Vocero | Transcripción |
| nedjones | El Bueno, el Malo, el Feo o Independencia y Dependencia Sinérgica y Antagonista. |
| Soy Ned Jones. Tengo una pequeña empresa de consultoría llamada 1-alpha Solutions. Puedes ver mi información de contacto allí. Entremos en la discusión sobre la simulación. |
| Voy a ejecutar la simulación, obviamente, y JMP en el descubrimiento... |
| y le permite descubrir el modelo y la entrada aleatoria muy... variación... variación aleatoria de la salida del modelo y en función de las entradas en cualquier ruido que agregue al simulador. Simulador también |
| te permite perfilar... |
| está en el generador de perfiles y lo define, define la entrada aleatoria, se define en función de la entrada aleatoria que tiene y puede ejecutar una simulación y producir tablas de salida y simular variables. |
| Lo siguiente que quiero hacer es hablar sobre un par de tipos diferentes de simulación. |
| Sólo una simple simulación. Si tiene una entrada y una salida, no hay problema de dependencia en la simulación. Las que nos preocupan principalmente son las simulaciones, en las que tenemos múltiples entradas. |
| Y estamos simulando y tendremos una o más salidas del sistema. La preocupación es que pueda haber |
| dependencia entre las variables de entrada. |
| Desplácese un poco hacia abajo y veremos... quiero hablar sobre lo que significa |
| tener independencia estocástica. |
| Dos eventos A y B son independientes si y sólo si sus probabilidades conjuntas son iguales al producto de sus probabilidades. Bueno, eso es lo que queremos. Ese es el resultado final que queremos. Voy a definirlo. Mírelo un poco diferente y así sucesivamente. |
| Esto debería dejarlo un poco más claro. Si miramos la intersección de A y B, eventos A y B, es igual a ese producto conjunto que implica que |
| la probabilidad de A es igual a la probabilidad de A dado B, o de manera similar, la probabilidad... con las probabilidades conjuntas, pero la probabilidad de B es igual a la probabilidad de B dado A. |
| Por tanto, la aparición de A y B es |
| No es afectado. |
| La ocurrencia de B no se ve afectada por la probabilidad de A y viceversa. |
| 2, 4 o 6. |
| Puedes ver fácilmente que el |
| el |
| la probabilidad de A es 2 y 6 o un tercio, y la probabilidad de B es 3 y 6 o la mitad. |
| Pero si miras el |
| intersección de A y B, eso es 2. Y entonces, y la probabilidad de que A multiplicado por B sea 1, 6 y 2 es que obtengan 2, y el único resultado que obtienes es 1 en 6. |
| Ahora, la probabilidad de A |
| es igual a la probabilidad de que cualquier B dado sea igual a un tercio. Y si miramos eso y nos damos cuenta de que estamos diciendo, está bien, ha ocurrido B, sabemos que hemos |
| un 2, un 4 o un 6, pero todavía hay un tercio de probabilidad de que A haya ocurrido. Así que podemos ver que aún así se mantiene en un tercio. Y de manera similar, vemos que sucede lo mismo con la probabilidad de B. |
| Por tanto, A y B son independientes. |
| Ahora tengo un papel y miro el ejemplo que tengo y hablo de eso. Lo que estoy haciendo es simular la carga de plagas. |
| Y la probabilidad de que una pareja se aparee. |
| Lo que tenemos es que tenemos una población de cosecha de frutas y de esa población de cosecha de frutas, vamos a tener algunas prácticas culturales que se aplican en... |
| en nuestro |
| huerto arboleda o |
| viñedo para recibir una carga de plagas... tendrá una carga de plagas después de que se apliquen esas prácticas culturales. |
| Luego tenemos que cosechar... se cosecha la cosecha, haremos un sacrificio manual y estimaremos la carga de plagas allí. Y luego de eso podemos... puedes ver que tenemos |
| una cámara frigorífica y tendremos una carga de plagas después de la cámara frigorífica. Vamos a intentar congelarlos hasta morir. |
| Y lo último que hacemos es que una vez que tengamos esta carga de plagas aquí, la dividiremos en una distribución de marketing y dividiremos esa población en varias partes más pequeñas. |
| Y a partir de eso podremos calcular la probabilidad de que una pareja se aparee. |
| Bueno, el problema, como se puede ver inmediatamente, es que estas cosas se vuelven muy dependientes porque la producción de la población cosechada es el insumo para el tratamiento A. La salida del tratamiento A es la entrada para el tratamiento B y así sucesivamente hasta C hasta llegar al par de encuentro. |
| Ahora aquí hay, aquí hay una mesa, yo... aquí hay una mesa con la que trabajaremos y con la que comenzaremos. Y esto es lo que tenemos: configuramos esto para que funcione el simulador y tenemos un rango de población de 1 millón a 2,5 millones de frutas. tenemos un tratamiento |
| Aquí, un rango de tratamiento de la eficacia de la mitigación que estamos viendo. Aquí está el número de sobrevivientes que esperaríamos de esta población de tratamiento y tenemos una |
| La población A es el resultado de eso. Como resultado de eso, vamos a tener una población B, podemos echar un vistazo a las fórmulas que se utilizan aquí. |
| Y lo que se está haciendo aquí es un poco diferente: estoy poniendo una variable aleatoria en... que irá al generador de perfiles. Entonces el generador de perfiles verá esto inmediatamente como una variable aleatoria que ingresa. Así que estamos simulando la entrada de la variable, incluso antes de que entre. |
| Entonces con eso, puedes irte... podemos cruzar. Puedes ver el resto de la tabla. Nos vamos. Tenemos otro grupo, tenemos sobrevivientes que están después del Tratamiento C, el mismo tipo de cosas. |
| Entonces tenemos esta distribución y teníamos una probabilidad de que una pareja se apareara. Te mostraré esa fórmula. Es un poco diferente. La probabilidad de que una pareja se aparee. Bueno, esto es sólo usar una exponencial |
| para estimar la probabilidad de que la pareja se aparee para saber qué está pasando. No te he escondido nada detrás de la cortina y demás. Vamos a ver. Entonces, para abrir el generador de perfiles, iremos al gráfico y bajaremos al generador de perfiles. |
| Está bien. Y luego, a partir de ahí, seleccionaremos las variables que tengan una fórmula que nos interese. Así que vamos a tener... vamos a tener el Pop A, el Pop B, los supervivientes y la probabilidad de una pareja que se aparee. |
| Los pondremos y diremos, uh-oh, tenemos que extender la variación aquí y diremos, está bien. |
| Obtuvimos un buen resultado. |
| Gráficos muy atractivos aquí. Y lo primero que verá es que verá líneas onduladas en este generador de perfiles. Si usa un generador de perfiles, probablemente no esté acostumbrado a ver líneas como esas. |
| Es simplemente un enfoque un poco diferente y demás para que puedas ver cómo funcionan estas cosas y |
| Haciendo un pequeño ajuste aquí para que puedas ver mejor las pantallas. |
| Ahora, a partir de este punto, lo que haremos es abrir el simulador en el generador de perfiles. Subimos aquí y simplemente hacemos clic en el simulador y nos da |
| estas opciones aquí abajo. Lo primero que quiero hacer con esto es aumentar el número de ejecuciones de simulación a 25.000. Bueno. Y lo que voy a hacer... lo que hacemos si tenemos independencia, una de las pruebas que usamos con bastante frecuencia para eso es que |
| veremos la correlación. Entonces voy a usar una correlación aquí. Utilice las correlaciones y establezca algunas correlaciones. Así que para esto primero |
| población, la llamaré multivariada e inmediatamente podrán ver que tenemos una especificación de correlación a continuación. |
| Y configuraremos otro multivariado aquí y otro multivariado para el tratamiento B. |
| Otro multivariado para el tratamiento A. Ahora, lo que esto hace es tomar los parámetros de tratamiento que teníamos arriba, que teníamos antes. |
| Y los está poniendo en nuestra relación multivariada entre nosotros. |
| También tenemos lo último, esta distribución de marketing. No quiero que sea continuo, así que lo haré aleatorio y lo convertiremos en un número entero. |
| Lo convertiremos en un número entero, lo ejecutaremos y podremos ver los resultados. Ahora esta es... la llamaré la situación Ricitos de Oro con todos los ceros aquí abajo, eso implica que todas estas relaciones son completamente independientes y podemos ejecutar nuestro simulador aquí. |
| Y mira los resultados. |
| Haga un poco más de ajuste aquí en estos ejes. |
| Esto cobra vida. Por favor busque aquí. |
| Bueno. |
| Ahora ves esos resultados. Pero lo que vamos a tener aquí y ver esto es que tenemos la tasa |
| en el que está excediendo un límite que se ha establecido allí. Puse esos límites de especificación nuevamente en las variables, pero lo que más me preocupa es la probabilidad de que una pareja se aparee. |
| Y no lo sabrías, he ejecutado esto en tiempo real y no ha salido exactamente como debería. Intentemos un par de veces más aquí. Ver. |
| Lo que obtuvimos es la probabilidad de que una pareja se aparee y se supone que es .5, pero ciertamente no lo es. Tengo algo que no... oh, aquí, intentemos esto y solucionémoslo. |
| Esto sería 4 y |
| 14 |
| Probemos la simulación una vez más. Todavía no apareció. Bueno, el ejemplo no ha funcionado del todo bien, pero |
| en el ejemplo anterior tenía .4 aquí. En otras palabras, la tasa se estaba creando en menos tiempo, pero tengo esa probabilidad de |
| Una probabilidad de 0,15 de que una pareja se aparee, pero eso es lo que sucede a veces cuando intentas hacer cosas sobre la marcha. |
| Entonces déjenme subir y tengo una ventana en la que puedo ver ese resultado con... podemos mirar ese resultado. Y vamos... eso es un poco diferente. Y ahora puedes ver que |
| esa probabilidad es inferior al 5%. Ése es el objetivo al que apuntamos. |
| en esta cosa, en esta simulación. Entonces, si subimos y podemos ejecutar esas simulaciones, nuevamente puedes verlas rebotando, manteniéndose por debajo de .5, entonces |
| ocurre menos del 5% de las veces que la probabilidad de que una pareja se aparee sea mayor que 1,5. |
| Ahora, porque ahora, nuevamente, diré que este es un escenario tipo Ricitos de Oro porque asumimos que todas estas relaciones son independientes. Tengo un ejemplo que puedo mostrarles que tenemos, donde tenemos uno que es |
| antagónicos y sinérgicos. Así que sacaré el primero aquí y en este tenemos que el |
| Las relaciones son antagónicas. Ahora, cuando... si estás creando un ejemplo como este para trabajar con él, no puedes, al menos yo no pude hacer todo negativo. Si te fijas tengo estos dos como positivos. |
| Esto quiere que la matriz sea positiva definida. Y no resulta positivo si estableces... si los configuras todos a cero, pero podemos ejecutar esa simulación nuevamente. Y puedes ver eso... |
| Puedes ver aquí que esas simulaciones con un aspecto negativo realmente hacen que las cosas sean muy, muy atractivas. Estamos teniendo una tasa baja, realmente baja de... |
| que tenemos... tenemos 1., .15 de probabilidad de que una pareja se aparee para que puedas ver solo el efecto. Y lo que realmente quiero mostrar es el efecto de esto. |
| especificaciones de correlación, matriz de correlación aquí abajo, matriz de covarianza que usted especificó. Ahora miremos uno más, veremos el que es positivo. |
| Y aquí tenemos un ejemplo en el que es positivo. Y puedes ver que tengo aquí abajo. He dicho aquí. Ahora bien, no he sido realmente heroico al hacer que esas correlaciones sean muy altas. |
| He tratado de mantenerlos bastante bajos y demás para ser bastante realista; después de todo, estos son datos biológicos. Y podemos ejecutar esas simulaciones nuevamente y se puede ver muy rápidamente que estamos excediendo esa tasa del 5% que es... se convierte en |
| gran preocupación aquí y demás. Y si lo fuera... si la mayoría de las veces estas simulaciones como esta se ejecutan sin considerar la correlación entre variables y eso es como taparse los ojos y decir: "No vi esto y demás". Pero realmente |
| si la hay, si hay una relación de correlación y lo más probable es que la haya, porque una de estas en... una de estas salidas es la entrada para el siguiente proceso, |
| Así que bastante bien tiene que ser dependiente, y cuáles son las dependencias, estimar estas correlaciones será una gran tarea la mayor parte del tiempo. |
| El trabajo en esta área se basa en artículos de investigación y no tienen correlaciones entre diferentes tipos de tratamientos. |
| Pero tener una estimación de ellos es algo bueno, algo bueno de tener. Ahora el siguiente paso es mostrarle qué más podemos hacer aquí. Podemos crear una tabla. Y si creamos esta tabla y... |
| Bueno, crearemos esta tabla y simplemente resaltaré todo lo que hay en la tabla hasta los pares de apareamiento aquí. Y luego simplemente voy a |
| hacer un análisis de distribución. |
| Y ejecute todos esos y diga, está bien. Ahora tenemos todas estas grandes distribuciones, llenamos el |
| papel con él. Pero lo que podemos hacer es entrar y seleccionar estas distribuciones que exceden nuestra |
| límite aquí. Podemos simplemente resaltarlos y se vuelve muy informativo cuando miramos hacia atrás y podemos ver las mitigaciones, lo que está sucediendo, etc. ¿Qué está afectando estas cosas? |
| muy. Y una de las cosas que realmente... en primer lugar, nuestra población inicial, y esto se ha basado en lo que hemos visto en la vida real, es que a medida que la población aumenta, |
| cuando tenemos grandes poblaciones de fruta, la tendencia es que tengamos fallas en el sistema, |
| Tratamiento A y así sucesivamente. Entonces, ¿cuál fue el que pensé que era más interesante? Si miramos hacia atrás y observamos la distribución del marketing, |
| Que si los expulsamos, si requerimos que a medida que los envíos lleguen al país y que la distribución de marketing tenga que dividir estos envíos en lotes más pequeños para ser distribuidos, la probabilidad de que se apareen parejas se vuelve prácticamente cero. |
| Con estos ejemplos y demás, quiero seguir adelante y abrir la puerta a preguntas. Pero permítanme decir una última cosa. Pienso en George Box. |
| Estuvo en una de nuestras reuniones hace unos años. Y fue realmente interesante cuáles... las dos citas que dijo. Dijo: "No te enamores de una modelo". |
| Y también dijo: "Todos los modelos están equivocados, pero algunos son útiles". Espero que esta información y estos ejemplos le den algo en qué pensar cuando esté haciendo la simulación que necesita para considerar la relación entre las variables. Gracias. |
