扬声器 | 成绩单 |
| 内琼斯 | 好的、坏的、丑陋的或独立与依赖的协同与对抗。 |
| 我是内德·琼斯。 我有一家小型咨询公司，名为 1-alpha Solutions。 你可以在那里看到我的联系信息。 让我们进入模拟讨论。 |
| 显然，我将运行模拟，并在发现中使用 JMP... |
| 并允许您发现模型但输入随机非常...变化...模型输出随机变化以及基于您添加到模拟器中的任何噪声的输入。 模拟器也 |
| 允许您配置... |
| 位于探查器中并定义它定义随机输入是根据您拥有的随机输入定义的，您可以运行模拟并生成输出表和模拟变量。 |
| 接下来我想做的是讨论几种不同类型的模拟。 |
| 只是一个简单的模拟。 如果只有一个输入和一个输出，则模拟中不存在依赖性问题。 我们主要关心的是模拟，其中我们有多个输入。 |
| 我们正在模拟并将有一个或多个系统输出。 令人担忧的是，可能会有 |
| 输入变量之间的依赖性。 |
| 向下滚动一点，我们会看到...想谈谈这意味着什么 |
| 具有随机独立性。 |
| 两个事件 A 和 B 是独立的，当且仅当它们的联合概率等于它们概率的乘积。 嗯，这就是我们想要的。 这就是我们想要的最终结果。 我将定义它。 以稍微不同的方式看待它等等。 |
| 这应该使它更清楚一点。 如果我们看一下 A 和 B 的交集，事件 A 和 B 等于联合乘积，这意味着 |
| A 的概率等于给定 B 时 A 的概率，或者类似地，概率...联合概率，但 B 的概率等于给定 A 时 B 的概率。 |
| 因此A和B的出现是 |
| 不受影响。 |
| B 的出现不受 A 的概率影响，反之亦然。 |
| 2、4 或 6。 |
| 你可以很容易地看到 |
| 这 |
| A 的概率是 2 和 6 或三分之一，B 的概率是 3 和 6 或二分之一。 |
| 但如果你看看 |
| A 和 B 的交集就是 2。 因此，A 乘以 B 的概率为 1 6 和 2，它们得到 2 的概率是，而您得到的唯一结果是 6 中的 1。 |
| 现在，A的概率 |
| 等于任何给定 B 等于三分之一的概率。 如果我们看看这个，我们意识到我们是在说，好吧，B 已经发生了，我们知道我们已经 |
| 2、4 或 6，但 A 发生的可能性仍然有三分之一。 所以我们可以看到，它仍然保持在三分之一。 同样，我们看到同样的事情发生的概率是 B。 |
| 因此，A和B是独立的。 |
| 现在我是其中的一个角色，看看我的例子并讨论一下。 我正在做的是模拟害虫负载 |
| 以及配对的概率。 |
| 我们所拥有的是我们有一个水果收获群体，从这个水果收获群体中，我们将有一些应用于……的文化习俗。 |
| 在我们的 |
| 果园格罗夫或 |
| 葡萄园受到害虫负荷...在应用这些文化实践后将会出现害虫负荷。 |
| 然后我们必须收获......农作物收获后，我们将进行一些手动扑杀并估计那里的害虫数量。 然后我们可以...你可以看到我们有 |
| 冷藏室，冷藏后我们会有害虫负载。 我们要设法把他们冻死。 |
| 我们要做的最后一件事是，一旦我们在这里获得了这种害虫负载，我们将在营销分配中将其分解，并将其种群分成几个较小的部分。 |
| 我们将能够据此计算出配对的概率。 |
| 好吧，你可以立即看到的问题是，这些事情变得非常依赖，因为收获群体的输出是处理 A 的输入。 处理 A 的输出是处理 B 的输入，依此类推，一直到 C，一直到会议对。 |
| 现在这是，这是我...这是我们将使用的表格，我们将从这里开始。 这就是我们所拥有的，我们将其设置为供模拟器使用，我们的水果数量范围为 100 万到 250 万。 我们有治疗方法 |
| 在这里，我们看到了缓解功效的治疗范围。 这是我们预期从该治疗人群中获得的幸存者人数，我们有 |
| 人口 A 就是这样的结果。 结果我们将得到人口 B，我们可以看看这里使用的公式。 |
| 这里正在做什么，有点不同的是，我将一个随机变量放入......它将进入分析器。 因此分析器将立即将其视为进入的随机变量。 因此，我们甚至在变量进入之前就对其进行模拟。 |
| 这样，你就可以走了……我们就可以过去了。 您可以看到表的其余部分。 我们要过去了 我们还有另一组，我们有治疗 C 后的幸存者，同样类型的事情。 |
| 然后我们就有了这个分布，并且我们就有了配对的概率。 我会告诉你这个公式。 有点不同。 配对的概率。 嗯，这只是使用指数 |
| 估计配对的概率，这样您就知道发生了什么。 我没有向你隐瞒任何事情。 让我们来看看。 因此，要打开分析器，我们将转到图表并向下转到分析器。 |
| 好的。 然后从那里，我们将选择具有我们感兴趣的公式的变量。 所以我们将会得到...我们将会得到 Pop A、Pop B、幸存者以及配对的概率。 |
| 把它们放进去，我们会说，呃哦，我们必须在这里扩展变化，我们会说，好吧。 |
| 我们得到了一个很好的结果。 |
| 这里的图表非常有吸引力。 您将看到的第一件事是，您将在此探查器中看到波浪线，如果您使用探查器，您可能不习惯看到这样的线。 |
| 这只是一个有点不同的方法等等，你可以看到这些东西是如何工作的， |
| 在这里做一些调整，以便您可以更好地看到屏幕。 |
| 现在，我们要做的就是在分析器中打开模拟器。 我们到这里，只需点击模拟器，它就会给我们 |
| 这些选择在这里。 我想做的第一件事是将模拟运行次数增加到 25,000 次。 好的。 我要做的……如果我们有独立性，我们会做什么，测试之一，我们经常为此使用的是，我们 |
| 我们来看看相关性。 所以我将在这里使用相关性。 使用相关性并建立一些相关性。 所以对于这个首先 |
| 人口，我将其称为多元，您可以立即看到我们在下面得到了相关性规范。 |
| 我们将在这里设置另一个多元变量和另一个用于治疗 B 的多元变量。 |
| 治疗 A 的另一个多变量。 现在它正在做的是，这是采用我们之前拥有的那些治疗参数。 |
| 它将这些因素置于我们彼此之间的多元关系中。 |
| 我们还得到了最后一件事，即营销分配。 我不希望它是连续的，所以我将使其随机，并将其设为整数。 |
| 我们将把它变成一个整数，然后运行它，我们可以看到结果。 现在这就是......我将其称为“金发姑娘”情况，所有的零都在这里，这意味着所有这些关系都是完全独立的，我们可以在这里运行我们的模拟器。 |
| 并查看结果。 |
| 在这些轴上做更多的调整。 |
| 这变得栩栩如生。 请在这里寻找。 |
| 好的。 |
| 现在您看到了这些结果。 但我们在这里要看到的是，我们有利率 |
| 它超出了设置的限制。 我将这些规格限制放回到变量中，但我最关心的是配对的概率。 |
| 你难道不知道吗，我已经实时运行了这个，但它并没有完全按照应有的方式运行。 让我们在这里再尝试几次。 看。 |
| 我们得到的配对概率应该是 0.5，但事实并非如此。 我有一些东西不...哦，在这里，让我们尝试一下并解决这个问题。 |
| 这将是 4 并且 |
| 14 |
| 让我们再尝试一次模拟。 还是没有上来。 嗯，这个例子不太正确，但是 |
| 在前面的例子中，我这里有 0.4。 也就是说，利率创造的时间少于时间，但我的概率是 |
| 配对的概率为 0.15，但这就是当你尝试即时做事时有时会发生的情况。 |
| 因此，让我上去，我有一个窗口，我们可以查看该结果……我们可以查看该结果。 让我们...这有一点不同。 现在你可以看到 |
| 这个概率低于 5%。 这就是我们的目标。 |
| 在这个事情中，在这个模拟中。 因此，如果我们向上运行这些模拟，您会再次看到那些弹跳，保持在 0.5 以下，所以 |
| 配对概率大于 1.5 的概率不到 5%。 |
| 现在，我再说一遍，这是一种金发姑娘的场景，因为我们假设所有这些关系都是独立的。 我有一个例子可以向您展示我们有一个例子 |
| 拮抗和协同。 所以我将在这里拉出第一个，在这个中我们有 |
| 关系是对立的。 现在，当你......如果你正在创建一个像这样的例子来使用它，你不能，至少我无法让一切变得消极。 如果你注意到我认为这两个是积极的。 |
| 这希望矩阵是正定的。 如果您设置...如果您将这些全部设置为零，则结果不会是正定的，但我们可以再次运行该模拟。 你可以看到... |
| 你可以在这里看到那些带有负数的模拟，它确实让事情变得非常非常有吸引力。 我们的利率很低，真的很低...... |
| 我们有...我们有 1., .15 配对概率，这样您就可以看到效果。 我真正想展示的是这个效果 |
| 相关规范、此处的相关矩阵、您指定的协方差矩阵。 现在让我们看看另一个，如果它是积极的，我们会看看那个。 |
| 我们这里有一个积极的例子。 你可以看到我在下面。 我这里已经说过了。 现在，我并没有真正勇敢地让这些相关性变得非常高。 |
| 我试图将它们保持在相当低的水平，以使其相当现实，毕竟这是生物数据。 我们可以再次运行这些模拟，您很快就会看到我们超过了 5% 的比率，这就是……变成 |
| 这里有很多问题等等。 如果你……如果大多数时候像这样的模拟运行时没有考虑变量之间的相关性，那就有点像捂住眼睛说，我没有看到这个等等。 但它确实 |
| 如果存在，如果存在相关关系并且很可能存在，因为其中一个......这些输出之一是下一个过程的输入， |
| 所以相当好必须是依赖的，依赖是什么，估计这些相关性将是大多数时候必须提出的一项艰巨的任务。 |
| 该领域的工作是基于研究论文完成的，因此不同类型的治疗之间没有相关性。 |
| 但对这些进行一些估计是一件好事，一件值得拥有的事情。 现在，下一步是向您展示我们还可以在这里做什么。 我们可以创建一个表。 如果我们创建这个表并且...... |
| 好吧，我们将创建这个表，我将向此处的配对突出显示表中的所有内容。 然后我就要去 |
| 进行分析分布。 |
| 运行所有这些并说，好吧。 现在我们得到了所有这些大分布，填满 |
| 纸与它。 但我们能做的是我们可以进入并选择这些超出我们的分布 |
| 限制在这儿。 我们可以突出显示这些内容，当您回顾时，它会变得非常有用，您可以看到缓解措施、正在发生的事情等等。 是什么在影响这些事情 |
| 大大。首先，我们最初的人口数量，这是基于我们在现实生活中所看到的，是随着人口数量的增加， |
| 当我们拥有大量的水果时，系统就会出现故障， |
| 治疗A等。 所以我认为最有趣的是，如果我们回顾这里，看看营销分布， |
| 如果我们把它们推出去，如果我们要求当货物进入该国时，并且营销分销必须将这些货物分成更小的批次进行分配，那么配对的概率就会变为零。 |
| 有了这些例子等等，我想继续提出问题。 但让我说最后一件事。 我想到了乔治·博克斯。 |
| 几年前他参加了我们的一次会议。 他说的两句话真的很有趣。 他说：“不要爱上模特。” |
| 他还说，“所有模型都是错误的，但有些模型是有用的。” 我希望这些信息和这些示例能给您带来一些思考，当您进行模拟时，您需要考虑变量之间的关系。 谢谢。 |
