Who were you hoping was the winner? Anna? Elsa? Dumbo? Olaf? (Photo by Caroll Co)Who were you hoping was the winner? Anna? Elsa? Dumbo? Olaf? (Photo by Caroll Co)Who were you hoping was the winner? Anna? Elsa? Dumbo? Olaf? (Photo by Caroll Co) Chi speravi fosse il vincitore? Anna? Elsa? Dumbo? Olaf? (Foto di Caroll Co) L'ultima volta, ho parlato del esperimento di gara automobilistica pressofuso che ho corso con mia figlia di 5 anni in un recente giorno di vacanza. Lei ed io ho allestito una pista a 6 corsie per le auto diecast che avevo. Ha scelto 10 auto tra le sue auto preferite e abbiamo deciso di scoprire chi è il pilota più veloce. Mia figlia era interessata a vedere se il "migliore" corridore fosse una delle due principesse (una delle quali ha poteri di ghiaccio magici).
Come promemoria dell'ultima volta, analizzeremo questo come un esperimento di scelta. La nostra "scelta preferita" sarà il vincitore in ogni gara.
I risultati sono arrivati!
Raccolta dati
Ai fini dello svolgimento delle gare e della raccolta dei dati, è stato necessario un po 'di lavoro aggiuntivo con la tabella dei dati. Quando ho fatto clic sul pulsante "Crea tabella", dovevo assicurarmi che "Includi colonna ordine" fosse selezionato, poiché questo rappresenta il numero di corsia, che ho cambiato il nome della colonna.
Abbiamo deciso di eseguire ogni "blocco", ovvero un set di 6 auto nell'ordine specificato, 10 volte consecutive. Ne avevamo ancora bisogno per ottenere stime ragionevoli dal modello Choice. Anche se gestiamo 6 macchine alla volta, riceviamo solo un pezzo di informazione (il vincitore) da ogni set.
Ho creato una colonna RaceID per rappresentare ogni razza unica con 150 valori (15 blocchi * 10 corse / blocco) ripetuti 6 volte e riempito la colonna di risposta di tutti gli 0. Quindi per ogni gara (RaceID), cambieremmo semplicemente il valore per il vincitore in un valore di "1". Tutto questo è stato facile usando il capacità di riempimento delle colonne della tabella di dati .
I risultati
Una volta ottenuti i risultati, abbiamo dovuto impostare il modello di scelta. Lo script "Modello" allegato alla tabella dei dati non è appropriato in quanto vogliamo analizzarlo come esperimento di scelta piuttosto che come modello di regressione lineare. La piattaforma del modello di scelta è disponibile in Analizza-> Ricerca consumatore-> Scelta.
L'impostazione è semplice: l'indicatore di risposta è la nostra risposta e RaceID è l'ID del set di scelta. Gli effetti del nostro profilo sono Numero auto e corsia. La finestra di dialogo di avvio era simile alla seguente:
Guardando i risultati, non sono rimasto sorpreso dal fatto che l'effetto Auto fosse significativo, dato che c'erano solo 4 macchine che hanno persino vinto una gara. L'effetto Lane Number è stato un po 'sorprendente - almeno non era ovvio durante l'esperimento.
Ordinando le stime dei parametri (che riflettono l'utilità - pensa più in grande è meglio), possiamo vedere che c'era qualcosa con l'effetto corsia - in particolare le corsie 1 e 3 sono migliori, ma anche 1-3 contro 4-6. Durante l'esperimento non era ovvio, ma possiamo usare questo modello per vedere come prevede determinate razze.
Esecuzioni di conferma
Uno dei pezzi più interessanti dei risultati è stato che Anna aveva un'utilità superiore rispetto a sua sorella Elsa. Mia figlia aveva prestato molta attenzione ai loro incontri, e durante l'esperimento, sarebbe sembrato che Elsa avesse più probabilità di vincere.
Dal triangolo rosso, possiamo selezionare "Multiple Choice Profiler", che consente di esplorare le probabilità stimate per un insieme di input alternativi. Per i nostri scopi, abbiamo provato 2 alternative, poiché questo è facile da testare. Ho cercato di renderlo il più sbilenco possibile, che era Anna in Lane 1 ed Elsa in Lane 6. Il nostro modello prevedeva una probabilità di 0,94 per Anna contro 0,06 per Elsa.
Dopo 6 vittorie consecutive per Anna, mia figlia ha deciso che il mio computer doveva essere magico.
Pensieri finali
L'effetto "Lane" è stato reale e molto più significativo di quanto avrei pensato. Per questo motivo, questa è stata una buona esperienza di insegnamento e un esperimento molto più interessante. Mentre le principesse non erano proprio in cima (Donald ha preso il primo posto e Peter Pan era leggermente più avanti di Anna), io e mia figlia ci siamo divertiti molto a eseguire questo esperimento.
Una volta esaminati i risultati, mia figlia ha rapidamente capito di essere in grado di influenzare la possibilità di vincere in base alle visualizzazioni. Anche senza essere in grado di comprendere il modello, c'è molto da dire per le visualizzazioni all'interno JMP e l'idea di "superiore è meglio". Ha anche iniziato a trovare auto della sua collezione che potrebbero battere una determinata auto in Lane 1.
La sua collezione diecast è cresciuta, quindi speriamo di fare un altro esperimento di corse in futuro. La mia collezione ha un numero di auto iconiche di film e spettacoli televisivi, quindi potrei doverne portare alcune. Fammi sapere se hai qualche richiesta nei commenti, e grazie per la lettura!
