Toleranzintervalle für Modelle mit gemischten EffektenWas hat Sie zu dieser Wunschliste inspiriert?
Ich habe dies der Wunschliste hinzugefügt, da JMP zwar bereits Toleranzintervalle für einfache Modelle und Vorhersageintervalle für Modelle mit gemischten Effekten unterstützt, es jedoch derzeit keine Möglichkeit gibt, Toleranzintervalle für Modelle mit gemischten Effekten zu berechnen. Diese Einschränkung ist insbesondere im Qualitäts- und Regulierungsbereich relevant, wo Benutzer Vorhersagen oder Aussagen über den Anteil zukünftiger Ergebnisse treffen müssen. Vorhersagegrenzen können bei kleinen Stichproben unzuverlässig sein.
Welche Verbesserung würden Sie gerne sehen?
Ich möchte, dass JMP die Möglichkeit bietet, Toleranzintervalle (mit Formel) direkt aus der Fit-Modellplattform für gemischte Effektmodelle zu berechnen, mit der Möglichkeit, Abdeckung und Konfidenz festzulegen. Zusätzlich würden sie auch im Vorhersageprofiler angezeigt.
Warum ist diese Idee wichtig?
Toleranzgrenzen sind wichtig, da sie es uns ermöglichen, probabilistische Aussagen über den Anteil einer Population zu treffen, der innerhalb bestimmter Grenzen liegt, und nicht nur über einzelne Beobachtungen. Sie sind in qualitätskritischen Bereichen, wie der Pharmaindustrie oder der Medizintechnik, unverzichtbar. Es ist sehr wichtig, dass diese Intervalle im Rahmen gemischter Effektmodelle funktionieren, da viele Daten in diesen Bereichen Zufallseffekte wie Chargen, Bediener oder Standorte beinhalten, die für genaue und zuverlässige Ergebnisse angemessen berücksichtigt werden müssen.
Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungPrädiktive Modellierung und maschinelles LernenBetreff: Toleranzintervalle für Modelle mit gemischten EffektenIn welchen „einfachen Modellen“ werden Toleranzintervalle derzeit für JMP unterstützt?
Ich gehe davon aus, dass die Implementierung der gleichen Formeln wie die in Design Expert angebotenen akzeptabel wäre ( Design Expert Toleranzintervallformel ), obwohl dies möglicherweise nur für multivariate Regressionen mit festen Effekten gilt und für Modelle mit gemischten Effekten möglicherweise mehr Komplexität erfordert.
Betreff: Toleranzintervalle für Modelle mit gemischten EffektenIch habe ein Design Expert-Beispiel mit gemischten Modellen gefunden, bei denen im Knoten „Point Prediction“ ( Design Expert – RSM mit Zufallsblöcken ) ein Toleranzintervall berechnet wird.
Betreff: Toleranzintervalle für Modelle mit gemischten Effekten@jszarka Eigentlich kann ich mich nur daran erinnern, Toleranzintervalle in der Verteilungsplattform gesehen zu haben, daher ist das einfache Modell nur das Mittelwertmodell (y_i = mu + e_i).
Eine Formel für Toleranzintervalle in gemischten Modellen findet sich in: Francq BG , Leinen D , Hoyer W. Konfidenz , Vorhersage und Toleranz in linearen gemischten Modellen . Statistik in der Medizin . 2019 ; 38 : 5603–5622 . https://doi.org/10.1002/sim.8386. Ich glaube, die Vorhersageintervalle von JMP für gemischte Effekte basieren ebenfalls auf dieser Referenz . Die Implementierung ist jedoch definitiv kompliziert.
Betreff: Toleranzintervalle für Modelle mit gemischten Effekten – Status geändert in: In ErwägungDanke für deinen Beitrag, Thomas! Wie besprochen wird diese Funktion derzeit geprüft, um sie möglicherweise in unsere zukünftige Roadmap aufzunehmen.
Betreff: Toleranzintervalle für Modelle mit gemischten EffektenRichtig, ThomasB. Aktuell verfügen wir in JMP über Toleranzintervalle in der Verteilungsplattform für Normalverteilung und nichtparametrische Verteilungen. In JMP 19 haben wir zusätzliche Verteilungen wie Log-Normal, Gamma, Exponential und Weibull hinzugefügt. Ihr Referenzpapier ist auch hinsichtlich der Quelle der Vorhersageintervalle in linearen gemischten Modellen korrekt. Danke!
