Robert Anderson JMP Ingegnere di sistemi senior
Scienziati e ingegneri devono essere in grado di trovare il miglior modello possibile per il loro processo o prodotto e identificare correttamente quali fattori sono realmente importanti e quali no. Spesso la preoccupazione più grande è che un fattore importante o vitale venga trascurato. Tuttavia, un problema più insidioso e potenzialmente peggiore è che i metodi di modellazione statistica identificano spesso fattori statisticamente significativi ma non realmente attivi. L'identificazione di questi effetti non genuini comporta lo sperpero di preziose risorse scientifiche e ingegneristiche in ulteriori indagini su questi falsi effetti. Potrebbero essere necessari tempo e risorse considerevoli prima che il modello difettoso e gli effetti non genuini vengano riconosciuti. La metodologia di convalida dell'holdback in JMP Pro fornisce un modo efficace per sopprimere questo problema di adattamento del modello anche con set di dati relativamente piccoli. Utilizzando set di dati simulati, questo documento dimostrerà con quale frequenza e facilità può verificarsi il problema di rilevare effetti non genuini e in che modo la convalida dell'holdback può eliminare efficacemente questo problema. Tuttavia, la convalida dell'holdback non è una bacchetta magica e verranno mostrati anche alcuni esempi di quando non funziona bene.
