Conférencier | Transcription |
| nedjones | Le Bon, la Brute, le Laid ou l'Indépendance et la Dépendance Synergique et Antagoniste. |
| Je m'appelle Ned Jones. J'ai une petite entreprise de conseil appelée 1-alpha Solutions. Vous pouvez y voir mes coordonnées. Passons à la discussion sur la simulation. |
| Je vais évidemment exécuter la simulation, et JMP dans la découverte... |
| et vous permet de découvrir le modèle mais l'entrée aléatoire très... variation... la variation aléatoire de sortie du modèle et en fonction des entrées dans tout bruit que vous ajoutez dans le simulateur. Simulateur également |
| vous permet de profiler... |
| est dans le profileur et le définit, l'entrée aléatoire est définie en fonction de l'entrée aléatoire dont vous disposez et vous pouvez exécuter une simulation, produire des tableaux de sortie et simuler des variables. |
| La prochaine chose que je veux faire est de parler des différents types de simulation. |
| Juste une simple simulation. Si vous avez une entrée et une sortie, il n'y a aucun problème de dépendance dans la simulation. Ceux qui nous préoccupent principalement sont les simulations, pour lesquelles nous disposons de plusieurs entrées. |
| Et nous simulons et aurons une ou plusieurs sorties système. Le souci est qu'il pourrait y avoir |
| dépendance entre les variables d’entrée. |
| Faites défiler un peu ici et nous verrons... je veux parler de ce que signifie |
| ont une indépendance stochastique. |
| Deux événements A et B sont indépendants si et seulement si leurs probabilités conjointes sont égales au produit de leurs probabilités. Eh bien, c'est ce que nous voulons. C'est le résultat final que nous voulons. Je vais le définir. Regardez les choses un peu différemment et ainsi de suite. |
| Cela devrait rendre les choses un peu plus claires. Si nous regardons l’intersection de A et B, les événements A et B, sont égaux à ce produit commun qui implique que |
| la probabilité de A est égale à la probabilité de A étant donné B, ou de même, la probabilité... avec les probabilités conjointes, mais la probabilité de B est égale à la probabilité de B étant donné A. |
| Ainsi, l’occurrence de A et B est |
| n’est pas affecté. |
| L’occurrence de B n’est pas affectée par la probabilité de A et vice versa. |
| 2, 4 ou 6. |
| Vous pouvez facilement voir que le |
| le |
| la probabilité de A est de 2 et 6 ou un tiers, et la probabilité de B est de 3 et 6 ou la moitié. |
| Mais si vous regardez le |
| intersection de A et B, ça fait 2. Et donc la probabilité que A fois B soit 1 6 et 2 est qu'ils obtiennent 2, et le seul résultat que vous obtenez est donc 1 sur 6. |
| Maintenant, la probabilité de A |
| est égal à la probabilité que tout B donné soit égal à un tiers. Et si nous regardons cela et que nous réalisons que nous disons, d'accord, B s'est produit, nous savons que nous avons |
| un 2, un 4 ou un 6, mais il y a encore une chance sur trois que A ait pu se produire. Nous pouvons donc constater que cela reste à un tiers. Et de la même manière, nous voyons la même chose se produire avec la probabilité de B. |
| Donc A et B sont indépendants. |
| Maintenant, je joue un rôle, je regarde l'exemple que j'ai et j'en parle. Ce que je fais, c'est simuler la charge parasitaire |
| Et la probabilité d’un couple accouplé. |
| Ce que nous avons, c'est que nous avons une population qui récolte des fruits et à partir de cette population qui récolte des fruits, nous allons avoir certaines pratiques culturelles qui sont appliquées dans le... |
| dans notre |
| verger Grove ou |
| le vignoble sera soumis à une charge parasitaire... aura une charge parasitaire après l'application de ces pratiques culturelles. |
| Ensuite, nous devons procéder à la récolte... la récolte est récoltée, nous procéderons à une sélection manuelle et évaluerons la charge parasitaire à cet endroit. Et puis après cela, nous pouvons... vous pouvez voir que nous avons |
| une chambre froide et nous aurons une charge parasitaire après la chambre froide. Nous allons essayer de les mourir de froid. |
| Et la dernière chose que nous faisons est qu'une fois que nous aurons reçu cette charge parasitaire ici, nous allons la diviser dans une distribution marketing et diviser cette population en plusieurs morceaux plus petits. |
| Et nous pourrons calculer la probabilité d'un couple sexuel à partir de cela. |
| Eh bien, le problème, vous pouvez le voir immédiatement, c'est que ces choses deviennent très dépendantes parce que la production de la population récoltée est l'intrant du traitement A. La sortie du traitement A est l’entrée du traitement B et ainsi de suite jusqu’à C jusqu’à la paire de rencontre. |
| Maintenant, voici, voici un tableau, je... voici un tableau avec lequel nous allons travailler et avec lequel nous commencerons. Et voici ce que nous avons, c'est que nous avons configuré cela pour que le simulateur fonctionne et que nous avons une population de 1 million à 2,5 millions de fruits. Nous avons un traitement |
| ici, une gamme de traitements de l'efficacité de l'atténuation que nous observons. Voici le nombre de survivants que nous attendrions de cette population traitée et nous avons un |
| La population A en est le résultat. Nous allons avoir une population B en conséquence, nous pouvons jeter un œil aux formules utilisées ici. |
| Et qu'est-ce qui se fait ici, c'est un peu différent, je mets une variable aléatoire dans le... qui va aller dans le profileur. Le profileur va donc voir cela immédiatement comme une variable aléatoire entrante. Nous simulons donc l'arrivée de la variable, avant même son arrivée. |
| Alors avec ça, vous pouvez y aller... nous pouvons traverser. Vous pouvez voir le reste du tableau. Nous y allons. Nous avons un autre groupe, nous avons des survivants après le traitement C, le même genre de chose. |
| Ensuite, nous avons cette distribution et nous avions une probabilité d’un couple sexuel. Je vais vous montrer cette formule. C'est un peu différent. La probabilité d'un couple accouplé. Eh bien, c'est juste en utilisant une exponentielle |
| pour estimer la probabilité d'accouplement du couple afin que vous sachiez ce qui se passe. Je ne vous ai rien caché derrière le rideau et ainsi de suite. Nous allons jeter un coup d'oeil. Donc, pour ouvrir le profileur, nous allons passer au graphique et descendre au profileur. |
| D'accord. Et puis à partir de là, nous allons sélectionner nos variables qui ont une formule qui nous intéresse. Nous aurons donc... nous aurons la Pop A, la Pop B, les survivants et la probabilité d'un couple s'accoupler. |
| Nous allons les intégrer et nous allons dire, euh-oh, nous devons étendre la variation ici et nous allons dire, d'accord. |
| Nous avons obtenu un joli résultat. |
| Des graphiques très attrayants ici. Et la première chose que vous allez voir, c'est que vous allez voir des lignes ondulées dans ce profileur. Si vous utilisez un profileur, vous n'êtes probablement pas habitué à voir des lignes comme celle-là. |
| C'est juste une approche un peu différente, etc., pour que vous puissiez voir comment ces choses fonctionnent et |
| Je fais un petit ajustement ici pour que vous puissiez mieux voir les écrans. |
| Maintenant, à partir de ce point, nous allons ouvrir le simulateur dans le profileur. On monte ici et on clique simplement sur le simulateur et ça nous donne |
| ces choix ici. La première chose que je veux faire, c'est augmenter le nombre de simulations à 25 000. D'accord. Et ce que je vais faire... ce que nous faisons si nous avons l'indépendance, l'un des tests, bien souvent pour cela, que nous utilisons pour cela, c'est que nous |
| nous examinerons la corrélation. Je vais donc utiliser une corrélation ici. Utilisez les corrélations et configurez quelques corrélations. Alors pour cette première |
| population, je vais l'appeler multivariée et vous pouvez immédiatement voir que nous obtenons une spécification de corrélation ci-dessous. |
| Et nous allons mettre en place un autre multivarié ici et un autre multivarié pour le traitement B. |
| Un autre multivarié pour le traitement A. Maintenant, ce que cela fait, c'est prendre les paramètres de traitement que nous avions ci-dessus, nous avions auparavant. |
| Et cela les place dans notre relation multivariée les uns avec les autres. |
| Nous avons également eu la dernière chose, cette distribution marketing. Je ne veux pas que ce soit continu, donc je vais le rendre aléatoire et nous allons en faire un nombre entier. |
| Nous allons en faire un nombre entier et nous aurons cette analyse et nous pourrons voir les résultats. Maintenant, c'est la... J'appellerai cela la situation Boucle d'or avec tous les zéros ici, cela implique que toutes ces relations sont complètement indépendantes et que nous pouvons faire fonctionner notre simulateur ici. |
| Et voyez les résultats. |
| Faites un peu plus d'ajustements ici sur ces axes. |
| Cela prend vie. Veuillez chercher ici. |
| D'accord. |
| Maintenant vous voyez ces résultats. Mais ce que nous allons avoir ici et en regardant cela, c'est que nous avons le taux |
| auquel il dépasse une limite qui a été fixée là-bas. J'ai remis ces limites de spécifications dans les variables, mais celle qui me préoccupe le plus est la probabilité d'une paire d'accouplements. |
| Et vous ne le sauriez pas, j'ai couru cela en temps réel et cela ne s'est pas déroulé exactement comme il le devrait. Essayons encore quelques fois ici. Voir. |
| Ce que nous avons obtenu, c'est la probabilité qu'un couple s'accouple et elle est censée être de 0,5, mais ce n'est certainement pas le cas. J'ai quelque chose qui ne va pas... oh, ici, essayons ceci et réparons cela. |
| Ce serait 4 et |
| 14 |
| Essayons la simulation une fois de plus. Je n'ai toujours pas abordé la question. Eh bien, l'exemple n'a pas très bien fonctionné, mais |
| dans l'exemple précédent, j'avais 0,4 ici. Cela voulait donc dire que le taux créait moins de temps, mais j'ai cette probabilité que |
| Une probabilité de 0,15 pour qu'un couple s'accouple, mais c'est ce qui arrive parfois lorsque vous essayez de faire des choses à la volée. |
| Alors laissez-moi monter et j'ai une fenêtre dans laquelle je peux, nous pouvons regarder ce résultat avec... nous pouvons regarder ce résultat. Et disons... c'est un peu différent. Et tu peux voir maintenant que |
| cette probabilité est inférieure à 5 %. C'est l'objectif que nous visons. |
| dans cette chose, dans cette simulation. Donc, si nous montons et que nous pouvons exécuter ces simulations, encore une fois, vous pouvez voir celles-ci rebondir, restant en dessous de 0,5, donc |
| cela arrive moins de 5 % du temps où la probabilité qu'un couple s'accouple soit supérieure à 1,5. |
| Maintenant parce que maintenant, encore une fois, je dirai que c'est une sorte de scénario Boucle d'or parce que nous supposons que toutes ces relations sont indépendantes. J'ai un exemple que je peux vous montrer que nous avons, où nous en avons un qui est |
| antagonistes et synergiques. Je vais donc afficher le premier ici et dans celui-ci, nous avons que le |
| les relations sont antagonistes. Maintenant, quand vous... si vous créez un exemple comme celui-ci pour travailler avec, vous ne pouvez pas, du moins je n'ai pas pu tout rendre négatif. Si vous remarquez, j'ai ces deux-là comme étant positifs. |
| Ceci veut que la matrice soit définie positive. Et cela ne s'avère pas positif et définitif si vous réglez... si vous les mettez tous à zéro, mais nous pouvons refaire cette simulation. Et vous pouvez voir ça... |
| vous pouvez voir ici que ces simulations avec un négatif, ça rend vraiment les choses très, très attractives. Nous obtenons un taux très faible de... |
| que nous avons... nous en avons 1., 0,15 probabilité d'un couple accouplé afin que vous puissiez voir juste l'effet. Et ce que je veux vraiment montrer, c'est l'effet de cela |
| spécifications de corrélation, matrice de corrélation ici, matrice de covariance que vous avez spécifiée. Maintenant, regardons-en un autre, nous examinerons celui-là s'il est positif. |
| Et nous avons ici un exemple où c’est positif. Et vous pouvez voir que j'ai ici. Je l'ai dit ici. Maintenant, je n’ai pas été vraiment héroïque en rendant ces corrélations très élevées. |
| J'ai essayé de les maintenir assez bas, etc. pour être assez réaliste, après tout, ce sont des données biologiques. Et nous pouvons refaire ces simulations et vous pouvez voir très rapidement que nous dépassons ce taux de 5 %, ce qui est... devient |
| beaucoup de préoccupations ici et ainsi de suite. Et si vous étiez... si la plupart du temps, ces simulations comme celle-ci sont exécutées sans tenir compte de la corrélation entre les variables et c'est un peu comme se couvrir les yeux et dire : je n'ai pas vu ceci et ainsi de suite. Mais c'est vraiment |
| s'il y en a, s'il y a une relation de corrélation et il y en a très probablement, parce que l'un de ces résultats dans... l'un de ces résultats est l'entrée du processus suivant, |
| il faut donc assez bien qu'il soit dépendant, et quelles sont les dépendances, l'estimation de ces corrélations sera une tâche ardue à réaliser la plupart du temps. |
| Les travaux dans ce domaine sont effectués sur la base de documents de recherche et ils n'ont donc pas de corrélations entre les différents types de traitements. |
| Mais avoir une estimation de ceux-ci est une bonne chose, une bonne chose à avoir. La prochaine étape consiste maintenant à vous montrer ce que nous pouvons faire d'autre ici. Nous pouvons créer un tableau. Et si nous créons ce tableau et... |
| Eh bien, nous allons créer ce tableau et je vais simplement mettre en évidence tout ce qu'il contient pour les paires qui s'accouplent ici. Et puis je vais juste |
| faire une analyse de distribution. |
| Et exécutez tout cela et dites, d'accord. Maintenant nous avons toutes ces grandes distributions, remplissons le |
| papier avec. Mais ce que nous pouvons faire, c'est y aller et sélectionner ces distributions qui dépassent nos limites. |
| limite ici. Nous pouvons simplement les souligner et cela devient très instructif lorsque vous regardez en arrière et que vous pouvez voir les atténuations, ce qui se passe, etc. Qu'est-ce qui affecte ces choses |
| très. Et l'une des choses qui vraiment... tout d'abord, notre population initiale, et cela est basé sur ce que nous avons vu dans la vie réelle, c'est qu'à mesure que la population augmente, |
| lorsque nous avons de très grandes populations de fruits, la tendance est à des défaillances du système, |
| Traitement A et ainsi de suite. Alors, quelle est celle que j'ai trouvée la plus intéressante, si nous regardons en arrière ici et si nous regardons la distribution marketing, |
| Que si nous les expulsons, si nous exigeons qu'au fur et à mesure que les expéditions arrivent dans le pays et que la distribution commerciale doive diviser ces expéditions en lots plus petits à distribuer, la probabilité d'accouplement devient pratiquement nulle. |
| Avec ces exemples et ainsi de suite, je veux aller de l'avant et ouvrir la question aux questions. Mais permettez-moi juste de dire une dernière chose. Je pense à George Box. |
| Il était présent à l'une de nos réunions il y a quelques années. Et c'était vraiment intéressant ce que... ses deux citations qu'il a dites. Il a dit : « Ne tombez pas amoureux d'un mannequin. » |
| Et il a également déclaré : « Tous les modèles sont faux, mais certains sont utiles. » J'espère que ces informations et ces exemples vous donneront matière à réflexion lorsque vous effectuez la simulation dont vous avez besoin pour prendre en compte la relation entre les variables. Merci. |
