スピーカー | 成績証明書 |
| ネジョーンズ | 良いもの、悪いもの、醜いもの、あるいは独立性と依存性が相乗的であり、拮抗的である。 |
| 私はネッド・ジョーンズです。 私は 1-alpha Solutions という小さなコンサルティング会社を経営しています。 そこに私の連絡先情報が表示されます。 シミュレーションの議論に入りましょう。 |
| もちろんシミュレーションを実行するつもりですが、検出では JMP を使用します... |
| これにより、シミュレータに追加するノイズの入力に基づいて、モデルの入力ランダム、非常に...変動...モデル出力のランダムな変動を検出することができます。 シミュレーターも |
| プロファイルを作成できます... |
| プロファイラー内にあり、それを定義します。 ランダム入力を定義します。 ランダム入力に基づいて定義され、シミュレーションを実行して出力テーブルを生成し、変数をシミュレートできます。 |
| 次に、いくつかの異なるタイプのシミュレーションについて説明したいと思います。 |
| 簡単なシミュレーションです。 入力と出力が 1 つずつある場合、シミュレーションでは依存関係の問題は発生しません。 私たちが主に懸念しているのは、複数の入力があるシミュレーションです。 |
| そして、シミュレーションを行っており、1 つ以上のシステム出力があります。 懸念されるのは、 |
| 入力変数間の依存関係。 |
| ここを少し下にスクロールすると、... が何を意味するのかについて話したいと思います。 |
| 確率的な独立性を持っています。 |
| 2 つのイベント A と B は、それらの結合確率がそれらの確率の積に等しい場合にのみ独立しています。 そうですね、それが私たちが望んでいることです。 それが私たちが望む最終結果です。 定義してみます。 少し違った見方をしてみるなど。 |
| これにより、もう少し明確になるはずです。 A と B の交差部分を見ると、イベント A と B は、次のことを意味する結合積に等しいです。 |
| A の確率は、B が与えられた場合の A の確率に等しい、または同様に、同時確率による確率ですが、B の確率は A が与えられた場合の B の確率に等しいです。 |
| したがって、A と B の出現は次のようになります。 |
| 影響を受けません。 |
| B の発生は A の確率には影響されず、その逆も同様です。 |
| 2、4、または 6。 |
| 簡単にわかります。 |
| の |
| A の確率は 2 と 6、つまり 3 分の 1、B の確率は 3 と 6、つまり 2 分の 1 です。 |
| しかし、見てみると、 |
| AとBの交点、つまり2です。 そして、A に B を掛けた確率は 1 6 であり、2 が得られるのは 2 だけです。つまり、得られる結果は 6 分の 1 です。 |
| さて、Aの確率は |
| は、任意の B が 3 分の 1 に等しい確率に等しくなります。 それを見て、「わかった、B が発生した」と言っていることに気付いたら、B が発生したことがわかります。 |
| 2、4、または 6 ですが、A が発生する可能性はまだ 3 分の 1 あります。 したがって、依然として 3 分の 1 に留まっていることがわかります。 同様に、B の確率でも同じことが起こっていることがわかります。 |
| したがって、A と B は独立しています。 |
| 今、私はその役割を担っており、私が持っている例を見てそれについて話します。 私がやっていることは、害虫の負荷をシミュレートしていることです |
| そして交配ペアの確率。 |
| 私たちが持っているのは、果物の収穫人口があり、その果物の収穫人口から、社会に適用されるいくつかの文化的慣習を生み出すことになるということです... |
| 私たちの中で |
| オーチャードグローブまたは |
| ブドウ畑に害虫が発生する...これらの文化的慣行が適用されると、害虫が発生することになります。 |
| それから収穫しなければなりません...作物が収穫され、手動で間引きを行い、そこに発生する害虫の量を推定します。 そしてその後は...次のことがわかります。 |
| 冷蔵倉庫では、冷蔵倉庫の後に害虫の負荷が発生します。 私たちは彼らを凍死させようとします。 |
| そして最後に私たちが行うことは、この害虫の負荷をここで取得したら、それをマーケティング分布に分割し、その集団をいくつかの小さな部分に分割することです。 |
| そして、そこから交尾ペアの確率を計算できるようになります。 |
| 問題は、すぐにわかるように、収穫集団の出力が治療 A の入力となるため、これらのことが非常に依存するようになるということです。 処理 A の出力は処理 B の入力となり、C 以降は会議ペアに至るまで続きます。 |
| さて、これがテーブルです...これが私たちが作業するテーブルであり、そこから始めます。 これは、シミュレータが動作するようにこれを設定したもので、人口範囲は 100 万から 250 万の果物です。 治療があります |
| ここでは、私たちが確認している緩和効果の治療範囲を示します。 この治療集団から予想される生存者数は次のとおりです。 |
| 母集団 A はその結果です。 その結果として母集団 B が得られます。ここで使用されている式を見てみましょう。 |
| ここで何が行われているかというと、これは少し異なりますが、プロファイラーに入力される確率変数を入れています。 したがって、プロファイラーはこれをランダム変数としてすぐに認識します。 したがって、変数が入ってくる前であっても、入ってくる変数をシミュレートしています。 |
| それで、あなたは行けます...私たちは渡れます。 テーブルの残りの部分が表示されます。 行きます。 別のセットがあり、同じ種類の治療 C 後の生存者がいます。 |
| 次に、この分布が得られ、交尾ペアの確率が得られました。 その公式をお見せします。 それは少し違います。 交配ペアの確率。 まあ、これは指数関数を使用しているだけです |
| 何が起こっているかを知るために、交尾ペアの確率を推定します。 私はカーテンなどであなたに何も隠していません。 見てみましょう。 プロファイラーを開くには、グラフに移動してからプロファイラーに進みます。 |
| よし。 そしてそこから、興味のある式を持つ変数を選択します。 それで、私たちは...ポップA、ポップB、生存者、そして交尾ペアの確率を得るつもりです。 |
| それらを入れて、ああ、ここでバリエーションを拡張しなければならない、そして、わかりました、と言うつもりです。 |
| 良い結果が得られました。 |
| ここには非常に魅力的なグラフがあります。 そして最初に目にするのは、このプロファイラーには波線が表示されるということですが、プロファイラーを使用している場合、おそらくそのような線を見ることに慣れていないでしょう。 |
| これらのことがどのように機能するかを理解するには、少し異なるアプローチなどを使用するだけです。 |
| 画面が見やすくなるように、ここで少し調整します。 |
| ここからは、プロファイラーでシミュレーターを開きます。 ここにアクセスしてシミュレータをクリックするだけで、次のような結果が得られます。 |
| これらの選択肢はここにあります。 これで最初にやりたいことは、シミュレーションの実行数を 25,000 に増やすことです。 わかった。 そして、私は何をするつもりですか...私たちが独立性を持ったら何をするか、そのためのテストの1つは、よくそのために使用します。 |
| 相関関係を見てみましょう。 そこで、ここでは相関関係を使用します。 相関関係を使用して、いくつかの相関関係を設定します。 それではまずこれについて |
| 人口、私はそれを多変量と呼ぶことにします。すぐに、以下に相関仕様が得られることがわかります。 |
| ここで別の多変量を設定し、治療 B 用に別の多変量を設定します。 |
| 治療 A の別の多変量。 さて、これが何をしているかというと、これは、上で説明した、以前に使用した治療パラメータを取得しているということです。 |
| そして、それらを相互に多変量の関係に置くことになります。 |
| 最後に、このマーケティング配布も入手しました。 連続的なものにしたくないので、ランダムにして整数にします。 |
| これを整数にして実行すると、結果がわかります。 これは...ここにすべてゼロがあるので、これをゴルディロックス状況と呼びます。これは、これらすべての関係が完全に独立しており、ここでシミュレーターを実行できることを意味します。 |
| そして結果を見てください。 |
| ここでこれらの軸をもう少し調整します。 |
| これが生きてくるんです。 ここを探してください。 |
| わかった。 |
| その結果がわかります。 しかし、ここで見ていきたいのは、レートがあるということです。 |
| そこに設定されている制限を超えています。 これらの仕様限界を変数に戻しましたが、私が最も懸念しているのは、交配ペアの確率です。 |
| ご存知ないでしょうか、これをリアルタイムで実行しましたが、期待通りの結果が得られませんでした。 ここでさらに数回試してみましょう。 見る。 |
| 交尾ペアの確率が 0.5 になるはずですが、実際はそうではありません。 何かが足りない...ああ、これを試して修正しましょう。 |
| これは 4 となり、 |
| 14 |
| もう一度シミュレーションしてみましょう。 まだ出てきませんでした。 まあ、この例は完全に正しく機能しませんでしたが、 |
| 前の例では、ここでは .4 を使用していました。 つまり、レートは時間よりも短くなっていましたが、その可能性は次のとおりです。 |
| 交尾ペアの確率は 0.15 ですが、その場で何かをしようとすると、時々このようなことが起こります。 |
| それで私を上げさせてください、そして私にはできる窓があります、私たちはその結果を見ることができます...その結果を見ることができます。 そして、それは少し異なります。 そして今おわかりでしょう |
| その確率は5%未満です。 それが私たちが目指す目標です。 |
| このこと、このシミュレーションで。 したがって、値を上げてシミュレーションを実行すると、再びそれらが跳ね返り、0.5 未満にとどまっていることがわかります。 |
| 交尾ペアの確率が 1.5 を超える確率は 5% 未満です。 |
| もう一度言いますが、これらの関係はすべて独立していると仮定しているため、これは一種のゴルディロックスのシナリオです。 私たちが持っている例をお見せできます。 |
| 拮抗的かつ相乗的。 最初のものをここに取り出します。この例では、 |
| 関係は敵対的です。 さて、このような例を作成して操作している場合、それはできません。少なくとも、すべてを否定的にすることはできませんでした。 あなたが気づいたなら、私はこの2つをポジティブなものとして持っています。 |
| これは、行列が正定値であることを必要とします。 そして、これらをすべてゼロに設定すると、正定値としては得られませんが、そのシミュレーションを再度実行することができます。 そしてそれはわかります... |
| ここで、ネガティブなシミュレーションが実際に物事を非常に魅力的にしていることがわかります。 非常に低い割合で取得されています... |
| 私たちが持っているのは...私たちが持っているのは1.、 .15 の交配ペアの確率で、効果だけを確認できます。 そして私が本当に見せたいのは、この効果です |
| 相関仕様、ここにある相関行列、指定した共分散行列。 では、もう一方を見てみましょう。一方が陽性であれば見てみましょう。 |
| そして、それがポジティブな例をここに示しました。 そして、私がここにいるのがわかります。 ここで言いました。 さて、私はこれらの相関関係を非常に高くすることについて、実際には英雄的ではありませんでした。 |
| 結局のところ、これは生物学的データであるため、かなり現実的になるように、数値をかなり低く保つように努めてきました。 これらのシミュレーションを再度実行すると、その 5% の割合を超えていることがすぐにわかります。 |
| ここなどで大きな懸念が生じます。 そして、もしあなたがそうであったとしたら...このようなシミュレーションが変数間の相関を考慮せずに実行されることがほとんどで、それは目を覆って「これは見ていなかった」と言っているようなものです。 でも本当に |
| 存在する場合、相関関係が存在し、おそらく存在する場合、これらの出力の 1 つが次のプロセスへの入力であるため、 |
| したがって、依存関係がある必要があり、その依存関係が何であるか、これらの相関関係を推定することは、ほとんどの場合、考え出さなければならない大変な作業になります。 |
| この分野の研究は研究論文に基づいて行われており、異なる種類の治療法の間に相関関係はありません。 |
| しかし、それらの見積もりをある程度持っていることは良いことであり、持っておくことは良いことです。 次のステップでは、ここで他に何ができるかを示します。 テーブルを作成できます。 このテーブルを作成すると... |
| さて、このテーブルを作成し、テーブル内のすべてをここで結合ペアに対して強調表示するだけです。 そして、私はちょうど行くつもりです |
| 分析配布を行います。 |
| そしてそれらをすべて実行して、「OK」と言います。 これで、これらすべての壮大な配布が完了しました。 |
| それと一緒に紙。 しかし、私たちにできることは、私たちが参入し、私たちの目標を超えているこれらの分布を選択できることです。 |
| ここで制限します。 それらを強調表示するだけで、過去を振り返ると、緩和策や何が起こっているかなどがわかるため、非常に有益になります。 何がこれらに影響を与えているのか |
| 大いに。そして本当に重要なことの 1 つは、まず最初の人口です。これは私たちが実際に見たことに基づいていますが、人口が増えるにつれて、 |
| 果実の個体数が非常に多くなると、システムに障害が発生する傾向があります。 |
| 治療Aなど。 では、私が最も興味深いと思ったのは何でしょうか。ここで振り返って、マーケティング分布を見てみましょう。 |
| もし私たちがそれらを押し出し、出荷物が国内に到着するときにそれを要求し、マーケティング流通がこれらの出荷物をより小さなロットに分割して配布する必要がある場合、交配つがいの確率はほぼゼロになります。 |
| これらの例などを踏まえて、質問を受け付けたいと思います。 でも最後に一つだけ言わせてください。 ジョージ・ボックスのことを思い出します。 |
| 彼は数年前、私たちの会合に出席していました。 そして、彼が言った2つの言葉は本当に興味深いものでした。 彼は「モデルを好きになってはいけない」と言いました。 |
| そして、「すべてのモデルは間違っているが、いくつかのモデルは有用である」とも述べた。 この情報とこれらの例が、変数間の関係を考慮する必要があるシミュレーションを実行するときに考えるヒントになれば幸いです。 ありがとう。 |
