샘플링 만족도 평가우리는 합금 데이타베이스를 가지고 있습니다, 강철 데이타베이스를 봅시다. 이 데이터베이스에는 100 개의 강철에 대한 정보가 들어 있습니다.
이 데이터베이스에는 구성, 즉 각 요소의 집중도가 있습니다. 및 합금의 특성. 다음은 그 예입니다.
이 데이터를 사용하여 새로운 철강의 경도를 예측하는 데 사용할 수있는 모델을 만들고 싶습니다. 그러나, 우리가 지금 조사한 자료의 크기가 우리가 조사한 종류의 강철을 나타 내기에 충분하지 않다는 것이 두렵습니다.
샘플링 만족도를 정량적으로 평가할 통계적 방법이 있는지 궁금합니다. 고맙습니다.
제목 : Re : 샘플링 만족도 평가충분한 샘플을 가지고 있는지 판단하는 가장 좋은 방법은 분석을 수행하고 모델 진단을 평가하는 것입니다. '충분하다'는 말은 품질과 양을 의미합니다. 충분 성은 데이터의 여러 측면에 따라 다르므로 예를 들어 simpe 샘플 크기 계산이이 경우 유용하지 않거나 적절하지 않다고 생각합니다.
제목 : Re : 샘플링 만족도 평가Mark의 요점을 정교하게 설명하려면 : 모델을 실행하고 예측 공식 및 기타 관련 출력을 저장하십시오. 또한 모든 관련 차원에서 모델 출력을 검사하십시오. 모델의 평균 정확도는 어느 정도입니까? 예측 간격은 얼마나 넓습니까? 특정 종류의 추정 오류에 관심이 있습니까?
정확도는 샘플 크기에 따라 다르지만 모델의 정확도에 따라 다릅니다. 따라서 샘플 크기를 늘리거나 모델 정확도를 높일 수 있습니다. 나는 일반적인 공식 접근법이 더 좋다고 생각하지 않는다. 그것은 당신이 작업하고있는 특정 데이터와 문제의 상황에 달려있다. 귀하가 귀하의 데이터를 기꺼이 게시한다면, 나는 어떤 사람들이 이것을 더 깊이 탐구 할 것이라고 확신합니다 (나는 있습니다).
제목 : Re : 샘플링 만족도 평가몇 가지 구체적인 제안을 지적 해 주신 Dale에게 감사드립니다. 그 방향을 더 멀리하기 위해 Help> Books> Fitting Linear Models> Fit Least Squares를 보도록 제안 할 것입니다. (선형 모델을 사용하려고한다고 가정합니다.) 행 진단이라는 플랫폼 메뉴에는 수많은 기능이 있습니다. 이러한 도구는 모델 및 데이터의 강점과 약점을 이해하는 데 도움이됩니다.
Actual by Predicted 플롯은 모델에서 편향을 이해하는 방법입니다.
레버리지 플롯은 다른 변수와의 공선 성 및 일부 관측치의 비정상적인 영향과 같은 각 변수 내의 데이터 문제를 이해하는 데 도움이됩니다.
잔차에 기반한 플롯은 데이터가 모델 가정을 얼마나 잘 충족시키는 지 평가하는 데 유용합니다. 예측에 의한 실제 또는 잔여 플롯 중 하나에 편향이 존재한다는 것은 기존 변수의 변형 (예 : 힘 또는 교차 항) 또는 추가 변수로 용어를 추가하여 해결할 수있는 적합 문제가 없음을 나타냅니다.
어떤 종류의 모델을 사용할 계획입니까?
선형 모델은 많은 이점을 가지고 있지만 유연합니다 (제한된 Taylor 시리즈). 신경 플랫폼은 복잡한 관계에 더 잘 어울립니다. 예측에 대한 실제 및 잔여 플롯을 평가에 사용할 수 있습니다.
