ai ajouté cette option à ma liste de souhaits car, bien que JMP prenne déjà en charge les intervalles de tolérance pour les modèles simples et les intervalles de prédiction pour les modèles à effets mixtes, il n'existe actuellement aucun moyen de calculer ces intervalles. Cette limitation est particulièrement pertinente dans les contextes qualité et réglementaire, où les utilisateurs doivent faire des prédictions ou des déclarations sur la proportion de résultats futurs. Les limites de prédiction peuvent être peu fiables dans les échantillons de petite taille.
Quelle est l’amélioration que vous aimeriez voir ?
J'aimerais que JMP offre la possibilité de calculer les intervalles de tolérance (avec formule incluse) directement depuis la plateforme d'ajustement pour les modèles à effets mixtes, avec la possibilité de spécifier la couverture et la confiance. De plus, ces intervalles seraient également affichés dans le profileur de prédiction.
Pourquoi cette idée est-elle importante ?
Les limites de tolérance sont importantes car elles permettent de formuler des hypothèses probabilistes sur la proportion d'une population comprise dans des limites spécifiées, et pas seulement sur des observations individuelles. Elles sont essentielles dans les domaines où la qualité est primordiale, comme l'industrie pharmaceutique ou les dispositifs médicaux. Il est essentiel que ces intervalles fonctionnent dans le cadre des modèles à effets mixtes, car de nombreuses données dans ces domaines impliquent des effets aléatoires tels que les lots, les opérateurs ou les sites, qui doivent être correctement pris en compte pour garantir des résultats précis et fiables.
Modélisation statistique avancéeAnalyse et modélisation des données de baseModélisation prédictive et apprentissage automatiqueObjet : Intervalles de tolérance pour les modèles à effets mixtesDans quels « modèles simples » les intervalles de tolérance sont-ils actuellement pris en charge pour JMP ?
Je suppose que la mise en œuvre des mêmes formules que celles proposées dans Design Expert serait acceptable ( Formule d'intervalle de tolérance de Design Expert ), bien que cela ne puisse concerner que la régression multivariée avec des effets fixes et puisse nécessiter plus de sophistication pour les modèles à effets mixtes.
Objet : Intervalles de tolérance pour les modèles à effets mixtesJ'ai trouvé un exemple Design Expert avec des modèles mixtes où un intervalle de tolérance est calculé dans leur nœud de prédiction de points ( Design Expert - RSM avec blocs aléatoires ).
Objet : Intervalles de tolérance pour les modèles à effets mixtes@jszarka En fait, je me souviens seulement d'avoir vu des intervalles de tolérance dans la plateforme de distribution, donc le modèle simple est juste le modèle moyen (y_i = mu + e_i).
Il existe une formule pour les intervalles de tolérance dans les modèles mixtes dans : Francq BG , Lin D , Hoyer W. Confiance, prédiction et tolérance dans les modèles mixtes linéaires . Statistiques en médecine . 2019 ; 38 : 5603 – 5622. https://doi.org/10.1002/sim.8386. Je crois que les intervalles de prédiction JMP pour les effets mixtes sont également basés sur cette référence. La mise en œuvre est toutefois certainement compliquée.
Objet : Intervalles de tolérance pour les modèles à effets mixtes – Statut modifié : À l'étudeMerci pour votre message, Thomas ! Comme nous en avons discuté, cette fonctionnalité fait actuellement l'objet de recherches en vue d'une éventuelle inclusion dans notre future feuille de route.
Objet : Intervalles de tolérance pour les modèles à effets mixtesC'est exact, Thomas B. Actuellement, JMP propose des intervalles de tolérance dans la plateforme de distribution pour les distributions normales et non paramétriques. Dans JMP 19, nous avons ajouté des distributions supplémentaires telles que Log Normal, Gamma, Exponentielle et Weibull. Votre article de référence est également correct concernant la source des intervalles de prédiction dans les modèles mixtes linéaires. Merci !
