Evaluación de la suficiencia de muestreoTenemos una base de datos de aleación, digamos base de datos de acero. En esta base de datos, contenía información para 100 aceros.
En esta base de datos, tenemos la composición, es decir, la concentración de cada elemento. y la propiedad de la aleación. A continuación se muestra un ejemplo.
Quiero usar estos datos para crear un modelo, que se puede usar para predecir la dureza de los nuevos aceros. Sin embargo, me temo que el tamaño de los datos que tenemos en este momento no es suficiente para representar el tipo de acero que investigamos.
Me pregunto si existe una forma estadística de evaluar cuantitativamente la suficiencia de muestreo. Gracias.
Re: Evaluación de la suficiencia de muestreoCreo que la mejor manera de determinar si tiene una muestra suficiente es realizar el análisis y evaluar los diagnósticos del modelo. Por "suficiente" me refiero tanto a la calidad como a la cantidad. La suficiencia depende de muchos aspectos de los datos, por lo que creo que un cálculo de tamaño de muestra simple, por ejemplo, no sería útil ni apropiado en este caso.
Re: Evaluación de la suficiencia de muestreoPara elaborar el punto de Mark: ejecute su modelo y guarde la fórmula de predicción y cualquier otro resultado relevante. Además, examine la salida del modelo en todas las dimensiones relevantes. ¿Qué tan preciso es el modelo en promedio? ¿Qué tan amplios son los intervalos de predicción? ¿Te preocupan los tipos particulares de errores de estimación?
Su precisión dependerá del tamaño de la muestra, pero también depende de la precisión del modelo. Por lo tanto, puede aumentar el tamaño de la muestra y / o aumentar la precisión del modelo. No creo que exista un enfoque de fórmula general que sea mejor: depende de los datos en particular con los que esté trabajando y del contexto de su problema. Si está dispuesto a publicar sus datos, estoy seguro de que algunas personas estarán dispuestas a explorar esto más a fondo (lo estoy).
Re: Evaluación de la suficiencia de muestreoGracias a Dale por señalar algunas sugerencias específicas. Para llevar esa dirección aún más lejos, le sugeriré que vea Ayuda> Libros> Ajustar modelos lineales> Ajustar cuadrados mínimos. (Supongo que tiene la intención de utilizar un modelo lineal). Existen numerosas funciones en el menú de la plataforma llamada Diagnóstico de fila. Estas herramientas están destinadas a ayudarlo a comprender las fortalezas y debilidades del modelo y los datos.
La gráfica Real por Predicción es una forma de entender el sesgo, si existe, en el modelo.
Los gráficos de apalancamiento lo ayudarán a comprender los problemas de datos dentro de cada variable, como la colinealidad con otras variables y la influencia inusual de algunas observaciones.
Los gráficos basados en residuos son útiles para evaluar qué tan bien sus datos cumplen con los supuestos del modelo. La presencia de sesgo en la gráfica Real por Predicción o en una de las gráficas residuales sugiere una falta de problema de ajuste que se solucionaría agregando términos como transformaciones de las variables existentes (por ejemplo, potencias o términos cruzados) o variables adicionales.
¿Qué tipo de modelo planeas usar?
Los modelos lineales tienen muchas ventajas pero son tan flexibles (después de todo, son series limitadas de Taylor). La plataforma neuronal podría producir mejores ajustes para relaciones complejas. Puede usar las gráficas Reales por Predicción y residuales para su evaluación.
