J'ai un client qui fait une évaluation de JMP Pro et il a posé une bonne question.En examinant l'ensemble de données sur le diabète, ils ont exécuté un réseau de neurones sur la réponse Y en fonction des facteurs : LTG, BMI, BP, HDL, Age, Glucose, LDL, TCH, Total Cholesterol et Gender.Le profileur montre que l'effet du sexe est faible par rapport aux autres facteurs :
D'après le profileur, l'effet de la variation du sexe sur Y est plus petit que, disons, l'IMC.
Cependant, en regardant les résultats d'importance variable, nous voyons que le genre est en haut de la liste :
En regardant la matrice du nuage de points et la carte des couleurs sur les corrélations, l'utilisation des entrées rééchantillonnées dépendantes est la plus logique puisque les facteurs sont corrélés (comme suggéré dans l'aide).
La question du client est la suivante : pourquoi le profileur indique-t-il que le sexe a un petit effet par rapport au résultat d'importance variable qui montre que le sexe a le plus grand effet ?
Le client a également demandé quelle taille d'échantillon était nécessaire pour que l'utilisation des résultats des entrées dépendantes rééchantillonnées soit valide.L'aide mentionne que cela ne fonctionne pas si la taille de l'échantillon est "trop petite" mais ne dit pas à quel point petit est petit.
La vérification des détails statistiques pour l'importance variable indique qu'elle utilise la variance de la valeur attendue de la réponse, mais ne donne pas beaucoup de détails.Je suppose que la différence entre le résultat du profileur et les résultats d'importance variable a quelque chose à voir avec le profileur utilisant la valeur attendue de Y et le résultat d'importance variable utilisant la variance de la valeur attendue de Y.Cependant, j'aimerais plus de détails afin de pouvoir l'expliquer au client.
merci!
Charly
