스피커 | 성적 증명서 |
| 네드존 | 좋은 것, 나쁜 것, 추한 것 또는 독립성과 의존성, 시너지 효과 및 적대성. |
| 저는 네드 존스입니다. 저는 1-alpha Solutions라는 소규모 컨설팅 회사를 운영하고 있습니다. 거기에서 내 연락처 정보를 볼 수 있습니다. 시뮬레이션 토론을 시작하겠습니다. |
| 당연히 시뮬레이션을 실행하고 JMP를 통해 발견할 예정입니다. |
| 모델을 발견하고 무작위 입력...변동...모델 출력 무작위 변형을 발견하고 시뮬레이터에 추가하는 모든 노이즈의 입력을 기반으로 합니다. 시뮬레이터도 |
| 프로필을 작성할 수 있습니다... |
| 프로파일러에 있으며 임의 입력을 정의하고 사용자가 보유한 임의 입력을 기반으로 정의하며 시뮬레이션을 실행하고 출력 테이블을 생성하고 변수를 시뮬레이션할 수 있습니다. |
| 다음으로 하고 싶은 것은 몇 가지 다른 유형의 시뮬레이션에 대해 이야기하는 것입니다. |
| 그냥 간단한 시뮬레이션입니다. 하나의 입력과 하나의 출력이 있는 경우 시뮬레이션에서 종속성 문제가 없습니다. 우리가 주로 우려하는 것은 여러 입력이 있는 시뮬레이션입니다. |
| 그리고 우리는 시뮬레이션 중이며 하나 이상의 시스템 출력을 갖게 됩니다. 우려되는 점은 그럴 수 있다는 점이다. |
| 입력 변수 간의 의존성. |
| 여기에서 조금 아래로 스크롤하면...이것이 무엇을 의미하는지 이야기하고 싶습니다. |
| 확률론적 독립성을 갖는다. |
| 두 사건 A와 B는 두 사건의 결합 확률이 확률의 곱과 같은 경우에만 독립적입니다. 글쎄, 그게 우리가 원하는거야. 그것이 우리가 원하는 최종 결과입니다. 나는 그것을 정의할 것이다. 조금 다르게 보세요. |
| 이렇게 하면 조금 더 명확해집니다. A와 B의 교차점을 살펴보면 사건 A와 B는 다음을 의미하는 결합 제품과 동일합니다. |
| A의 확률은 B가 주어졌을 때 A가 나올 확률과 같습니다. 또는 이와 유사하게 확률은 결합 확률을 가지지만 B의 확률은 A가 주어졌을 때 B의 확률과 같습니다. |
| 따라서 A와 B의 발생은 다음과 같습니다. |
| 영향을 받지 않습니다. |
| B의 발생은 A의 확률에 영향을 받지 않으며 그 반대도 마찬가지입니다. |
| 2, 4, 6. |
| 이라는 것을 쉽게 알 수 있습니다. |
| 그만큼 |
| A의 확률은 2와 6 또는 1/3이고 B의 확률은 3과 6 또는 1/2입니다. |
| 하지만 그 내용을 보면 |
| A와 B의 교차점은 2입니다. 그리고 A 곱하기 B의 확률은 16과 2이므로 2를 얻게 됩니다. 그리고 여러분이 얻는 유일한 결과는 6분의 1입니다. |
| 이제 A의 확률은 |
| 주어진 B가 1/3과 같을 확률과 같습니다. 그리고 우리가 그것을 보고 B가 발생했다고 말하고 있다는 것을 깨닫는다면, 우리는 B가 발생했다는 것을 압니다. |
| 2, 4 또는 6이지만 A가 발생할 가능성은 여전히 1/3입니다. 그래서 우리는 여전히 1/3에 머무르는 것을 볼 수 있습니다. 마찬가지로 B의 확률에서도 같은 일이 일어나는 것을 볼 수 있습니다. |
| 따라서 A와 B는 독립이다. |
| 이제 저는 역할을 맡았고 제가 가지고 있는 예를 보고 그것에 대해 이야기합니다. 제가 하고 있는 일은 해충의 양을 시뮬레이션하는 것입니다. |
| 그리고 짝짓기 쌍의 확률. |
| 우리가 가진 것은 과일 수확 인구가 있고 그 과일 수확 인구로부터 우리는 다음과 같은 분야에 적용되는 몇 가지 문화적 관행을 갖게 될 것입니다. |
| 우리의 |
| 과수원 그로브 또는 |
| 포도밭에 해충이 많이 생길 것입니다...해당 재배 관행을 적용한 후에는 해충이 많이 생길 것입니다. |
| 그런 다음 수확해야 합니다. 작물이 수확되면 수동 도태 작업을 수행하고 거기에서 해충의 양을 추정할 것입니다. 그 후에는.... 보시다시피 우리는 |
| 냉장 보관하면 냉장 보관 후 해충이 생길 것입니다. 우리는 그들을 얼려서 죽게 하려고 노력할 것입니다. |
| 그리고 우리가 마지막으로 하는 일은 일단 여기에 이 해충의 양이 생기면 이를 마케팅 배포판에서 나누고 그 개체군을 여러 개의 작은 조각으로 나누는 것입니다. |
| 그리고 우리는 그것으로부터 짝짓기 쌍의 확률을 계산할 수 있을 것입니다. |
| 글쎄요, 여러분이 즉시 알 수 있는 문제는 수확 집단의 산출물이 치료 A의 투입물이기 때문에 이러한 것들이 매우 의존적이 된다는 것입니다. 처리 A의 출력은 처리 B의 입력이 되고, 계속해서 C를 거쳐 회의 쌍까지 이어집니다. |
| 자, 여기 테이블이 있습니다...여기 우리가 작업할 테이블이 있고 시작하겠습니다. 여기 우리가 가진 것은 시뮬레이터가 작동할 수 있도록 설정한 것입니다. 인구 범위는 100만에서 250만 개에 이릅니다. 우리에겐 치료가 있어요 |
| 여기, 우리가 보고 있는 완화 효능의 치료 범위가 있습니다. 이 치료 모집단에서 예상되는 생존자 수는 다음과 같습니다. |
| 인구 A는 그 결과입니다. 그 결과로 인구 B가 생길 것입니다. 여기에서 사용되는 공식을 살펴볼 수 있습니다. |
| 그리고 여기서 수행되는 작업은 조금 다릅니다. 프로파일러에 들어갈 임의 변수를...에 넣는 것입니다. 따라서 프로파일러는 이것을 무작위 변수가 들어오는 것으로 즉시 보게 됩니다. 그래서 우리는 변수가 들어오기 전에도 변수가 들어오는 것을 시뮬레이션하고 있습니다. |
| 그러면 당신은 갈 수 있고...우리는 건너갈 수 있습니다. 나머지 테이블도 볼 수 있습니다. 우리는 넘어갈거야. 또 다른 세트가 있습니다. 치료 C 이후에도 같은 유형의 생존자가 있습니다. |
| 그런 다음 우리는 이 분포를 갖고 짝짓기 쌍의 확률을 가졌습니다. 그 공식을 보여드리겠습니다. 조금 다릅니다. 짝짓기 쌍의 확률. 음, 이것은 단지 지수함수를 사용하는 것뿐입니다. |
| 짝짓기 쌍의 확률을 추정하여 무슨 일이 일어나고 있는지 알 수 있습니다. 나는 커튼 뒤에 아무것도 숨기지 않았습니다. 한 번 보자. 따라서 프로파일러를 열기 위해 그래프로 이동하여 프로파일러로 이동하겠습니다. |
| 괜찮은. 그런 다음 거기에서 관심 있는 공식이 있는 변수를 선택하겠습니다. 그래서 우리는...팝 A, 팝 B, 생존자와 짝짓기 쌍의 확률을 갖게 될 것입니다. |
| 그것들을 넣으면 우리는 '어-오, 여기에서 변형을 확장해야 하고, 알았어'라고 말할 것입니다. |
| 우리는 좋은 결과를 얻었습니다. |
| 여기에 매우 매력적인 그래프가 있습니다. 그리고 가장 먼저 보게 될 것은 이 프로파일러에서 구불구불한 선을 보게 될 것이라는 것입니다. 프로파일러를 사용한다면 아마도 그런 선을 보는 데 익숙하지 않을 것입니다. |
| 접근 방식이 조금 다를 뿐이고 이러한 것들이 어떻게 작동하는지 볼 수 있고 |
| 화면을 더 잘 볼 수 있도록 여기에서 약간의 조정을 수행합니다. |
| 이제 이 시점부터 우리가 할 일은 프로파일러에서 시뮬레이터를 여는 것입니다. 여기 올라가서 시뮬레이터를 클릭하면 다음과 같은 결과가 나옵니다. |
| 이 선택은 여기 아래에 있습니다. 가장 먼저 하고 싶은 일은 시뮬레이션 실행 횟수를 25,000개로 늘리는 것입니다. 좋아요. 그리고 제가 할 일은...우리가 독립성을 가지면 하는 일입니다. 테스트 중 하나는 종종 이를 위해 사용하는 것입니다. |
| 상관관계를 살펴보겠습니다. 그래서 여기서는 상관관계를 사용하겠습니다. 상관 관계를 사용하고 일부 상관 관계를 설정하십시오. 그래서 먼저 이것을 위해 |
| 인구의 경우 이를 다변량이라고 부르겠습니다. 그러면 바로 아래에서 상관 관계 사양이 표시되는 것을 볼 수 있습니다. |
| 그리고 여기에 또 다른 다변량과 치료 B에 대한 또 다른 다변량을 설정하겠습니다. |
| 치료 A에 대한 또 다른 다변량입니다. 이제 이것이 하는 일은 위에서 언급한 치료 매개변수를 사용하는 것입니다. |
| 그리고 그것은 그것들을 서로 다변량 관계에 두는 것입니다. |
| 우리는 마지막으로 마케팅 배포판도 얻었습니다. 연속되는 것을 원하지 않으므로 무작위로 만들고 정수로 만들겠습니다. |
| 우리는 그것을 정수로 만들고 실행을 하여 결과를 볼 수 있습니다. 이제 이것은...여기 아래에 모두 0이 있는 골디락스 상황이라고 부르겠습니다. 이는 모든 관계가 완전히 독립적이며 여기에서 시뮬레이터를 실행할 수 있음을 의미합니다. |
| 그리고 결과를 확인하세요. |
| 여기서 이 축에 대해 좀 더 조정을 수행하십시오. |
| 이것이 현실이 되었습니다. 여기를 찾아주세요. |
| 좋아요. |
| 이제 그 결과를 볼 수 있습니다. 하지만 우리가 여기에서 살펴보게 될 것은, 우리가 원하는 비율을 가지고 있다는 것입니다. |
| 거기에 설정된 한도를 초과한 것입니다. 나는 그 사양 한계를 변수에 다시 넣었지만, 내가 가장 걱정하는 것은 짝짓기 쌍의 확률입니다. |
| 그리고 모르시겠지만, 저는 실시간으로 실행해 봤지만 정확히 원하는 대로 나오지는 않았습니다. 여기서 몇 번 더 시도해 보겠습니다. 보다. |
| 우리는 짝짓기 쌍의 확률을 얻었고 그것은 .5로 나올 것으로 예상되지만 확실히 그렇지 않습니다. 뭔가가 아닌데...아, 이걸 해보고 고치자. |
| 이것은 4이고 |
| 14 |
| 시뮬레이션을 한 번 더 시도해 보겠습니다. 아직도 안 올라왔네요. 글쎄요, 이 예는 제대로 작동하지 않았지만 |
| 이전 예에서는 여기에 .4가 있었습니다. 즉, 비율은 시간보다 적게 생성되지만 그 확률은 다음과 같습니다. |
| 쌍을 이룰 확률은 0.15이지만, 즉석에서 작업을 시도할 때 가끔 그런 일이 발생합니다. |
| 그럼 위로 올라가서 제가 볼 수 있는 창이 있습니다. 우리는 그 결과를 볼 수 있습니다...우리는 그 결과를 볼 수 있습니다. 그리고...그것은 조금 다릅니다. 이제 알 수 있듯이 |
| 그 확률은 5% 미만이다. 그것이 우리가 목표로 하는 목표입니다. |
| 이 시뮬레이션에서요. 따라서 올라가서 시뮬레이션을 실행하면 다시 0.5 미만으로 튀는 것을 볼 수 있습니다. |
| 짝짓기 쌍의 확률이 1.5보다 큰 경우는 5% 미만입니다. |
| 이제 다시 한번 이것이 일종의 골디락스 시나리오라고 말씀드리겠습니다. 왜냐하면 우리는 이 모든 관계가 독립적이라고 가정하고 있기 때문입니다. 저는 여러분에게 보여드릴 수 있는 예가 있습니다. |
| 적대적이고 시너지 효과가 있습니다. 여기서 첫 번째 항목을 선택하겠습니다. 이 항목에는 |
| 관계는 적대적입니다. 이제... 작업하기 위해 이와 같은 예제를 만들고 있다면 그렇게 할 수 없습니다. 적어도 모든 것을 부정적으로 만들 수는 없었습니다. 당신이 알아 차리면 나는이 두 가지를 긍정적이라고 생각합니다. |
| 이는 행렬이 양의 정부호가 되기를 원합니다. 그리고 만약 여러분이 그것들을 모두 0으로 설정한다면 그것은 양의 확정치로 나오지 않습니다. 하지만 우리는 그 시뮬레이션을 다시 실행할 수 있습니다. 그리고 당신은 그것을 볼 수 있습니다 ... |
| 여기에서 네거티브를 사용한 시뮬레이션이 상황을 매우 매력적으로 만든다는 것을 알 수 있습니다. 우리는 아주 낮은 금리를 받고 있습니다... |
| 우리는...우리는 1., .15 확률로 짝짓기 쌍이 나타나 효과만 볼 수 있습니다. 그리고 제가 정말 보여드리고 싶은 것은 이것의 효과입니다. |
| 상관 사양, 여기 아래 상관 행렬, 사용자가 지정한 공분산 행렬이 있습니다. 이제 다른 하나를 살펴보겠습니다. 긍정적인 경우 하나를 살펴보겠습니다. |
| 그리고 여기에 긍정적인 예가 있습니다. 그리고 당신은 내가 여기 아래에 있다는 것을 볼 수 있습니다. 나는 여기서 말했다. 저는 이러한 상관관계를 매우 높게 만드는 데 영웅적인 태도를 취하지 않았습니다. |
| 나는 그것들을 매우 현실적으로 유지하기 위해 상당히 낮은 수준을 유지하려고 노력했습니다. 결국 이것은 생물학적 데이터이기 때문입니다. 그리고 시뮬레이션을 다시 실행하면 5% 비율을 초과하고 있다는 것을 매우 빠르게 확인할 수 있습니다. |
| 여기저기서 많은 우려가 있습니다. 그리고 만일 당신이...대부분의 이러한 시뮬레이션이 변수 간의 상관관계를 고려하지 않고 실행된다면 그것은 마치 눈을 가리고 이것을 보지 못했다고 말하는 것과 같습니다. 하지만 정말 |
| 만약 존재한다면, 상관 관계가 있고 존재할 가능성이 가장 높은 경우, 왜냐하면 이들 출력 중 하나가 다음 프로세스에 대한 입력이기 때문입니다. |
| 따라서 의존성이 있어야 하며, 종속성이 무엇인지, 이러한 상관 관계를 추정하는 것은 대부분의 시간 동안 생각해 내야 하는 훌륭한 작업이 될 것입니다. |
| 이 분야의 작업은 연구 논문을 기반으로 수행되므로 다양한 유형의 치료법 간에 상관관계가 없습니다. |
| 하지만 그에 대한 어느 정도 추정치를 갖는 것은 좋은 일이고, 가지고 있는 좋은 일입니다. 이제 다음 단계는 여기서 우리가 할 수 있는 다른 작업을 보여주는 것입니다. 우리는 테이블을 만들 수 있습니다. 그리고 이 테이블을 생성하고... |
| 자, 우리는 이 표를 만들 것이고 저는 여기서 짝짓기 쌍에 대한 표의 모든 것을 강조할 것입니다. 그럼 난 그냥 가볼게 |
| 분석 배포를 수행합니다. |
| 그리고 그 모든 것을 실행하고 "알았어"라고 말하십시오. 이제 우리는 이러한 엄청난 분배를 모두 얻었고, |
| 그걸로 종이. 하지만 우리가 할 수 있는 것은 들어가서 우리의 목표를 초과하는 분포를 선택할 수 있다는 것입니다. |
| 여기서 제한하세요. 우리는 그것들을 강조할 수 있고 되돌아보고 완화, 무슨 일이 일어나고 있는지 등을 볼 수 있기 때문에 매우 유익합니다. 무엇이 이런 것들에 영향을 미치나요? |
| 매우. 그리고 실제로...무엇보다도 초기 인구는 실제 생활에서 본 것을 바탕으로 한 것인데, 인구가 더 많아지면 |
| 우리가 과일의 개체수가 아주 많을 때 시스템에 오류가 발생하는 경향이 있습니다. |
| 치료 A 등. 그래서 제가 가장 흥미롭다고 생각했던 것은, 여기를 되돌아보고 마케팅 분포를 살펴보면, |
| 만약 우리가 그들을 밀어낸다면, 배송물이 국내로 들어올 때 마케팅 배포가 이러한 배송물을 더 작은 로트로 나누어 배포해야 한다면 쌍이 짝을 이룰 가능성은 거의 0이 됩니다. |
| 이러한 예 등을 통해 질문을 던져보고 싶습니다. 하지만 마지막으로 한 가지만 말씀드리겠습니다. 조지박스가 생각나네요. |
| 그는 몇 년 전 우리 모임에 참석했습니다. 그리고 그가 말한 두 가지 인용문은 정말 흥미로웠습니다. 그는 "모델과 사랑에 빠지지 말라"고 말했다. |
| 그리고 그는 또한 "모든 모델이 틀렸지만 일부는 유용하다"고 말했습니다. 이 정보와 예제를 통해 시뮬레이션을 수행할 때 변수 간의 관계를 고려해야 한다는 점을 생각해 볼 수 있기를 바랍니다. 감사합니다. |
