안녕하세요, 나의 이름 ~이다 브라이언 프리케.
나는 ㅏ 새로운 주조 제품 관리자 ~에 JMP, 집중 ~에 그만큼 JMP 사용자 경험.
이전에, 나 ~였다 ㅏ 소프트웨어 개발자 일하고 있는 ~에 수출 보고서
에게 서다 홀로 HTML 파일 파일, JMP 살다, 그리고 JMP 공공의.
~ 안에 이것 프레젠테이션,
나는 가고 있다 에게 말하다 ~에 대한 사용 신뢰 곡선
~처럼 한 대안 에게 널 H 가설 중요성 테스트
~에 그만큼 문맥 ~의 예측 모델 상영.
추가의 재료 ~에 이것 주제 ~할 수 있다 BE 설립하다 ~에 그만큼 JMP 지역 사회 웹사이트
그리고 그만큼 종이 관련된 ~와 함께 이것 프레젠테이션.
박사 러스 울핑거, WHO ~이다 ㅏ 저명한 연구 사람 ~에 JMP, ~이다 ㅏ 공동 -작가,
그리고 나 ~일 것이다 좋다 에게 감사하다 그를 ~을 위한 그의 기여.
그만큼 모델 상영 플랫폼 도입 ~에 도약 찬성 16,
허용 너 에게 평가하다 그만큼 성능
~의 다수의 예측 모델 사용 십자가- 확인.
에게 보여주다 너 어떻게 그만큼 모델 상영 플랫폼 공장,
나는 가고 있다 에게 사용 그만큼 당뇨병 데이터 테이블,
어느 ~이다 사용 가능 ~에 그만큼 JMP 견본 데이터 도서관.
아픈 선택하다 모델 상영 ~에서 그만큼 분석하다 예측 모델링 메뉴.
JMP 응답하다 ~에 의해 표시 그만큼 모델 상영 대화.
그만큼 첫 번째 삼 열 ~에 그만큼 데이터 테이블
대표하다 질병 진행 ~에 마디 없는, 바이너리, 그리고 서수 양식.
아픈 사용 그만큼 마디 없는 열 명명 된 와이 ~처럼 그만큼 응답 변하기 쉬운.
아픈 사용 모두 그만큼 열 ~에서 나이 에게 포도당 ~에 그만큼 엑스 요인 역할.
아픈 유형 1-2-3-4 ~에 그만큼 세트 무작위의 씨앗 입력 상자 ~을 위한 재현성.
아픈 선택하다 그만큼 확인하다 상자 다음 에게 케이 폴드 십자가 확인
그리고 떠나다 케이 세트 에게 다섯.
아픈 유형 삼 ~ 안으로 그만큼 입력 상자 다음 에게 반복 케이 겹.
~ 안에 그만큼 방법 목록, 아픈 선택 취소 신경,
그리고 지금 아픈 선택하다 좋아요.
JMP 응답하다 ~에 의해 훈련 그리고 검증 모델 ~을 위한 각 ~의 그만큼 선택된 행동 양식
사용 그들의 기본 매개변수 설정 그리고 십자가 확인.
후에 완료 그만큼 훈련 그리고 검증 프로세스,
JMP 디스플레이 그만큼 결과 ~에 ㅏ 새로운 창문.
을 위한 각 모델링 방법, 그만큼 모델 상영 플랫폼 제공한다
성능 측정 ~에 그만큼 형태 ~의 가리키다 견적
~을 위한 그만큼 계수 ~의 결정,
어느 ~이다 또한 모두 다 아는 ~처럼 아르 자형 제곱, 그만큼 뿌리 평균 제곱 오류,
그리고 그만큼 기준 편차 ~을 위한 그만큼 뿌리 평균 제곱 오류.
지금 아픈 딸깍 하는 소리 선택하다 우성.
JMP 응답하다 ~에 의해 하이라이트 그만큼 방법 저것 수행하다 최상의
가로질러 그만큼 성능 측정.
뭐야 없어진 여기 ~이다 ㅏ 그래픽
에게 보여주다 당신은 크기 ~의 그만큼 차이점 ~ 사이 그만큼 우성 방법
그리고 그만큼 다른 행동 양식, ~을 따라 ~와 함께 그만큼 심상
~의 그만큼 불확실성 관련된 ~와 함께 그만큼 차이점.
하지만 왜 ~ 아니다 단지 보여주다 피 값 나타내는 ~이든 그만큼 차이 ~이다 중요한?
안 돼 ㅏ 결정 ~에 대한 ~이든 하나 모델 ~이다 우수한 에게 또 다른
BE 기반을 둔 ~에 중요성?
첫 번째,
~부터 ㅏ P 값 제공합니다 ㅏ 개연성 기반을 둔 ~에 ㅏ 표준화 차이점,
ㅏ 피 값 ~에 의해 그 자체 지다 정보 ~에 대한 그만큼 날것의 차이점,
그래서 ㅏ 중요한 차이점 하지 않는다 암시하다 ㅏ 의미 있는 차이점.
하지만 ~이다 저것 정말 ㅏ 문제?
나 평균, 아니다 그것 무의미한 에게 BE 관심 있는
~와 함께 그만큼 크기 ~의 ㅏ 차이점 ~ 사이 둘 모델 ~ 전에 중요성 테스트 ~이다 사용된
에게 결정하다 ~이든 그만큼 차이점 ~이다 진짜?
그만큼 문제 ~와 함께 저것 선 ~의 생각 ~이다 저것 그것은 힘, 또는 하나 마이너스 베타,
저것 결정하다 우리의 능력 에게 바르게 거부하다 ㅏ 없는 가설.
저자 그런 ~처럼 야곱 코헨 그리고 솔직한 슈미트
가지다 제안 저것 전형적인 연구 가지다 ㅏ 힘 에게 감지하다 차이
~에 그만큼 범위 ~의 0.4 에게 0.6 .
하자 가정하다 우리 가지다 ㅏ 차이점 어디 그만큼 힘 에게 감지하다 ㅏ 진실 차이점
~이다 0.5 ~에 한 알파 값 ~의 0.05 .
저것 제안 우리 ~일 것이다 감지하다 그만큼 진실 차이점
~에 평균 50퍼센트 ~의 그만큼 시간.
~ 안에 저것 사례, 중요성 테스트 ~일 것이다 식별하다 진짜 차이
아니요 더 나은 ~보다 뒤집기 한 편향되지 않은 동전.
만약에 모두 다른 것들 ~이다 동일한, 유형 하나 그리고 유형 둘 오류 ~이다 동등한.
하지만 중요성 테스트 저것 사용 한 알파 값 ~의 .05
자주 암묵적으로 추정하다 유형 T 우와 오류 ~이다 선택할 만한 에게 유형 하나 오류,
특히 만약에 그만큼 힘 ~이다 ~처럼 낮은 ~처럼 0.5 .
ㅏ 흔한 제안 에게 주소 이것들 그리고 다른 문제 ~와 함께 중요성 테스트
~이다 에게 보여주다 그만큼 가리키다 추정 ~을 따라 ~와 함께 신뢰 간격.
하나 반대 에게 행위 그래서 ~이다 저것 ㅏ 가리키다 추정
~을 따라 ~와 함께 95퍼센트 신뢰 간격
~이다 효과적으로 그만큼 같은 물건 ~처럼 중요성 테스트.
심지어 만약에 우리 추정하다 저것 ~이다 진실, ㅏ 가리키다 추정 그리고 신뢰 간격
아직 넣다 그만큼 크기 ~의 그만큼 차이점 ~에 그만큼 범위 ~의 그만큼 불확실성
앞쪽 그리고 센터,
반면 ㅏ 고독한 피 값 숨기다 그들을 둘 다.
다양한 저자, 포함 코헨 그리고 슈미트,
가지다 추천 교체 중요성 테스트
~와 함께 가리키다 견적 그리고 신뢰 간격.
심지어 그래서, 그만큼 추천 에게 사용 신뢰 간격
구걸하다 그만큼 질문, "어느 것들 하다 우리 보여주다?"
전시 오직 그만큼 95퍼센트 신뢰 간격
~일 것이다 ~할 것 같은 장려하다 너 에게 해석하다 그것 ~처럼 또 다른 형태 ~의 중요성 테스트.
그만큼 해결책 제공된 ~에 의해 신뢰 곡선
~이다 에게 문자 그대로 보여주다 모두 신뢰 간격
위로 에게 한 임의로 높은 신뢰 수준.
그래서 어떻게 하다 너 보여주다 신뢰 곡선 JMP?
에게 편리하게 만들다 신뢰 곡선 ~에 JMP,
설치하다 그만큼 신뢰 곡선 추가하다- ~에 ~에 의해 방문 그만큼 JMP 지역 사회 홈페이지.
유형 "신뢰 곡선" ~ 안으로 그만큼 찾다 입력 필드.
딸깍 하는 소리 ~에 그만큼 첫 번째 기입 저것 나타납니다.
지금 딸깍 하는 소리 그만큼 다운로드 상 다음 에게 신뢰 곡선.jmp 추가하다 안에,
그리고 지금 너 ~할 수 있다 딸깍 하는 소리 ~에 그만큼 다운로드 파일.
JMP 응답하다 ~에 의해 질문 만약에 나 원하다 에게 설치하다 그만큼 추가하다- 안에.
너 ~일 것이다 딸깍 하는 소리 "설치하다."
하지만, 아픈 딸깍 하는 소리 "취소," ~처럼 나 이미 가지다 그만큼 추가하다- ~에 설치.
어떻게 하다 너 사용 그만큼 추가하다- 안에?
첫 번째, 에게 생성하다 신뢰 곡선 ~을 위한 이것 보고서,
선택하다 "구하다 결과 테이블"
~에서 그만큼 맨 위 빨간색 삼각형 메뉴 위치한 ~에 그만큼 모델 화면 보고서 창문.
JMP 응답하다 ~에 의해 생성 ㅏ 새로운 테이블 포함, ~ 중에 다른 사람,
그만큼 수행원 열:
재판, 어느 포함 그만큼 식별자 ~을 위한 삼 세트 ~의 십자가 확인 결과;
겹, 어느 포함 그만큼 식별자 ~을 위한 그만큼 다섯 별개의 세트 ~의 하위 샘플
사용된 ~을 위한 확인 ~에 각 재판;
방법, 어느 포함 그만큼 행동 양식 사용된 에게 만들다 모델 ~에서 그만큼 시험 데이터,
그리고 N, 어느 포함 그만큼 숫자 ~의 데이터 포인트들 사용된 ~에 그만큼 확인 주름.
메모 저것 그만큼 재판 열 ~ 할 것이다 BE 없어진 만약에 그만큼 숫자 ~의 반복 ~이다 정확히 하나,
~에 어느 사례 그만큼 재판 열 ~이다 어느 것도 아니다 만들어진 ...도 아니다 필요합니다.
구하다 ~을 위한 저것 예외,
이것들 열 ~이다 필수적인 ~을 위한 그만큼 신뢰 곡선 추가하다- ~에
에게 기능 제대로.
~ 안에 덧셈 에게 이것들 열,
너 필요 하나 열 저것 제공합니다 그만큼 미터법 에게 비교하다 행동 양식.
아픈 BE 사용 아르 자형 제곱 ~처럼 그만큼 미터법 ~의 관심 ~에 이것 프레젠테이션.
한 번 너 가지다 그만큼 모델 화면 그리고 결과 테이블,
딸깍 하는 소리 "추가하다- 인스" ~에서 그만큼 JMP의 기본 메뉴 술집 그리고 그럼 s 선택된 "신뢰 곡선."
그만큼 논리 저것 팔로우 ~일 것이다 BE 더 나은 배치 ~에 ㅏ 마법사,
그리고 나 희망 에게 추가하다 저것 기능 ~에 ㅏ 미래 풀어 주다 ~의 그만큼 추가하다- 안에.
처럼 그것 이다, 그만큼 첫 번째 대화 저것 나타납니다
요청 너 에게 선택하다 그만큼 이름 ~의 그만큼 테이블 저것 ~였다 생성
언제 너 선택 "구하다 결과 테이블"
~에서 그만큼 모델 상영 보고서 빨간색 삼각형 메뉴.
그만큼 이름 ~의 그만큼 테이블 ~에 이것 사례 ~이다 모델 상영 통계 확인 세트.
다음, ㅏ 대화 ~이다 표시된 저것 요청 그만큼 이름 ~의 그만큼 방법
저것 ~ 할 것이다 제공하다 ~처럼 그만큼 기준선
~에서 어느 모두 그만큼 다른 성능 메트릭 ~이다 정확히 잰.
나 제안하다 시작 ~와 함께 그만큼 방법
저것 ~였다 선택된 언제 너 클릭 그만큼 선택하다 우성, 또는 ~에 이것 사례,
나 선택된 또는 클릭 선택하다 우성 옵션
~에 그만큼 모델 화면 그리고 보고서 창문,
어느 ~에 이것 사례 ~이다 맞다 단계 지혜로운.
마지막으로, ㅏ 대화 ~이다 표시된
저것 요청 너 에게 선택하다 그만큼 미터법 에게 BE 비교 ~ 사이 그만큼 다양한 행동 양식.
처럼 말하는 더 일찍, 아픈 사용 아르 자형 제곱 ~처럼 그만큼 미터법 ~을 위한 비교.
도약 응답하다 ~에 의해 생성 ㅏ 신뢰 곡선 테이블 저것 포함 피 값
그리고 동 신뢰 수준
~을 위한 그만큼 평균 미터법 차이점 ~ 사이 그만큼 선택된 기준선 방법
그리고 각 ~의 그만큼 다른 행동 양식.
더 구체적으로, 그만큼 생성 테이블 가지다 열 ~을 위한 그만큼 수행원:
모델, ~에 어느 각 열 포함 그만큼 이름 ~의 그만큼 모델링 방법
누구의 성능 ~이다 평가 상대적인 에게 그만큼 기준선 방법;
P 값,
~에 어느 각 열 포함 그만큼 개연성 관련된 ~와 함께 그만큼 성능 차이점
~에 최소 ~처럼 극심한 ~처럼 그만큼 값 표시 ~에 그만큼 차이점 ~에 아르 자형 정사각형 열;
신뢰 간격, ~에 어느 각 열 포함 그만큼 신뢰 수준 우리 가지다
저것 그만큼 진실 평균 ~이다 함유 ~에 그만큼 관련된 간격.
그리고 마지막으로, 차이점 ~에 아르 자형 정사각형, ~에 어느 각 열 ~이다 그만큼 최고 또는 최저한의
~의 그만큼 예상되는 차이점 ~에 아르 자형 제곱 관련된 ~와 함께 그만큼 신뢰 수준
표시 ~에 그만큼 신뢰 간격 열.
에서 이것 테이블, 신뢰 곡선 ~이다 만들어진
그리고 표시 ~에 그만큼 그래프 빌더 그래프.
무엇 ~이다 신뢰 곡선?
에게 밝히다 그만큼 열쇠 속성 ~의 ㅏ 신뢰 곡선,
아픈 숨다 모두 하지만 그만큼 지원하다 벡터 기계 신뢰 곡선
사용 그만큼 현지의 데이터 필터 ~에 의해 클릭 ~에 지원하다 벡터 기계.
에 의해 기본, ㅏ 신뢰 곡선 오직 쇼 그만큼 윤곽
저것 연결하다 그만큼 과격한 수단 ~의 각 신뢰 간격.
에게 보다 그만큼 포인트들, 선택하다 보여주다 제어 패널 ~에서 그만큼 빨간색 삼각형 메뉴
위치한 다음 에게 그만큼 텍스트 저것 읽다 그래프 빌드 아르 자형 ~에 그만큼 제목 술집.
지금 아픈 옮기다 딸깍 하는 소리 그만큼 포인트들 상.
JMP 응답하다 ~에 의해 표시 그만큼 끝 포인트들 ~의 그만큼 신뢰 간격
저것 만들다 위로 그만큼 신뢰 곡선.
지금 나 ~ 할 것이다 줌 ~에 그리고 조사하다 ㅏ 가리키다.
만약에 너 호버링 그만큼 생쥐 바늘 ~ 위에 어느 ~의 이것들 포인트들,
ㅏ 호버링 상표 쇼 그만큼 피 값, 신뢰 간격,
차이점 ~에 그만큼 크기 ~의 그만큼 메트릭,
그리고 그만큼 방법 사용된 에게 생성하다 그만큼 모델 존재 비교 에게 그만큼 참조.
지금 나 ~ 할 것이다 회전하다 끄다 그만큼 포인트들 ~에 의해 옮기다 클릭 그만큼 포인트들 상
그리고 클릭 그만큼 완료 단추.
심지어 그렇지만 그만큼 개인 포인트들 ~이다 아니요 더 길게 표시,
너 ~할 수 있다 아직 보다 그만큼 관련된 호버링 레이블
~에 의해 자본 매출 그만큼 생쥐 바늘 ~ 위에 그만큼 신뢰 곡선.
그만큼 가리키다 추정 ~을 위한 그만큼 평균 차이점 ~에 성능
~ 사이 지원하다 벡터 M 아프신 그리고 맞다 단계 지혜로운
~이다 표시 ~에 그만큼 0퍼센트 신뢰 수준,
어느 ~이다 그만큼 평균 값 ~의 그만큼 차이 계산 사용 십자가 확인.
신뢰 곡선 플롯 그만큼 정도 ~의 각 신뢰 간격
~에서 그만큼 생성 테이블 ~ 사이 그만큼 영 그리고 99. 99퍼센트 신뢰 수준,
어느 ~이다 한 임의로 높은 값.
을 따라 그만큼 왼쪽 와이 중심선,
P 값 관련된 ~와 함께 자신감 간격 ~이다 표시됩니다.
을 따라 그만큼 오른쪽 와이 중심선,
그만큼 신뢰 수준 관련된 ~와 함께 각 신뢰 간격 표시됩니다.
그만큼 와이 중심선 용도 ㅏ 통나무 규모,
그래서 저것 더 해결 ~이다 표시 ~에 더 높은 신뢰 수준.
에 의해 기본, 둘 참조 윤곽 ~이다 플롯 나란히 ㅏ 신뢰 곡선.
그만큼 수직의 선 나타냅니다 그만큼 전통적인 없는 가설
~의 아니요 차이점 ~에 효과.
당신을 참고 ~할 수 있다 변화 그만큼 수직의 선 위치
그리고 그것에 의하여 그만큼 절대적인 없는 가설
~에 그만큼 엑스 중심선 설정.
그만큼 수평의 선
패스 ~을 통해 그만큼 전통적인 95퍼센트 신뢰 간격.
처럼 ~와 함께 그만큼 수직의 참조 선,
너 ~할 수 있다 변화 그만큼 수평의 선 위치
그리고 그것에 의하여 그만큼 절대적인 수준 ~의 중요성,
~에 의해 바꾸다 그만큼 와이 중심선 설정.
만약에 ㅏ 신뢰 곡선 십자가 그만큼 수직의 선 ~ 위에 그만큼 수평의 선,
너 할 수 없다 거부하다 그만큼 없는 가설 사용 중요성 테스트.
을 위한 예, 우리 할 수 없다 거부하다 그만큼 없는 가설 ~을 위한 지원하다 벡터 기계.
~에 그만큼 다른 손,
만약에 ㅏ 신뢰 곡선 십자가 그만큼 수직의 선 아래에 그만큼 수평의 선,
너 ~할 수 있다 거부하다 그만큼 없는 가설.
예를 들어 다음과 같은 귀무가설을 기각할 수 있습니다. 부스트 나무.
어떻게 ~이다 신뢰 곡선 계산?
그만큼 현재의 구현 ~의 신뢰 곡선
가정 그만큼 차이 ~이다 계산 사용 아르 자형 타임스 반복
케이 폴드 십자가 확인.
그만큼 정도 ~의 각 신뢰 간격 ~이다 계산
사용 무엇 ~이다 모두 다 아는 ~처럼 ㅏ 변화 수정됨 리샘플링됨 T-테스트.
메모 저것 저자 클로드 나도 그리고 여호수아 벤지오
유명한 저것 ㅏ 수정 리샘플링 티- 시험
~이다 일반적으로 사용된 ~에 사례 어디 훈련 세트
~이다 다섯 또는 십 타임스 더 크게 ~보다 확인 설정합니다.
을 위한 더 세부, 제발 보다 그만큼 종이 관련된 ~와 함께 이것 프레젠테이션.
그래서 어떻게 ~이다 신뢰 곡선 해석?
첫 번째, ㅏ 신뢰 곡선 그래픽으로 묘사
그만큼 기본 차이점 ~에 그만큼 미터법 ~의 관심 ~ 사이 ㅏ 주어진 방법
그리고 ㅏ 참조 방법 ~에 그만큼 0퍼센트 신뢰 수준.
우리 ~할 수 있다 평가하다 ~이든 그만큼 평균 차이점 ~ 사이 행동 양식 ~이다 의미있는.
만약에 그만큼 평균 차이점 아니다 의미있는, 있다 작은 가리키다 ~에 더 나아가 분석
~의 그만큼 주어진 방법 ~ 대 그만큼 참조 방법 ~와 함께 존경 에게 그만큼 선택된 메트릭.
무엇 구성하다 ㅏ 의미 있는 차이점 달려있다 ~에 그만큼 미터법 ~의 관심
~처럼 잘 ~처럼 그만큼 예정된 과학적 또는 공학 애플리케이션.
을 위한 예, 너 ~할 수 있다 보다 그만큼 모델 개발 ~와 함께 ㅏ 결정 나무 방법
~이다 ~에 평균 ~에 대한 14퍼센트 더 나쁜 ~보다 맞다 단계 지혜로운,
어느 틀림없이 ~이다 ㅏ 의미있는 차이점.
만약에 그만큼 차이점 ~이다 의미있는,
우리 ~할 수 있다 평가하다 어떻게 정확하게 그만큼 차이점 가지다 계속 ~ 이다 정확히 잰
~에 의해 평가하다 그만큼 너비 ~의 그만큼 관련된 신뢰 간격.
을 위한 어느 신뢰 간격 ~ 아니다 횡단 그만큼 기본 수직의 중심선,
우리 가지다 ~에 최소 저것 수준 ~의 신뢰 저것 그만큼 평균 차이점 ~이다 0이 아닙니다.
을 위한 예, 그만큼 결정 나무 신뢰 곡선 하지 않는다 십자가 그만큼 와이 중심선
~까지 ~에 대한 그만큼 99. 98퍼센트 신뢰 수준,
그래서 우리 ~이다 거의 99. 98퍼센트 자신감 그만큼 평균 차이점 아니다 동일한 에게 영.
~ 안에 사실, ~와 함께 이것 데이터 세트,
그것 회전 밖으로 저것 우리 ~할 수 있다 BE ~에 대한 81퍼센트 자신감
저것 맞다 단계 지혜로운 ~이다 ~에 최소 ~처럼 좋은, 만약에 ~ 아니다 더 나은,
~보다 모든 방법 다른 ~보다 일반화 회귀 올가미.
지금 하자 고려하다 그만큼 관계 ~ 사이 신뢰 곡선.
만약에 둘 또는 더 신뢰 곡선 상당히 겹치다
그리고 그만큼 평균 차이점 ~의 각 ~이다 ~ 아니다 의미 있게 다른 ~에서 그만큼 다른,
그만큼 데이터 제안하다 각 방법 수행하다
~에 대한 그만큼 같은 ~처럼 그만큼 다른 ~와 함께 존경 에게 그만큼 참조 모델.
을 위한 예, 우리 ~할 수 있다 보다 저것 ~에 평균,
에스 지원 벡터 기계 모델 수행하다
더 적은 ~보다 0.5% 향상 ~보다 부트스트랩 숲,
어느 ~이다 논쟁거리 ~ 아니다 ㅏ 의미 있는 차이점.
그리고 신뢰 간격
하다 ~ 아니다 겹치다 ~까지 ~에 대한 4퍼센트 신뢰 수준,
어느 제안 이것들 값 ~일 것이다 BE 예상되는
만약에 둘 다 행동 양식 정말 하다 가지다 ~에 대한 그만큼 같은 차이점 ~에 성능
~와 함께 존경 에게 그만큼 참조.
만약에 그만큼 평균 차이점 ~에 성능
~이다 ~에 대한 그만큼 같은 ~을 위한 둘 신뢰 곡선
하지만 그만큼 신뢰 간격 ~하지 않다 겹치다 ~도 많이,
그만큼 데이터 제안 그만큼 모델 공연하다 ~에 대한 그만큼 같은 ~처럼 각 다른
~와 함께 존경 에게 그만큼 참조 모델.
하지만, 우리 ~이다 자신감 ~의 ㅏ 비- 의미있는 차이점.
이것 특정한 사례 ~이다 더 희귀한 ~보다 그만큼 다른 사람, 그리고
나 ~하지 않다 가지다 한 예 에게 보여주다 ~와 함께 이것 데이터 세트.
~에 그만큼 다른 손,
만약에 그만큼 평균 차이점 ~에 성능 ~ 사이 ㅏ 쌍 ~의 신뢰 곡선
~이다 의미있게 다른 그리고 그만큼 신뢰 곡선 가지다 작은 겹치다,
그만큼 데이터 제안 그만큼 모델 공연하다 다르게 ~에서 하나 또 다른
~와 함께 존경 에게 그만큼 참조.
을 위한 예, 그만큼 일반화 회귀 올가미 모델
예측하다 ~에 대한 13. 8퍼센트 더 ~의 그만큼 변화 ~에 그만큼 응답
~보다 하다 그만큼 결정 나무 모델.
게다가, 그만큼 신뢰 곡선 ~하지 않다 겹치다
~까지 ~에 대한 그만큼 99. 9퍼센트 신뢰 수준,
어느 제안 이것들 결과 ~이다 상당히 특이한
만약에 그만큼 행동 양식 실제로 공연하다 ~에 대한 그만큼 같은 ~와 함께 존경 에게 그만큼 참조.
마지막으로, 만약에 그만큼 평균 차이점 ~에 성능
~ 사이 ㅏ 쌍 ~의 신뢰 곡선
~이다 의미 있게 다른 ~에서 하나 또 다른 그리고 그만큼 곡선 가지다 많은 겹치다,
그만큼 데이터 제안 저것 ~하는 동안 그만큼 행동 양식 공연하다 다르게 ~에서 하나 또 다른
~와 함께 존경 에게 그만큼 참조,
그것 않을 것이다 BE 놀라운 만약에 그만큼 차이 ~이다 그만큼 차이 가짜.
을 위한 예, 우리 ~할 수 있다 보다 저것 ~에 평균,
지원하다 벡터 기계 예측 약 1.4퍼센트 더 ~의 그만큼 변화
~에 그만큼 응답 ~보다 했다 케이 가장 가까운 이웃.
하지만, 그만큼 신뢰 간격 시작하다 에게 겹치다
~에 ~에 대한 그만큼 17퍼센트 신뢰 수준,
어느 제안 그것 않을 것이다 BE 놀라운 만약에 그만큼 차이점 ~에 성능
~ 사이 각 방법 ~에 그만큼 참조
~이다 실제로 더 작은 ~보다 제안 ~에 의해 그만큼 가리키다 추정.
동시에,
그것 않을 것이다 BE 놀라운 만약에 그만큼 실제 차이점 ~이다 더 크게 ~보다 정확히 잰,
또는 만약에 그만큼 방향 ~의 그만큼 차이점 ~이다 실제로 반전.
~ 안에 다른 단어, 그만큼 차이점 ~에 성능 ~이다 불확실한.
메모 저것 그것 아니다 가능한 에게 평가하다 그만큼 가변성 ~에 성능
~ 사이 둘 모델 상대적인 에게 하나 또 다른
언제 그만큼 차이 ~이다 상대적인 에게 ㅏ 제삼 모델.
에게 비교하다 그만큼 가변성 ~에 성능 ~ 사이 둘 행동 양식
상대적인 에게 하나 또 다른,
하나 ~의 그만큼 둘 행동 양식 ~ 해야 하다 BE 그만큼 참조 방법
~에서 어느 그만큼 차이 ~이다 정확히 잰.
하지만 무엇 ~에 대한 다수의 비교?
하지 않다 우리 필요 에게 조정하다 그만큼 P 값
에게 제어 그만큼 가족 지혜로운 유형 하나 오류 비율?
~ 안에 그의 종이 ~에 대한 신뢰 곡선, 다니엘 바르 제안
저것 조정 ~이다 필요한 ~에 확인 연구
어디 ㅏ 목표 ~이다 사전 지정, 하지만 ~ 아니다 ~에 탐험 연구.
이것 제안 사용 조정되지 않은 P 값 ~을 위한 다수의 신뢰 곡선
~에 한 탐험 패션
그리고 오직 ㅏ 하나의 신뢰 곡선 생성 ~에서 다른 데이터
에게 확인하다 당신의 발견 ~의 ㅏ 중요한 차이점 ~ 사이 둘 행동 양식
언제 사용 중요성 테스트.
저것 말했다, 제발 유지하다 ~에 정신 그만큼 위험 ~의 체리 선발
그리고 피 해킹 언제 지휘 탐험 연구.
~ 안에 요약, 그만큼 모델 상영 플랫폼 도입 ~에 JMP 찬성 16
제공합니다 ㅏ 수단 에게 동시에 비교하다 그만큼 성능
~의 예측 모델 만들어진 사용 다른 방법론.
JMP 가지다 ㅏ 긴- 서 있는 목표 에게 제공하다 ㅏ 그래프 ~와 함께 모든 통계량,
그리고 신뢰 곡선 돕다 에게 채우다 저것 갭
~을 위한 그만큼 모델 상영 플랫폼.
너 ~할 것 같다 당연히 예상하다 에게 사용 중요성 테스트 에게 구별 짓다
~ 사이 그만큼 성능 ~의 그만큼 다양한 행동 양식 존재 비교.
하지만, P 값 가지다 오다 아래에 증가 정밀한 조사 ~에 최근의 연령
~을 위한 가리는 그만큼 크기 ~의 성능 차이점.
~ 안에 덧셈,
P 값 ~이다 자주 잘못 해석 ~처럼 그만큼 개연성 그만큼 없는 가설 ~이다 거짓.
대신에, ㅏ P 값 ~이다 그만큼 개연성 ~의 관찰하다 ㅏ 차이점 ~처럼 또는 더 극심한,
가정 그만큼 없는 가설 ~이다 진실.
그만큼 개연성 ~의 바르게 거부 그만큼 없는 가설
언제 그것 ~이다 거짓 ~이다 단호한 ~에 의해 힘, 또는 하나 마이너스 베타.
나는 논쟁 저것 그것 ~이다 ~ 아니다 드문 에게 오직 가지다 ㅏ 50퍼센트 가능성
~의 바르게 거부 그만큼 없는 가설 ~와 함께 한 알파 값 ~의 0.05 .
처럼 한 대안, ㅏ 신뢰 간격 ~할 수 있었다 BE 표시 대신에 ~의 ㅏ 고독한 P 값.
하지만, 그만큼 질문 ~일 것이다 BE 왼쪽 열려 있는 ~처럼 에게 어느 신뢰 수준 에게 보여주다.
신뢰 곡선 주소 이것들 우려
~에 의해 전시 모두 신뢰 간격 위로 에게 한 임의로 높은 수준 ~의 신뢰.
그만큼 평균 차이점 ~에 성능
~이다 분명히 보이는 ~에 제로 퍼센트 신뢰 수준,
그리고 저것 행위 ~처럼 ㅏ 가리키다 추정.
모두 다른 것들 존재 동일한,
유형 하나 그리고 유형 둘 오류 ~이다 동등한,
그래서 신뢰 곡선 ~하지 않다 포함시키다 ㅏ 편견 ...쪽으로 거래 T 응 하나 오류
~을 위한 유형 둘.
심지어 그래서, ~에 의해 기본, ㅏ 수직의 선 ~이다 표시 ~에 그만큼 신뢰 곡선 그래프
~을 위한 그만큼 기준 없는 가설 ~의 아니요 차이점.
~ 안에 덧셈, ㅏ 수평의 선 ~이다 표시 저것 묘사하다
그만큼 95퍼센트 신뢰 간격,
어느 손쉽게 여유 ㅏ 전형적인 중요성 테스트 분석 만약에 원하는.
그만큼 기본값 ~을 위한 이것들 윤곽 ~이다 용이하게 수정
만약에 ㅏ 다른 없는 가설 그리고 신뢰 수준 ~이다 원하는.
심지어 그래서, 주어진 그만큼 꽤 넓은 그리고 때때로 강조된 제안
에게 바꾸다 중요성 테스트 ~와 함께 가리키다 견적 그리고 신뢰 간격,
그것 5월 BE 최상의 에게 보다 ㅏ 신뢰 곡선 ~처럼 ㅏ 가리키다 추정
~을 따라 ~와 함께 ㅏ 거의 포괄적인 보다 ~의 그것은 관련된 불확실성.
만약에 너 가지다 피드백 ~에 대한 그만큼 신뢰 곡선 추가하다- 안에,
제발 떠나다 ㅏ 논평 ~에 그만큼 JMP C 면역 대지
그리고 ~하지 않다 잊다 에게 투표 ~을 위한 이것 프레젠테이션
만약에 너 설립하다 그것 흥미로운 그리고 또는 유용한.
감사하다 너 ~을 위한 보고 있다 이것 프레젠테이션, 그리고 나 희망 너 가지다 ㅏ 엄청난 낮.
