こんにちは、みんな、
モデル推定を評価する際のシミュレートとブートストラップのアプローチの違い/類似点について、JMP の誰かが説明を提供できることを願っています。 (JMPプロ)
Gotwalt などによる以前の Discovery Summit プレゼンテーションへのリンクがいくつかあります。ここ、ここ、 そしてここ。 これらの方法の明確な違いの 1 つは、シミュレートでは列式を別の列式に交換する必要があるのに対し、ブートストラップではその必要がないことです。 パラメーター推定値を再計算するときのブートストラップの概念は理解していますが、同じデータをシミュレートするときに部分ランダム加重列を交換する必要がある理由がわかりません。 たとえば、上記の最初のリンクと、自動検証セットアップを使用したこのアプローチを説明した対応するプレゼンテーションを参照してください (この場合、DOE の結果を使用していました)。
私がもっと理解したいのは、どちらかのアプローチの長所と短所、そしてどのアプローチが他のアプローチよりも優れているのかということです。 いくつかのプロセス変数と製品品質の測定値を含む、幅広で背の高いデータテーブルがあります。 結果に影響を与える可能性のあるプロセス変数のセットを絞り込んで、どこを調査すべきかについて本番環境に提供したいと考えています。 これを行うために、私は彼らのプレゼンテーションから Null Factor のアイデアを採用し、それを真の確率変数としてモデルに組み込みます。 次に、因子と Y 出力に対して非常に基本的な GenReg モデルを実行し、推定値の列を右クリックして、パラメーター推定値に対してブートストラップ オプションまたはシミュレート オプションを実行します。
どちらの方法でも同じ結果が得られません。その理由を理解したいと思います。 また、これは DOE ではないため、あるアプローチが別のアプローチよりも適切ですか?
結果の例は以下のパレート図です。ヌル因子よりも少ない回数でモデルに導入された因子は単純に削除されます。 最初の画像は、Simulate メソッドを使用した結果を示しています。ここで、パレート プロットの右端の係数はヌル係数です。 同様に、2 番目の画像はブートストラップ法を使用した結果を示しています。ここでも Null Factor が右端にあります。
2 つの方法で 2 つのまったく異なる結果が得られるのはなぜですか? 一方は他方よりも「信頼できる」でしょうか? ある方法を他の方法ではなく使用する理由は何ですか? 一方の方法は他方よりも堅牢ですか? 異なる結果が得られる場合、JMP Pro に 2 つのオプションがあるのはなぜですか?
これに関する洞察をいただければ幸いです。
ありがとう！、
DS
