Salut tout le monde,
J'espère que quelqu'un de JMP pourra fournir une explication sur les différences/similitudes des approches Simulate vs Bootstrap lors de l'évaluation des estimations du modèle. (JMPPro)
Certains liens vers des présentations précédentes du Discovery Summit de Gotwalt et d'autres peuvent être trouvés ici , ici , et ici . Une différence claire entre les méthodes est que Simulate vous oblige à remplacer une formule de colonne par une autre formule de colonne, contrairement à l'amorçage. Je comprends le concept d'amorçage lors du recalcul des estimations de paramètres, mais je ne comprends pas pourquoi la colonne pondérée aléatoirement fractionnaire doit être remplacée lors de la simulation des mêmes données. Voir par exemple le premier lien ci-dessus et la présentation correspondante qui explique cette approche en utilisant une configuration d'autovalidation (dans ce cas, ils travaillaient avec les résultats du DOE).
Ce que j'aimerais mieux comprendre, ce sont les avantages/inconvénients de l'une ou l'autre approche et quand une approche est-elle meilleure qu'une autre. J'ai un tableau de données large et haut dans lequel j'ai plusieurs variables de processus et mesures de qualité des produits. Je souhaite affiner l'ensemble des variables de processus possibles qui pourraient influencer le résultat afin de donner à la production une idée de l'endroit où enquêter. Pour ce faire, je prends l'idée du facteur nul de leurs présentations et je l'inclus comme une variable véritablement aléatoire dans le modèle. J'exécute ensuite un modèle GenReg très basique sur les facteurs et la sortie Y, puis je clique avec le bouton droit sur la colonne des estimations et j'exécute l'option bootstrap ou simulation sur les estimations des paramètres.
Je n'obtiens pas les mêmes résultats dans les deux sens et j'aimerais comprendre pourquoi. De plus, une approche est-elle plus appropriée qu'une autre puisqu'il ne s'agit pas d'un DOE ?
Des exemples de résultats sont présentés ci-dessous sur un tracé de Pareto, dans lequel tous les facteurs introduits dans le modèle moins de fois que le facteur nul sont simplement supprimés. La première image montre les résultats de l'utilisation de la méthode Simulate, où le facteur à l'extrême droite du tracé de Pareto est le facteur nul. De même, la deuxième image montre les résultats utilisant la méthode Bootstrap, où encore une fois le facteur nul se trouve à l'extrême droite.
Pourquoi est-ce que j'obtiens deux résultats très différents pour les deux méthodes ? L’un est-il plus « digne de confiance » que l’autre ? Pourquoi devrais-je utiliser une méthode plutôt qu’une autre ? Une méthode est-elle plus robuste que l’autre ? Si vous obtenez des résultats différents, pourquoi JMP Pro propose-t-il ces deux options ?
Toute idée à ce sujet est très appréciée.
Merci!,
DS
