La discusión reciente sobre cómo interpretar los errores estándar del generador de perfiles no ha convergido en una solución, por lo que comenzaré esto nuevamente, con un ejemplo diferente y algo más de claridad (espero) en mi pregunta.Adjunto uno de los famosos conjuntos de datos del cuarteto de Anscombe, en el que es apropiado un modelo de regresión lineal.Ajusté un modelo de regresión múltiple y guardé el error estándar de predicción medio y el error estándar de predicción individual; como era de esperar, el primero es mucho más estrecho que el segundo.También usé el generador de perfiles y guardé las predicciones empaquetadas; esto me dio un error estándar para la media empaquetada (que interpreto como análoga al error estándar de predicción promedio del modelo de regresión) y una desviación estándar empaquetada (que interpreto como análoga al error estándar de predicción individual de la regresión).Cuando digo que los interpreto como análogos, me doy cuenta de que los errores estándar del modelo se derivan del modelo de regresión, mientras que los errores estándar empaquetados se derivan de un arranque no paramétrico (en este caso, con 100 muestras de arranque).
En este caso (a diferencia de mi último ejemplo), los errores estándar individuales son cercanos, aunque algo más pequeños para las predicciones empaquetadas que para las predicciones del modelo.Pero el error estándar de la media empaquetada es alrededor del 10% del error estándar de las predicciones medias del modelo.De hecho, esto se puede verificar con la documentación que dice que el error estándar empaquetado = desviación estándar de las predicciones empaquetadas dividida por la raíz cuadrada de (M-1) donde M es el número de muestras empaquetadas (que es 100 aquí).
Mi pregunta se refiere a cómo usar los errores estándar de la media empaquetada y la desviación estándar empaquetada.Si observo el intervalo de confianza que se muestra en el generador de perfiles, me parece coherente con el error estándar de predicción medio del modelo de regresión, no con el error estándar de la media empaquetada (que es un 10 % más grande).Si ese es el caso, ¿para qué sirven los errores estándar de las muestras en bolsas?
Creo que la importancia (al menos para mí) es que JMP proporciona generadores de perfiles para todos los modelos de aprendizaje automático.Esto permite guardar los medios embolsados y estos dos tipos de errores estándar.Si estos errores estándar se pueden usar para construir intervalos de confianza, entonces obtenemos algo parecido a un sentido de significación estadística de redes neuronales, bosques aleatorios, etc.Creo que sería una característica importante ya que la mayoría de esos modelos no brindan fácilmente ninguna información inferencial.Esto se aplicaría tanto a los modelos de clasificación como a los modelos de regresión.
Pero no estoy seguro de que los errores estándar empaquetados tengan mucho sentido.En el ejemplo que he proporcionado, se ven demasiado pequeños.Y no me queda claro si el intervalo de confianza que se muestra en el generador de perfiles se basa en el error estándar de la media empaquetada (no se ve así en este ejemplo).Entonces, por favor, ayude a arrojar algo de luz sobre mis preguntas.
Nadie parece haber sido capaz de arrojar alguna luz sobre este tema.Basado en un poco más de exploración, permítanme sugerir una "solución" y tal vez alguien pueda opinar sobre eso.Me parece que los intervalos de confianza que se producen a partir del generador de perfiles después de guardar las predicciones empaquetadas, usan el error estándar de la media empaquetada en lugar de la desviación estándar empaquetada.Estoy empezando a creer que eso es incorrecto, que se debe usar lo último en lugar de lo primero.La diferencia es que el primero es el segundo dividido por la raíz cuadrada del número de muestras embolsadas (-1).Es cierto que el error estándar de la media empaquetada mide algo: creo que es la estabilidad del procedimiento de embolsado (en otras palabras, qué tan sensible es la predicción media a las muestras de arranque).Pero creo que lo que queremos de los intervalos de confianza es la confiabilidad de la predicción y la confianza en cuánto afecta cada factor en el modelo a esa predicción.Creo que es la desviación estándar empaquetada la que mide eso.
