11.10.2020 Formazione modellistica
Presentatore: Kemal Oflus
Guarda la registrazione | PPT
Che cos'è un modello statistico?
I modelli statistici vengono utilizzati per quantificare la relazione tra uno o più fattori (input, X) e una risposta (output, Y). Il tuo obiettivo di modellazione potrebbe essere quello di spiegare o prevedere. Un modello statistico può aiutarti a:
- identificare i fattori più importanti (spiegare)
- capire come cambia la risposta in funzione dei fattori (spiegare)
- quantificare la variabilità nella risposta che spiega i fattori e le loro interazioni. (spiegare)
- fare previsioni sui risultati futuri (prevedere)
Che cos'è l'overfitting del modello?
Un modello overfit è un modello statistico che è più complesso di quanto dovrebbe essere .L'overfitting sta modellando il rumore nei dati, piuttosto che la vera relazione tra i fattori.Conseguenza dell'overfitting: il tuo modello non prevede buone previsioni e potrebbe riporre troppa fiducia in una previsione o risultato inaffidabile... con conseguente aumento dei costi, sprechi, scadenze mancate, ecc.
Quando dovresti usare la modellazione statistica?
- Passi molto tempo ad affrontare problemi imprevisti.
- I tuoi sforzi di risoluzione dei problemi producono rendimenti imprevedibili e lo stesso problema o uno correlato si ripresenta.
- Senti di non avere il quadro completo e di dover prendere decisioni sulla base di informazioni incomplete.
- Trasferisci prodotti e processi con una comprensione limitata di come funzionano.
- Ti senti bloccato in un circolo vizioso in cui la gestione di problemi o processi esistenti limita il tuo tempo per l'ottimizzazione, l'innovazione e il nuovo sviluppo.
Quali sono i vantaggi della modellazione statistica?
- Ridurre il numero di cicli di apprendimento.
- Riduci il tempo totale di risoluzione dei problemi.
- Aumentare la prevedibilità delle attività di miglioramento e di problem solving.
- Aumenta la comprensione utile (la creazione di conoscenze/decisioni incomplete dai tuoi dati può comportare false soluzioni)
- Prendere decisioni sostenibili entro il periodo di tempo richiesto.
- Trasferisci una conoscenza di processo più completa ai colleghi a monte.
- Aumenta il tempo a disposizione per nuovi progetti per far crescere le opportunità future perché è meno probabile che lo stesso problema torni a essere risolto ancora (e ancora).
Quali sono i tipi più comuni di modelli?
|
| Tipo |
Cosa fa |
Aiuta gli utenti a |
| Regressione lineare multipla |
- Prevede il valore medio della risposta in base ai valori di più fattori/predittori.
- Il tipo di modellazione è continuo (es: dollari spesi)
|
- Identificare e ottimizzare le caratteristiche critiche per la qualità, con l'obiettivo di sviluppare prodotti a basso costo e di alta qualità
- Prevedi la spesa dei clienti in base alle informazioni demografiche e ai modelli di acquisto storici
- Sviluppare strategie di prezzo basate sul mix di prodotti e sulle caratteristiche dei consumatori
- Prevedere il comportamento futuro dai risultati degli esperimenti
- Prevedi il rendimento
|
| Regressione logistica |
- Modella la probabilità che si verifichi un evento.
- Il tipo di modellazione è categoriale
- nominale - pass/fail
- multinomiale - rosso, blu verde
- ordinale: piccolo, medio, grande
- Comunemente utilizzato perché non disponi di dati di risposta continua
|
- Identifica potenziali frodi
- Determinare le cause degli articoli difettosi in una catena di montaggio
- Comprendere le ragioni alla base del rischio di fuga per i dipendenti
- Determina la probabilità di acquisto di un cliente su un sito web
- Ispezione di qualità Pass/Fail
|
Alberi decisionali
(trasmissione via web)
|
|
|
Reti neurali
(trasmissione via web)
|
|
|
| In che modo i diversi settori utilizzano i modelli? |
| Industria |
Tipici problemi che si cercano di risolvere con i modelli |
Semiconduttore
(Pagina delle risorse sui semiconduttori) |
- Gestione del rendimento
- Modellazione dei difetti
- Raggruppamento di difetti
|
farmaceutico
(Pagina delle risorse farmaceutiche) |
- Ricerca e sviluppo
- Ottimizzazione DOE
- Analisi dei biomarcatori
|
Chimico
(pagina risorse chimiche) |
- Ottimizzazione della miscela
- Manutenzione preventiva
- Gestione del rendimento
|
Beni di consumo e prodotti
(pagina delle risorse CP&G)
|
- Trovare il miglior set di clienti
- Calcoli del Customer Lifetime Value (CLV).
- Previsioni di vendita
- Ricerca di mercato
|
Costruzione di modelli in JMP
|
Dichiarazione di valore: Gli utenti di JMP risolvono correttamente più problemi scientifici, ingegneristici e aziendali la prima volta e in meno tempo, estraendo potenti informazioni dai dati esistenti utilizzando metodi di modellazione statistica semplici e collaudati, senza bisogno di un forte background statistico e senza dover utilizzare più piattaforme o prodotti.
|
| Opzioni di modellazione in JMP |
Domande di scoperta per la modellazione in JMP |
- Regressione lineare multivariata
- Alberi decisionali di base
- Reti neurali semplici
Usato insieme alla modellazione:
- Analisi delle componenti di principio
- Raggruppamento
|
Quali problemi stai cercando di risolvere con i tuoi dati?
Affronta sfide che non possono essere risolte facendo appello al giudizio di esperti, alla semplice analisi di un foglio di calcolo o variando solo una cosa alla volta?
Sei costretto a prendere decisioni regolarmente sulla base di dati o informazioni incompleti, limitando la tua comprensione dei veri fattori determinanti di processi robusti, efficaci ed efficienti?
Quali sono i tuoi punti deboli e quanto costa (sia in termini di tempo che di denaro)? Qual è il costo di sbagliare?
Quanti strumenti stai attualmente utilizzando per analizzare i tuoi dati?
Con quale frequenza analizzi i dati?
- Devi rieseguire le analisi su base regolare?
- La necessità di risolvere i problemi con i processi esistenti limita il tempo che puoi dedicare all'innovazione e allo sviluppo di nuovi processi e prodotti
- Quanto è importante per te avere una buona comprensione del processo?
|
| Costruzione di modelli in JMP Pro |
Dichiarazione di valore: JMP Pro consente ai nostri utenti di esplorare e comprendere i dati con un'interfaccia facile da usare, fornendo una raccolta degli strumenti statistici più rilevanti per l'analisi dei dati senza essere sopraffatti dalle scelte e senza bisogno di programmare. Ciò che offre JMP Pro è TEMPO e FIDUCIA. L'aggiunta di Screening del modello (JMP 16) e Deposito formule consente ai modellatori di rimanere all'interno di un unico toolkit e di fare qualcosa MOLTO rapidamente, che in genere richiede un grande sforzo. La convalida offre fiducia.
|
| Opzioni di modellazione in JMP Pro |
Domande di qualificazione per vedere se sono buoni Candidati Pro
|
|
- Fai qualsiasi domanda tecnica. Esempio: che tipo di quadrati R stai ottenendo ora dai tuoi modelli?
- Se dicono .99, sai che JMP Pro potrebbe non avere lo stesso impatto rispetto a qualcuno che dice 0.30.
- Usi la convalida incrociata o la regressione graduale?
- In Pro è possibile utilizzare la convalida incrociata per evitare l'adattamento eccessivo di un modello, il che rappresenta un enorme vantaggio per JMP Pro. Se hanno una comprensione della convalida incrociata o della regressione graduale, in genere è un buon segno che sono un candidato Pro.
|
Altre risorse di modellazione da condividere:
