398752_ja-JP

liliconcom

K最近傍法を使用して95％の同時境界を決定するJMPスクリプト（2021-US-30MP-911）

レベル：中級

 

リッチニューマン、統計家、インテル
ドンケント、データ分析および機械学習マネージャー、インテル

 

独立していない可能性が最も高い応答を伴う、継続的で未知の分布に従う一連の応答があります。各応答の95％の上限または下限を同時に決定する必要があります。例として、データの95％が同時にy1とy2の上にあり、y3とy4の下にあるように、y1とy2の下限とy3とy4の上限が必要な場合があります。各応答の95％の限界を見つけると、カバレッジが不正確になります。 解決策：計算を実行するJMPスクリプトを作成することにより、最近傍原理を使用して各応答の95％の上限または下限を同時に計算する方法。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
リッチn	こんにちは、私の名前はリッチニューマンです。インテルの統計家です。 そして今日は、K最近傍法を使用して同時に95％の限界を決定するJMPスクリプトを紹介します。
	このプレゼンテーションは、同じくインテルに所属し、ニューメキシコ州リオランチョにいるドンケントが共同執筆したものです。
	今日のプレゼンテーションは、問題の動機付けから始めたいと思います。そこから、いくつかの可能な解決策を共有し、最終的には、私たちが行った解決策にたどり着きます。
	その過程で、ポイントをさらに説明するのに役立つグラフをいくつか提供し、最後に、問題を解決するために使用するJMPアドインと、スクリプトを説明するスクリーンショットをいくつか示します。
	デバイスを設計しているので、4つの抵抗と4つの静電容量の値の最悪の場合のセットを知る必要があります。
	そして、私たちにとって最悪のケースは、低抵抗/高静電容量と高抵抗/低静電容量の組み合わせとして定義されます。 わかりやすくするために、
	8つの変数があり、4つの低抵抗値と4つの高容量値の同時境界が必要になる場合があるため、これを使用してデバイスの設計に役立てることができます。 そして、最悪の場合は、95％の信頼度または99％の信頼度として定義される可能性があり、最終的にはユーザー次第です。
	さて、この問題を説明するために、1つの抵抗値と1つの静電容量値だけを使用してみましょう。 したがって、X軸に抵抗、Y軸に静電容量があり、2つのことを知りたいと思います。 最悪の黄色い星を知りたい
	低抵抗/高静電容量の組み合わせ、そして紫の五角形、高抵抗/低静電容量の組み合わせを知りたいです。
	さて、私たちの問題に関して、これらの8つの変数、これらの8つの応答は独立していないことを認識していることを指摘したいと思います。 それらの間にはいくつかの相関関係があります。
	さらに、これらの応答のそれぞれは、正規分布または多変量正規分布に従う場合と従わない場合があります。
	私たちはこの種の質問を頻繁に行います。 つまり、これを一度解決して終わらせたくはなく、二度と対処したくないのです。 これらの質問があります
	多くの場合、使いやすい堅牢なソリューションが本当に必要です。 私たちの場合、私たちは比較的大きなデータセット、少なくとも400ポイントを持っている傾向があり、通常は
	1,000ポイント。 そして私たちにとって、実用的なソリューションは、その背後にある統計的方法論がある限り機能します。 したがって、前のグラフに戻ると、そのグラフにダーツを投げて、どこに着地しても、と言うわけではありません。
	それは私たちの最悪のケースになります。 あなたは本当にその背後にもう少し肉が欲しいのですが、私は指摘したいのですが、99％であろうと95であろうと、必ずしも最悪のケースの定義を持っているわけではありません。
	そして、実際に機能し、将来的に問題が発生しないデバイスを設計していることを確認するために、少し保守的である方がよいことを私たちは知っています。
	さて、この種の問題がどの業界でも起こり得ることを説明するために、完全に作り上げられた例を共有したいと思います。
	したがって、教室用に調整可能なデスクを作成し、人口の99％がデスクを使用できるようにしたいとします。
	人の身長と幅。
	現在、JMPを使用している場合、いくつかのサンプルデータが付属しており、それらのデータセットの1つはBigClassと呼ばれます。 そしてBigClassでは、
	そこにいる何人かの学生と彼らの身長と体重。 そのため、そのデータセットを使用して、人口の99％をキャプチャする身長と体重の境界を決定するのに役立てることができます。
	したがって、右下のこのグラフを見ると、ポイントが表していることがわかります...各ポイントは、1人の生徒の身長と体重の組み合わせを表しています。
	さて、私たちの問題に戻ると、
	改善できると私たちが信じている現在のアプローチは、抵抗と静電容量の95％または99％の予測限界を独自に見つけることです。
	そして、1つの抵抗と1つの静電容量だけを見ているこの例では、2つの別々の境界が見つかります。
	したがって、例として、抵抗の95％の予測限界が見つかります。これは、4.52と4.97であり、濃い青色の線で示されています。
	次に、静電容量の95％の予測バランス（15.6と16.5）を見つけます。これは、緑がかった青い線で示されます。次に、黄色の星と紫の五角形の組み合わせを見つけます。これは、最悪の場合です。
	今、私たちはこのアプローチに少し懸念を抱いています。 そして最初の懸念は、タイプIのエラー率に関するものです。 だから私が抵抗1の95％の限界と抵抗の95％の限界を見つけたとき...
	静電容量1については、覚えておいてください。私には8つの変数があり、全体として、95％ではなく信頼水準を知っています。 そしてそれが何であるかは、変数の相関関係に依存します。
	これで、アルファ調整を行うことでこのハードルを乗り越えることができますが、もう1つ話し合いたいハードルがあり、それは私たちにとってもう少し大きな懸念事項です。
	さて、この黄色い円で示されている高/高の組み合わせに興味があったらどうしますか？
	この特定の例では、この最悪の場合に近いデータがないことがわかります。したがって、これを使用する場合、これは非常に保守的です。
	また、デバイスの設計に行くと、それに関連するコストと時間の要素が発生するため、少し保守的になりたいと思いますが、この黄色い円を使用するほど保守的になりたくはありません。実際には、その周りにデータポイントはありません。
	さて、この問題の解決策として検討したかったJMPで簡単に実行できるいくつかの代替アプローチがあり、最初のアプローチは密度楕円です。
	そして、これはY by Xプラットフォームのフィットに見られるので、2変量フィットでその赤い三角形をヒットすると、密度楕円を選択できます。この場合は、95％楕円を選択しました。 そして、グラフ上にその赤い楕円が表示されます。
	JMPがこの密度楕円を提供する場合、プレゼンテーションの右下隅を見ると、2つの変数の平均標準偏差と相関が示されています。
	そして、JMPが提供しないのは、楕円の方程式です。 さて、これは私たちが乗り越えることができるハードルです。 私たちはそれを解決するためにいくつかの数学をしなければなりません。
	しかし、より大きなハードルは、3つ以上の変数がある場合に何が起こるかです。 この場合、JMPには簡単なオプションがありません
	この問題を解決するために。 したがって、ペアワイズ省略記号を実行することも、一度に2つの変数を実行することもできますが、同じアルファ問題が発生し、???として使用するポイントを選択するのはかなり困難になります。
	このアプローチには、もう1つの非常に小さな懸念事項があります。それは、その高/高コーナーまたはその黄色い円に関心がある場合はどうなるかということです。 楕円のどの点を選択しますか？
	繰り返しになりますが、それは私たちが行くことができるハードルだと思います...乗り越えますが、2つ... 2つ以上の変数がある場合、それはかなりトリッキーなハードルです。 簡単に解決できるかどうかはわかりません。
	さて、私たちができる別のアプローチがあります...私たちができる...それはJMPで簡単に実行でき、それが主成分です。
	そして、主成分が行うことは、新しい変数を作成することであり、JMPはそれらにPrin1とPrin2のラベルを付けます。
	新しい変数が互いに直交するように。 そして、それらが直交しているという事実は、最悪の場合の限界を解決するために使用できます。
	そして、これは多変量メソッドプラットフォームにあるので、多変量メソッド、主成分を分析する場合は、これらの主成分を求めることができます。
	ここで、主成分アプローチの懸念は、3つ以上の変数がある場合、計算が非常に難しいことです。
	さらに、理論的には、主成分は次元を削減しようとします。つまり、この最悪のケースを同時に見つけようとした8つの変数がある場合、
	しかし、JMPが戻ってきて、「わかりました。何が起こっているのかを説明するのに本当に役立つ3つの主要なプリンシパルが見つかりました」と言うかもしれません。
	その場合、3つの方程式があり、これらの8つの未知数があり、問題を解決するのは非常に困難です。 したがって、そのため、この主成分アプローチは使用しません。
	それで、それは私たちをどこに残すのでしょうか？ したがって、私たちの目標は、同時に最悪の場合の限界、つまり、高/高、低/高、または低/低/高/高の組み合わせを見つけることです。
	使用したい...問題の解決にJMPを使用したいと思います。 3つ以上の変数を処理できる必要があります。
	各変数は正常な場合とそうでない場合があります。 いくつかの相関関係が予想されます。 良いニュースは、比較的大きなデータセットを持つ傾向があることです。
	このコーナーを要求した場合は、その周辺にデータがあり、データがない状況に陥らないようにする必要があります。 また、簡単で実用的な解決策で十分かもしれません。
	さて、私が今やりたいのは概念を説明することです、そしてそれから私はその概念が私たちの問題を解決するためにどのように使われるかをあなたに示すつもりです。
	つまり、K最近傍法と呼ばれる概念があります。そのアイデアは、ポイントがあり、そのポイントから他のすべてのポイントまでの距離を見つけるというものです。
	次に、ポイントのk最近傍、または最短距離のkポイントを決定します。 それで、これを理解するために、例を見てみましょう。 それでは、赤で強調表示されているポイントに焦点を当てましょう...その濃い赤とその座標は
	4.51および15.66。 その点を青で見ると、座標は4.67と15.54で、これらの点の間の距離を見つけることができます。
	または、最近傍のアイデアは赤でそのポイントについてです。データセット内の他のすべてのポイントでそのポイントからの距離を見つけることができます。
	次に、距離を最小から最大に並べ替えて、必要な距離を選択できます。
	したがって、たとえば、k = 2の場合、赤の点に最も近い2つの点を知りたい場合、それらはピンクの2つの点であり、最も近い点であることがわかります。赤いもの。
	さて、私が今やりたいのは、ソリューションについて話し、それから...高レベルで話し、それから私は速度を落とし、ステップを歩きます。 したがって、私たちのソリューションは、大規模なデータセットがある場合に基づいていました。
	まず、各変数の中央値+/- 3標準偏差を見つけることができます（指摘したいのですが、mmeanを使用することもできます）。
	そうすることで、ターゲットコーナー、または目的のコーナーと呼ばれるものを定義します。これは、各変数の最高点の下限に基づいて、最低値から最高値になります。
	次に、各ポイントからそのターゲットコーナーまでの距離を見つけ、最小から最大までの距離を並べ替えます。
	そして、私たちのニーズのために（そしてこれについては次のスライドでもう少し説明します）、k最近傍をターゲットのコーナーに連れて行きます。 そして、一般的に、望ましい信頼度を表すk近傍を収集できます。 また、これについてはもう少し後で説明します。
	次に、k近傍の平均を取り、それがソリューションになります。
	さて、ここでの考え方は、2つの変数から始めて、平均+/- ...すみません、中央値+/- 3標準偏差を見つけ、平均を使用することもできます。
	そしてそうすることで、私たちはそれらをターゲットコーナーと呼びます。したがって、私が低/高コーナー、ペンタゴンの黄色い星が彼女の定義されたターゲットコーナーと呼ぶものとして始まるhigh.lowコーナーに興味があった場合。
	次のステップは、すべてのデータポイントを取得し、データセット内のすべてのポイントからそれらのターゲットコーナーまでの距離を見つけることです。
	そして、それらの距離を取得したら、最小から最大に並べ替えます。
	そして、この特定の例では、ターゲットのコーナーに最も近いk最近傍を見つけます。 実例と同じように、黄色で5つのポイントを見ることができます
	は黄色の星に最も近い5つのポイントであり、紫色の5つのポイントは紫色の五角形に最も近いポイントです。
	次に、これらの5つのポイントの平均をそれぞれ取ります。そうすることで、これらの黒い楕円は、最悪の場合の値として使用するものを表します。
	そして、それを使用してデバイスの設計に役立てます。
	ここで、密度楕円とこれらのターゲットコーナーに関連するこれらのポイントを示します。黄色の星と紫色の五角形は、元の方法でした。
	そして、密度の楕円は悪くないことがわかります。少し良くなっています。 そして、この特定のソリューションの本当に素晴らしい点は、それらの近くにデータポイントがあり、それが設計どおりであることです。
	さらに、それは私たちにとってあまり保守的ではないので、デバイスを設計するときにこの追加コストを支払う必要はなく、データの分散について心配する必要もありませんでした。 相関関係は、問題をどのように解決するかには実際には関係ありません。
	さて、あなたが高/高と低/低の境界、その水色の五角形、またはより暗い青い星に興味を持っていたとしましょう。 この方法も同様に機能します。
	そして、私たちの解決策である黒い楕円に見られるのは、ここでもデータポイントがあるということです。
	したがって、私たちにとって、これは素晴らしいアプローチです。特に現在のアプローチと比較して、あまり保守的ではないからです。 少し保守的かもしれませんが、この五角形や星ほど保守的ではありません。
	さて、先ほど、私たちがどのようにアプローチするかについてコメントしましたが、いくつかの選択肢があります。そこで、Kの選択について説明したいと思います。平均化する必要がありますか？
	そして、Kはあなたの信頼水準、サンプルサイズ、哲学の種類に基づいている可能性があることを私に説明させてください。
	例として、1,000個のデータポイントがあり、95％の自信を持ちたいとしましょう。
	その場合、2つのコーナーで25番目に近い距離を取ることができます。これは、ローサイドまたはロー/ハイサイドで2.5％アウト、反対側で22.5％アウトであり、一緒に95％をキャプチャしました。自信。
	だから私は25番目に近い距離をとることができました。 それが1つのアプローチです。 23、24、25、26、27番目の距離を取り、それらを平均することもできます。
	そして、5つの値の平均を取り、それをアプローチとして使用します。 したがって、それを処理する方法はいくつかあります。
	特定のニーズでは、サンプルサイズが非常に大きく、少し保守的になりたいと考えています。95％または99％の信頼度に左右されることはありません。 だから、説明の目的と同じように、
	右側のグラフのオレンジ色の円は、例として95％の信頼区間を表している可能性があり、単なる例として、5ポイントの平均または25番目に近い距離である可能性があります。
	そして、そのアプローチを使用する代わりに、実際には最初の25ポイントの平均を取ります。そうすることで、最終的に黒い楕円になり、それらが移動していることがわかります。もう少し保守的です。
	そのため、これは設計上、もう少し保守的に行います。
	繰り返しになりますが、それは選択です。私たちにとって素晴らしいのは、現在のアプローチであるこれらの望ましいコーナーほど保守的ではないため、そこには少し保守的な性質がありますが、全体的に保守的ではありません。
	大丈夫。 では、このアプローチの長所と短所は何ですか？ 良い点は、変数の分布を知る必要がないことです。
	いくつかの相関変数または従属変数を簡単に処理できます。複数の変数、特に2つ以上の変数を簡単に処理できます。
	そのソリューションに近いデータがあり、その一部はその大きなデータサイズに依存していることがわかっています。また、JMPのアドインでスクリプトを作成して、計算を簡単に実行できます。
	欠点は、適切なサイズのデータセットが必要なことです。これは、例として99％の信頼水準、つまり実際に高い信頼水準が必要な場合、実際には大量のデータが必要になるためです。
	さて、これが私たちのアドイン、このユーザーインターフェイスのように見えるので、左上隅に可能な変数があります。
	次に、入力するハイサイドで、たとえば、抵抗の高い値が必要であり、それはその緑色の強調表示にあります。 紫色の強調表示に移動すると、低い側にいくつかの値を追加できるため、この例では、静電容量の低い組み合わせが必要であると言えます。
	それからあなたがしなければならない次のことはあなたが望む自信を持って入ることです。
	また、リコールボタンがあり、人の便宜を図っています。
	そして、チームのロゴがあり、アイテムを美しくプロフェッショナルに見せます。
	了解しました。このアドインを実行すると、スクリプトがトリガーされ、出力はJMPテーブルになります。
	そして、このJMPテーブルで、この強調表示で最初に指摘したいのは、この緑色の強調表示で、8つの変数すべてについて、中央値、標準偏差、およびそれがローサイドかハイサイドかを取得することです。興味がありました。
	そして、そこから目的のコーナーを作成します。これは、中央値からローサイドの3標準偏差を引いたものと、ミディアムにハイサイドの3標準偏差を加えたものになります。 そして再び紫色になりましたが、これが私たちのターゲットコーナーです。
	次に、すべてのポイントの距離を見つけます。
	その希望のコーナーに。 次に、この例では、目的のコーナーに最も近い5つのポイントを見つけます。これが、その近傍値です。 それらは5つの値のベクトルになります。 近隣指数については、次のスライドでもう少し説明します。
	次に、青色で、これら5つの最近傍の平均を取り、それが問題の解決策になります。 そのため、青色の列はワーストケースの値であるか、デバイスの設計に使用するワーストケースの値です。
	これで、ここにNeighbor Z-scoreという列もあります。つまり、その隣接平均、ソリューション、および種類が逆方向に機能し、中央値からどれだけ標準偏差が離れているかを確認します。
	そして、私たちがそれを行う理由は、私たちの元々のアプローチが、この中央値のプラスマイナス3標準偏差を大まかにとることであったためです。
	そして、私たちが見つけているのは、私たちが望むものを得るために、実際にははるかに小さな乗数を使用できるということです。 したがって、これは、現在の方法がどれほど保守的または過度に保守的であるかを知るのに役立ちました。 理解を助ける以外の計算には使用されていません。
	さて、私はそれらの近所について言及しました...すみません、隣人のインデックス。 そのため、右上で109と126を紫色で強調表示しました。
	これは、データの行に対応します。 したがって、このアドインを実行すると、JMPテーブルが取得されます。
	5つの行が5つの最近傍を表すものを示します。
	また、元のデータセットでそれらを選択します。 そして、それの良いところは、色分けが簡単になることです。 先ほど、黄色、つまり5つの黄色と5つの紫色の例を示しました。
	そして、このアドインを実行すると、色を正しく変更するだけで簡単にできます...アドインを実行した直後。
	了解しました。これが、8つの変数の出力のようになります。
	ご覧のとおり、緑の点は低抵抗/高静電容量の値を表し、赤の点は高抵抗/低静電容量の値を表します。 そして、このグラフの右下の部分で、紫色で強調表示したことを指摘したいと思います。
	たとえば、緑と赤の点を見ることができますが、これらは特定の変数の極端な点ではなく、この問題の同時の側面です。
	これは、8つの変数すべてにわたって問題を実際に解決しています。 そして、いくつかの変数については、それは極端かもしれませんが、他の変数についてはそうではないかもしれません、そしてそれは私たちにとっては問題ありません。
	しかし、繰り返しになりますが、そうすることで、変数間の関係を理解するのに役立ちます。これも、最終的な解決策、最悪の場合、最悪の場合の値をグラフィカルに表示することになります。
	さて、アドインを説明するためだけにそのBigClassデータセットに戻ると、これは小さなデータセットであることを認識したいと思います。 これは説明のためだけのものです。 スクリプトを実行してハイサイド/ハイサイドを要求できます。スクリプトを実行してロー/ローサイドを要求できます。
	これをもう一度行うと、前と同じように、中央値と標準偏差を取得します。 境界を見つけるためにそれを使用します。
	そして、それが私の希望するコーナーです。次に、その境界に最も近い5つのネイバーを見つけます。 そして、あなたは緑で見ることができます、それらは実際の値であり、それらは黄色と紫でグラフにプロットされています。
	隣接インデックスは行を参照します。これにより、データをすばやく色分けできます。
	隣の平均は私たちの黄色い星と紫色の五角形であり、それが問題の解決策になります。 また、Zスコアを実行するので、この方法がどれほど保守的であるかを社内で把握できます。
	さて、この時点で、スクリプトのいくつかのポイントを強調したいと思います。 したがって、スクリプトを作成したとき、右上に表示されているように、このパネルボックスを作成したことがわかります。
	そして水色、それは私たちがユーザーに入力するように頼むところです...私たちはハイサイドで見つけている変数とローサイドで見つけられる変数です。
	その銅色で、パーセンタイルの入力を取得している場所であり、実際には数値です。
	また、222行目と223行目でも確認できます。これは、リコール関数を作成しているものです。
	さて、私たちがやりたいことの1つはデータ品質チェックです。ですから、これを可能な限り間違いのない、間違いのないものにしたいのです。
	したがって、たとえば、その信頼水準を数値として入力する必要があるため、0から100の間であることを確認するためのチェックを行います。そうしないと、ユーザーは入力を変更する必要があるというエラーメッセージを受け取ります。
	同様に、下部では、これを実行するために下位リストまたは上位リストに何かが必要なので、何かが入力されていることを確認するためにこれらのデータチェックがあります。
	さて、次に行うことは、sumcols関数と呼ばれるものを用意することです。
	そして、sumcols関数が行うことは、過去の列をループすることです。 つまり、入力した安値と高値を取得しているということです。
	そして、私たちにとって重要な情報を含む辞書または連想配列を返します。 ですから、右下、右下を見ると、
	すみません、右下を見ると、たとえばオレンジ色で、データ型に関する情報が収集されます。
	存在したデータポイントの数、中央値、標準偏差。 紫色でそれはその計算を行い、私たちの希望を得るでしょう
	コーナーまたはターゲットコーナー、これをバウンドと呼びます。 そして青色で、そのAA、それは私たちの連想配列であり、それはすべての情報をもたらすか、次のステップに必要なすべての情報を保存しています。
	さて、ここから私たちがやっていることは、それらの距離を計算し始めることです。 そして、青いハイライトで見ることができます、
	それは低い側にあり、その真下に行くと、それは高い側にあります。 各ポイントからそのターゲットコーナーまでの距離を見つけ始めます。
	そして、先に示したように、二乗してから平方根をとる計算を行う必要がありますが、本質的には、ポイントから3シグマまでの距離を見つけているだけです。
	次に、下部で、それらを並べ替え、それらの距離を並べ替えてから、必要な距離を削除するプロセスを実行します。
	そして、オレンジ色のハイライトで、6、7、8を指摘したいと思います。
	スクリプトを書くときはいつでも、コメントを残すように最善を尽くします。 そして、ある人がスクリプトに取り組んでいると、残念ながら、他の人に引っ張られて、他の人ができることがあります。
	それを終えて、他の誰かが引き継いで何が起こっているのかを本当に理解できるように、これらのコメントがあるのは本当に素晴らしいことです。
	さらに、これらのコメントは、たとえあなただけがそれに取り組んでいるとしても、あなたがそれに戻らなければならない場合、何年も後に、あなたは各ステップが何をしているかを覚えていることを知っているのは素晴らしいことです。 だから私たちはコメントを入れるために最善を尽くします。
	最後に、私たちが行うことは、ローサイドとハイサイドを実行し、dictionaryjにいくつかの値を返すことです。 そして、あなたは青で見ることができます、私たちがしていることは私たちが最小の隣人をはぎ取るということです、そしてそれは出力で出てきたそのベクトルです。
	次に、それらの平均を取り、それが私たちの解決策です。それはオレンジ色で起こっています。 例として、紫色でZスコアを見つけます。 したがって、情報を取得すると、それらすべての距離がそれらをソートし、
	次に、必要な情報を取り出して、それが私たちのテーブルを作成します。
	さて、これをすべてまとめます。 私たちのやる気を起こさせる問題は、デバイスの設計に役立つこれらの同時の最悪のケースの境界を見つけたいということであり、現在のソリューションは保守的すぎます。それは私たちにお金と時間を要します。
	そして、この問題を解決しようとすると、データが多変量正規分布に従う場合と従わない場合があり、データは独立していません。
	そして、これの頻度は本当に単純な解決策を必要とします、そしてできればJMPを使って、そしてそれで私たちの解決策
	使いやすく、k最近傍法の概念を使用し、出力が理解しやすく、色分けできるグラフをすばやく作成して他の人に見せることができるJMPアドインを作成することでした。
	よし、どうもありがとうございました。

サミットのベスト起こるデータ探索JSLアプリケーション開発Re：K最近傍法を使用して95％の同時境界を決定するJMPスクリプト（2021-US-30MP-911）

こんにちはパトリック（ @PatrickGiuliano ）、

 

1）アドインに関しては、IP上の理由により、残念ながら使用しているものをお送りすることはできません。誰かが自分でそれを再現できるように、プレゼンテーションにスクリプトの「肉」を含めるようにしました。これは理想的な状況ではないことを認識していますが、提供されたものを使用して同様の何かを構築できることを願っています。

 

2）2つの「自信」または「カバレッジ」タイプのアイデアが進行中です。

a）1つ目は、平均（または中央値）+/- 3stddevsです。これにより、目的のコーナーが生成されます。方程式の目的のコーナーを使用して、距離を求めます。つまり、観測された各ポイントについて、そのポイントから目的のコーナーまでの距離を求めます。したがって、平均+/- 3 std devsは実際には方向性のためのものであり、特定の信頼性やカバレッジのためのものではありません。平均+/-4std devs、+ /-5 std devs、...を使用してみました-すべて同様の結果が得られました。

b）2番目は、ダイアログボックスに入力される「最近傍パーセンタイル」です（上に表示されている-銅/茶色の色で）。この値には、カバレッジまたは信頼タイプの定義があります。この値は、kの選択を左右します。たとえば、1000の観測値があり、99％のパーセンタイルを入力した場合、目的のコーナーまでの距離を10番目に小さくする必要があります。理論的には、分布の1％がこのポイントの「外側」にあると予想されます。1つのポイントを計算する代わりに、平均5つのネイバーを取ることができます。たとえば、8、9、10、11、および12番目の最近傍の平均をとって、99％のカバレッジを持つポイント（または分布の1％がこのポイントの「外側」にあると予想されるポイント）を表すことができます。

 

うまくいけば、これは理にかなっています。そうでない場合は、データセットを一緒に見ていきたいと思います。

 

よろしく、

リッチ

 

Re：K最近傍法を使用して95％の同時境界を決定するJMPスクリプト（2021-US-30MP-911）

こんにちは@richnewman 、面白いアプローチ！これをコミュニティおよび@DiscoverySummitAmericas2021と共有していただきありがとうございます。私たち自身のアプリケーションのコンテキストでこのアプローチを試してみたいと思っている私たちのために共有できるアドインの例があるかどうか疑問に思っていますか？よろしくお願いします。

Normal Distribution(3)

また、ここで使用しているkシグマ乗数の選択について1つの質問があります（この場合、正規性の仮定の下で平均の両側の人口の99.865％をカバーするためにk = 3）。これは、JMPで次のように取得できます。

 

このコンテキストでの「カバレッジ」の選択は、本当に信頼水準ですか？ 私にとって、これは「カバレッジ」（正規性の仮定の下で計算された平均とシグマを想定した標準正規分布でカバーされる比率、またはあなたの場合は「非正規」のケースを処理するための中央値）であり、信頼度ではありません。レベル。これは、「K最近傍法」の文脈でそれをどのように参照するのですか？

ありがとう、 @PatrickGiuliano