안녕하세요 여러분,
모델 추정치를 평가할 때 JMP의 누군가가 시뮬레이션과 부트스트랩 접근 방식의 차이점/유사점에 대해 설명을 제공할 수 있기를 바랍니다. (JMP 프로)
Gotwalt 및 기타의 이전 Discovery Summit 프레젠테이션에 대한 일부 링크를 찾을 수 있습니다. 여기 , 여기 , 그리고 여기 . 두 방법 간의 한 가지 분명한 차이점은 Simulate에서는 열 수식을 다른 열 수식으로 교체해야 하지만 부트스트래핑에서는 그렇지 않다는 것입니다. 매개변수 추정값을 다시 계산할 때 부트스트랩 개념을 이해하지만, 동일한 데이터를 시뮬레이션할 때 부분 무작위 가중치 열을 교체해야 하는 이유가 명확하지 않습니다. 예를 들어 위의 첫 번째 링크와 자동 검증 설정을 사용하여 이 접근 방식을 설명하는 해당 프레젠테이션을 참조하세요(이 경우 DOE 결과를 사용하여 작업했습니다).
제가 더 잘 이해하고 싶은 것은 두 가지 접근 방식의 장점/단점과 한 접근 방식이 다른 접근 방식보다 나은 경우입니다. 여러 프로세스 변수와 제품 품질 측정값이 있는 넓고 긴 데이터 테이블이 있습니다. 조사할 위치에 대한 아이디어를 생산에 제공하기 위해 결과에 영향을 미칠 수 있는 가능한 프로세스 변수 집합의 범위를 좁히고 싶습니다. 이를 위해 저는 그들의 프레젠테이션에서 Null Factor 아이디어를 가져와 모델에 진정한 무작위 변수로 포함시켰습니다. 그런 다음 요인 및 Y 출력에 대해 매우 기본적인 GenReg 모델을 실행한 다음 추정 열을 마우스 오른쪽 버튼으로 클릭하고 모수 추정에 대해 부트스트랩 또는 시뮬레이션 옵션을 실행합니다.
두 가지 방법 모두에서 동일한 결과를 얻지 못하며 그 이유를 이해하고 싶습니다. 또한 DOE가 아니기 때문에 한 가지 접근 방식이 다른 접근 방식보다 더 적합합니까?
아래 결과의 예는 Null Factor보다 적은 횟수로 모델에 도입된 모든 요인이 단순히 제거되는 Pareto Plot에 나와 있습니다. 첫 번째 이미지는 Simulate 메서드를 사용한 결과를 보여줍니다. 여기서 Pareto 플롯의 가장 오른쪽에 있는 요소는 Null 요소입니다. 마찬가지로 두 번째 이미지는 부트스트랩 방법을 사용한 결과를 보여 주며 여기서도 Null Factor는 맨 오른쪽에 있습니다.
두 가지 방법에 대해 매우 다른 두 가지 결과를 얻는 이유는 무엇입니까? 하나가 다른 것보다 "신뢰할 수 있는" 것입니까? 왜 다른 방법보다 한 가지 방법을 사용합니까? 한 가지 방법이 다른 방법보다 더 강력합니까? 다른 결과가 나오는 경우 JMP Pro에 두 가지 옵션이 있는 이유는 무엇입니까?
이에 대한 통찰력을 높이 평가합니다.
감사해요!,
DS
