Valutazione della sufficienza di campionamentoAbbiamo un database di leghe, diciamo Database di acciaio. In questo database conteneva informazioni per 100 acciai.
In questo database, abbiamo la composizione, cioè la concentrazione di ogni elemento. e la proprietà della lega. Un esempio è mostrato sotto.
Voglio utilizzare questi dati per creare un modello, che può essere utilizzato per prevedere la durezza dei nuovi acciai. Tuttavia, temo che le dimensioni dei dati in nostro possesso non siano sufficienti a rappresentare il tipo di acciaio da noi studiato.
Mi chiedo se esiste un modo statistico per valutare quantitativamente la sufficienza del campionamento? Grazie.
Ri: campionamento valutazione sufficientePenso che il modo migliore per determinare se si dispone di un campione sufficiente è quello di eseguire l'analisi e valutare la diagnostica del modello. Con "sufficiente" intendo sia la qualità che la quantità. La sufficienza dipende da molti aspetti dei dati, quindi penso che un calcolo delle dimensioni del campione simpe, per esempio, non sarebbe utile o appropriato in questo caso.
Ri: campionamento valutazione sufficientePer elaborare il punto di Marco: esegui il modello e salva la formula di previsione e qualsiasi altro risultato rilevante. Inoltre, esaminare l'output del modello in tutte le dimensioni pertinenti. Quanto è accurato il modello in media? Quanto sono ampi gli intervalli di previsione? Ti interessano determinati tipi di errori di stima?
La precisione dipende dalla dimensione del campione, ma dipende anche dalla precisione del modello. Pertanto, è possibile aumentare la dimensione del campione e / o aumentare la precisione del modello. Non penso che esista un approccio formulaico generale a cui è meglio, dipende dai dati particolari con cui si sta lavorando e dal contesto del problema. Se sei disposto a pubblicare i tuoi dati, sono sicuro che alcune persone saranno disponibili a esplorare ulteriormente (io sono).
Ri: campionamento valutazione sufficienteGrazie a Dale per aver segnalato alcuni suggerimenti specifici. Per prendere questa direzione ancora più lontano, ti suggerisco di consultare Aiuto> Libri> Adatta modelli lineari> Adatta a minimi quadrati. (Suppongo che tu intenda utilizzare un modello lineare.) Ci sono numerose funzioni nel menu della piattaforma chiamato Row Diagnostics. Questi strumenti sono pensati per aiutarti a comprendere i punti di forza e di debolezza del modello e dei dati.
La trama Actual by Predicted è un modo per comprendere i pregiudizi, se ce ne sono, nel modello.
I Leverage Plots ti aiuteranno a capire i problemi dei dati all'interno di ciascuna variabile, come la collinearità con altre variabili e l'influenza insolita di alcune osservazioni.
I grafici basati sui residui sono utili per valutare quanto bene i dati soddisfano i presupposti del modello. La presenza di bias nell'effettivo Predicted o in uno dei grafici residui suggerisce un problema di mancanza di adattamento che verrebbe risolto aggiungendo termini come trasformazioni delle variabili esistenti (ad esempio, poteri o termini incrociati) o variabili aggiuntive.
Che tipo di modello pensi di usare?
I modelli lineari hanno molti vantaggi ma sono solo così flessibili (serie Taylor limitata, dopo tutto). La piattaforma neurale potrebbe produrre adattamenti migliori per relazioni complesse. È possibile utilizzare i diagrammi effettivi e residui per la valutazione.
