Évaluation de la suffisance de l'échantillonnageNous avons une base de données sur les alliages, disons la base de données Steel. Dans cette base de données, elle contenait des informations sur 100 aciers.
Dans cette base de données, nous avons la composition, c'est-à-dire la concentration de chaque élément. et la propriété de l'alliage. Un exemple est présenté ci-dessous.
Je souhaite utiliser ces données pour créer un modèle pouvant servir à prévoir la dureté de nouveaux aciers. Cependant, je crains que la taille des données dont nous disposons actuellement ne soit pas suffisante pour représenter le type d'acier sur lequel nous avons enquêté.
Je me demande s'il existe un moyen statistique d'évaluer quantitativement la suffisance de l'échantillonnage? Je vous remercie.
Re: Évaluation de la suffisance de l'échantillonnageJe pense que le meilleur moyen de déterminer si vous avez un échantillon suffisant consiste à effectuer l'analyse et à évaluer les diagnostics du modèle. Par «suffisant», j'entends à la fois la qualité et la quantité. La suffisance dépend de nombreux aspects des données. Je pense donc qu'un calcul simple de la taille de l'échantillon, par exemple, ne serait ni utile ni approprié dans ce cas.
Re: Évaluation de la suffisance de l'échantillonnagePour préciser le point de Mark: exécutez votre modèle et enregistrez la formule de prédiction et toute autre sortie pertinente. En outre, examinez les résultats du modèle dans toutes les dimensions pertinentes. Quelle est la précision du modèle en moyenne? Quelle est la largeur des intervalles de prédiction? Êtes-vous concerné par des types particuliers d’erreurs d’estimation?
Votre précision dépendra de la taille de l'échantillon, mais également de la précision du modèle. Ainsi, vous pouvez augmenter la taille de l'échantillon et / ou augmenter la précision du modèle. Je ne pense pas qu'il y ait une approche de formule générale pour ce qui est mieux - cela dépend des données particulières avec lesquelles vous travaillez et du contexte de votre problème. Si vous êtes prêt à publier vos données, je suis sûr que certaines personnes seront disposées à explorer davantage cette possibilité (je le suis).
Re: Évaluation de la suffisance de l'échantillonnageMerci à Dale d’avoir signalé certaines suggestions spécifiques. Pour aller encore plus loin dans cette direction, je vous suggère d’afficher Aide> Livres> Ajuster les modèles linéaires> Ajuster les moindres carrés. (Je suppose que vous avez l'intention d'utiliser un modèle linéaire.) Le menu de la plate-forme contient de nombreuses fonctionnalités appelées Row Diagnostics. Ces outils sont destinés à vous aider à comprendre les forces et les faiblesses du modèle et des données.
Le graphique Réaliste par prédiction est un moyen de comprendre le biais éventuel du modèle.
Les graphiques à effet de levier vous aideront à comprendre les problèmes de données au sein de chaque variable, tels que la colinéarité avec d'autres variables et l'influence inhabituelle de certaines observations.
Les graphiques basés sur les résidus sont utiles pour évaluer dans quelle mesure vos données répondent aux hypothèses du modèle. La présence de biais dans le graphique Réal par prévu ou l'un des graphiques résiduels suggère un problème de manque d'ajustement qui serait résolu en ajoutant des termes en tant que transformations des variables existantes (par exemple, des puissances ou des termes croisés) ou des variables supplémentaires.
Quel type de modèle envisagez-vous d'utiliser?
Les modèles linéaires présentent de nombreux avantages, mais ils ne sont que très flexibles (série Taylor limitée, après tout). La plate-forme Neural pourrait produire de meilleurs ajustements pour des relations complexes. Vous pouvez utiliser les parcelles Réal par prédite et résiduelle pour votre évaluation.
