645258_es-ES

liliconcom

Elección de modelos en JMP con criterios de selección de modelos (2023-US-30MP-1456)Christopher Gotwalt, científico jefe de datos de JMP, JMP
Más que cualquier software estadístico, JMP y JMP Pro hacen un gran uso de los criterios de selección de modelos, como AICc y BIC. Estas herramientas pueden ser utilizadas por profesionales en todas las industrias y en todos los niveles de habilidad, desde usuarios que eligen una distribución para un análisis de capacidad, hasta usuarios avanzados que eligen factores de entrada en un modelo mixto lineal o un análisis DOE funcional. Los criterios de selección de modelos son increíblemente flexibles y potentes, pero facilitan la decisión entre conjuntos muy diferentes de variables predictoras, distribuciones de respuesta e incluso estructuras de correlación, todo al mismo tiempo.Desafortunadamente, la historia completa de cómo y cuándo usar estos criterios no forma parte de la mayoría de los cursos estándar de ciencia de datos en universidades y capacitación profesional. Una de las razones de esta omisión es que, a diferencia de JMP, muchos paquetes de software implementan criterios de selección de modelos de manera incompleta o posiblemente incorrecta, lo que hace imposible comparar modelos con diferentes variables de entrada.En esta presentación, brindamos una guía clara sobre cómo y cuándo usar los criterios de selección de modelos. Describimos su motivación y los supuestos que requieren. Comparamos los criterios de selección de modelos con otros enfoques más conocidos para seleccionar modelos, como pruebas de hipótesis y procedimientos de validación cruzada basados en retención. También brindamos una breve historia de cómo los desarrolladores de I + D estadísticos de JMP llegaron a apreciar cuán útiles son estas herramientas, mientras buscábamos una solución general al problema del dragado de distribución.