| Conférencier |
Transcription |
| Nedjones |
Le Bon, la Brute, le Truand ou l’Indépendance et la Dépendance Synergiques et Antagonistes. |
| |
Je m'appelle Ned Jones. Je dirige une petite entreprise de conseil appelée 1-alpha Solutions. Vous y trouverez mes coordonnées. Parlons simulation. |
| |
Je vais exécuter la simulation, évidemment, et JMP dans la découverte... |
| |
et vous permet de découvrir le modèle, mais aussi d'entrer des variations aléatoires très...... la sortie du modèle varie de manière aléatoire et est basée sur les entrées dans tout bruit que vous ajoutez au simulateur. Le simulateur aussi |
| |
vous permet de profiler... |
| |
est dans le profileur et le définit définit l'entrée aléatoire est définie en fonction de l'entrée aléatoire dont vous disposez et vous êtes en mesure d'exécuter une simulation et de produire des tables de sortie et de simuler des variables. |
| |
La prochaine chose que je veux faire est de parler de quelques types de simulation différents. |
| |
Il s'agit simplement d'une simulation simple. Si vous avez une entrée et une sortie, il n'y a aucun problème de dépendance dans la simulation. Ce qui nous intéresse principalement, ce sont les simulations à entrées multiples. |
| |
Nous simulons et aurons une ou plusieurs sorties système. Le problème est qu'il pourrait y avoir |
| |
dépendance entre les variables d'entrée. |
| |
Faites défiler un peu vers le bas et nous verrons... je veux parler de ce que cela signifie |
| |
avoir une indépendance stochastique. |
| |
Deux événements A et B sont indépendants si et seulement si leurs probabilités conjointes sont égales au produit de leurs probabilités. C'est ce que nous souhaitons. C'est le résultat final que nous souhaitons. Je vais le définir, le considérer un peu différemment, etc. |
| |
Cela devrait clarifier un peu les choses. Si nous observons l'intersection de A et B, les événements A et B sont égaux au produit conjoint qui implique que |
| |
la probabilité de A est égale à la probabilité de A étant donné B, ou de même, la probabilité...avec les probabilités conjointes, mais la probabilité de B est égale à la probabilité de B étant donné A. |
| |
Ainsi, l'occurrence de A et B est |
| |
n'est pas affecté. |
| |
L’occurrence de B n’est pas affectée par la probabilité de A et vice versa. |
| |
2, 4 ou 6. |
| |
Vous pouvez facilement voir que le |
| |
le |
| |
la probabilité de A est de 2 et 6 ou un tiers, et la probabilité de B est de 3 et 6 ou un demi. |
| |
Mais si vous regardez le |
| |
intersection de A et B, c'est 2. Et donc la probabilité que A fois B soit 1 sur 6 et 2 est qu'ils obtiennent 2, et le seul résultat que vous obtenez est donc de 1 sur 6. |
| |
Maintenant, la probabilité de A |
| |
est égale à la probabilité qu'un événement B donné soit égal à un tiers. Et si nous regardons cela et que nous réalisons que nous disons, OK, B s'est produit, nous savons que nous avons |
| |
Un 2, un 4 ou un 6, mais il y a toujours une chance sur trois que A se soit produit. On voit donc que cette probabilité reste d'un tiers. De même, on observe la même chose avec la probabilité de B. |
| |
Par conséquent, A et B sont indépendants. |
| |
Je joue maintenant un rôle et je prends l'exemple que j'ai et j'en parle. Je simule la charge parasitaire. |
| |
Et la probabilité d'un couple reproducteur. |
| |
Ce que nous avons, c'est que nous avons une population de récolte de fruits et à partir de cette population de récolte de fruits, nous allons avoir certaines pratiques culturelles qui sont appliquées dans le... |
| |
dans notre |
| |
verger Grove ou |
| |
vignoble pour obtenir une charge de parasites...aura une charge de parasites après l'application de ces pratiques culturales. |
| |
Ensuite, il faut récolter… la récolte est faite, on procède à un tri manuel et on estime la charge parasitaire. Et après ça, on peut… vous voyez que nous avons… |
| |
Un entrepôt frigorifique, et après, on aura plein de nuisibles. On va essayer de les geler à mort. |
| |
Et la dernière chose que nous faisons, une fois que nous avons cette charge de parasites ici, c'est que nous allons la diviser dans une distribution marketing et diviser cette population en plusieurs morceaux plus petits. |
| |
Et nous pourrons calculer la probabilité d'un couple reproducteur à partir de cela. |
| |
Eh bien, le problème, vous pouvez le voir immédiatement, c'est que ces choses deviennent très dépendantes parce que la sortie de la population récoltée est l'entrée pour le traitement A. La sortie du traitement A est l'entrée pour le traitement B et ainsi de suite jusqu'à C jusqu'à la paire de réunion. |
| |
Voici un tableau avec lequel nous allons commencer. Voici ce que nous avons configuré pour le simulateur, avec une population de 1 à 2,5 millions de fruits. Nous avons un traitement. |
| |
Voici une fourchette de traitement de l'efficacité de l'atténuation que nous observons. Voici le nombre de survivants attendus de cette population traitée, et nous avons un |
| |
La population A en résulte. Nous aurons donc une population B. Nous pouvons examiner les formules utilisées ici. |
| |
Ce qui est fait ici, un peu différemment, c'est que j'insère une variable aléatoire qui sera transmise au profileur. Ainsi, le profileur la verra immédiatement comme une variable aléatoire entrante. Nous simulons donc l'entrée de la variable, avant même son entrée. |
| |
Donc, avec ça, vous pouvez… nous pouvons traverser. Vous pouvez voir le reste du tableau. Nous allons de l'autre côté. Nous avons un autre groupe, nous avons des survivants qui ont suivi le traitement C, le même type de traitement. |
| |
Ensuite, nous avons cette distribution et nous avons la probabilité d'un couple. Je vais vous montrer la formule. Elle est légèrement différente. La probabilité d'un couple. Eh bien, il s'agit simplement d'une exponentielle. |
| |
Pour estimer la probabilité d'accouplement, vous savez ce qui se passe. Je ne vous ai rien caché. Voyons voir. Pour ouvrir le profileur, nous allons dans le graphique, puis dans le profileur. |
| |
Très bien. Ensuite, nous allons sélectionner les variables dont la formule nous intéresse. Nous aurons donc… nous aurons la population A, la population B, les survivants et la probabilité d'un couple reproducteur. |
| |
Nous allons les mettre en place et nous allons dire, oh-oh, nous devons étendre la variation ici et nous allons dire, d'accord. |
| |
Nous avons obtenu un bon résultat. |
| |
Ces graphiques sont très attrayants. La première chose que vous verrez, ce sont des lignes ondulées dans ce profileur, auxquelles vous n'êtes probablement pas habitué si vous utilisez un profileur. |
| |
C'est juste une approche un peu différente et ainsi de suite qui vous permet de voir comment ces choses fonctionnent et |
| |
Je fais un petit ajustement ici pour que vous puissiez mieux voir les écrans. |
| |
À partir de maintenant, nous allons ouvrir le simulateur dans le profileur. Il suffit de cliquer dessus et de voir ce qui s'affiche. |
| |
Ces choix sont indiqués ci-dessous. Je souhaite d'abord augmenter le nombre de simulations à 25 000. Et ce que je vais faire… si nous avons une indépendance, l'un des tests que nous utilisons souvent est que |
| |
Nous allons examiner la corrélation. Je vais donc utiliser une corrélation ici. Utilisons les corrélations et établissons des corrélations. Pour cette première |
| |
population, je vais l'appeler multivariée et vous pouvez immédiatement voir que nous obtenons une spécification de corrélation ci-dessous. |
| |
Et nous allons mettre en place un autre multivarié ici et un autre multivarié pour le traitement B. |
| |
Une autre multivariée pour le traitement A. Maintenant, ce que cela fait, c'est que cela prend les paramètres de traitement que nous avions ci-dessus, que nous avions avant. |
| |
Et cela place ceux-ci dans notre relation multivariée les uns avec les autres. |
| |
Nous avons également la dernière chose, cette distribution marketing. Je ne veux pas qu'elle soit continue, alors je vais la rendre aléatoire et la définir comme un entier. |
| |
Nous allons définir cette valeur comme un entier, l'exécuter et voir les résultats. Voici… j'appellerai cela la situation « Boucle d'or » avec tous ces zéros, ce qui implique que toutes ces relations sont totalement indépendantes et que nous pouvons exécuter notre simulateur. |
| |
Et voyez les résultats. |
| |
Faites un peu plus de réglage ici sur ces axes. |
| |
Ceci prend vie. Veuillez chercher ici. |
| |
D'accord. |
| |
Vous voyez maintenant ces résultats. Mais ce que nous allons voir ici, c'est que nous avons le taux |
| |
Au-delà d'une limite prédéfinie, j'ai réintégré ces limites de spécification dans les variables, mais celle qui m'inquiète le plus est la probabilité d'un couple reproducteur. |
| |
Et vous savez, j'ai fait ça en temps réel et ça n'a pas marché exactement comme prévu. Essayons encore quelques fois. Voyez. |
| |
Nous avons obtenu la probabilité d'un couple reproducteur, qui est censée être de 0,5, mais ce n'est certainement pas le cas. J'ai quelque chose qui ne va pas… Tiens, essayons ceci et corrigeons cela. |
| |
Ce serait 4 et |
| |
14 |
| |
Essayons la simulation une fois de plus. Ça ne marche toujours pas. Bon, l'exemple n'a pas vraiment fonctionné, mais |
| |
Dans l'exemple précédent, j'avais 0,4. Cela signifiait donc que le taux créait moins de temps, mais j'avais cette probabilité |
| |
Une probabilité de 0,15 d'obtenir un couple reproducteur, mais c'est ce qui arrive parfois lorsque vous essayez de faire les choses à la volée. |
| |
Alors, je vais ouvrir une fenêtre pour examiner ce résultat. Et… c'est un peu différent. Vous pouvez voir maintenant que |
| |
Cette probabilité est inférieure à 5 %. C'est l'objectif que nous visons. |
| |
Dans cette simulation. Si on monte et qu'on peut effectuer ces simulations, on voit à nouveau les fluctuations, restant sous 0,5. |
| |
il arrive que dans moins de 5 % des cas, la probabilité d'un couple reproducteur soit supérieure à 1,5. |
| |
Maintenant, parce que, encore une fois, je dirai que c'est un peu un scénario idéal, car nous supposons que toutes ces relations sont indépendantes. Je peux vous montrer un exemple, où nous en avons une qui est |
| |
antagonistes et synergiques. Je vais donc prendre le premier ici, et dans celui-ci, nous avons que |
| |
Les relations sont conflictuelles. Si vous créez un exemple comme celui-ci, vous ne pouvez pas… du moins, je n'ai pas réussi à tout rendre négatif. Si vous remarquez, ces deux éléments sont positifs. |
| |
On veut que la matrice soit définie positive. Et elle ne l'est pas si on met tout à zéro, mais on peut relancer la simulation. Et vous pouvez constater que… |
| |
Vous pouvez voir ici que ces simulations avec un effet négatif rendent les choses très, très attractives. Nous obtenons un taux très, très bas… |
| |
On a… on a une probabilité de 1,15 d'un couple reproducteur, ce qui permet de visualiser l'effet. Et ce que je veux vraiment montrer, c'est l'effet de ceci. |
| |
Spécifications de corrélation, matrice de corrélation ici, matrice de covariance que vous avez spécifiée. Voyons maintenant une autre donnée : celle qui est positive. |
| |
Et nous avons ici un exemple où c'est positif. Vous pouvez le voir ici. Je l'ai dit ici. Je n'ai pas vraiment fait preuve d'audace en augmentant ces corrélations. |
| |
J'ai essayé de les maintenir assez bas pour être réaliste, après tout, ce sont des données biologiques. On peut refaire ces simulations et on constate très vite que l'on dépasse ce taux de 5 %, ce qui… devient… |
| |
Il y a beaucoup d'inquiétudes ici et ainsi de suite. Et si vous… si la plupart du temps, ces simulations sont effectuées sans tenir compte de la corrélation entre les variables, ce qui revient à se voiler la face et à dire : « Je n'ai pas vu ceci, etc. »… Mais c'est vraiment… |
| |
s'il y en a, s'il y a une relation de corrélation et il y en a très probablement, car l'une de ces sorties est l'entrée du processus suivant, |
| |
il faut donc que cela soit assez dépendant, et quelles que soient ces dépendances, estimer ces corrélations sera une tâche difficile à accomplir la plupart du temps. |
| |
Les travaux dans ce domaine sont réalisés sur la base d'articles de recherche et ne présentent donc pas de corrélations entre les différents types de traitements. |
| |
Mais avoir une estimation de ces valeurs est une bonne chose, une bonne chose à avoir. L'étape suivante consiste à vous montrer ce que nous pouvons faire d'autre. Nous pouvons créer un tableau. Et si nous le créons et… |
| |
Eh bien, nous allons créer ce tableau et je vais simplement surligner tout ce qui s'y trouve jusqu'aux couples reproducteurs ici. Ensuite, je vais simplement |
| |
faire une analyse de distribution. |
| |
Et exécutez tout cela et dites, OK. Maintenant, nous obtenons toutes ces grandes distributions, remplissez le |
| |
papier avec. Mais ce que nous pouvons faire, c'est aller chercher et sélectionner les distributions qui dépassent nos |
| |
Limite ici. Nous pouvons simplement les mettre en évidence, et cela devient très instructif lorsqu'on regarde en arrière et qu'on peut voir les mesures d'atténuation, ce qui se passe, etc. Qu'est-ce qui affecte ces choses ? |
| |
Et l'une des choses qui… tout d'abord, notre population initiale, et cela est basé sur ce que nous avons vu dans la vie réelle, c'est qu'à mesure que la population augmente, |
| |
lorsque nous avons de très grandes populations de fruits, la tendance est aux défaillances du système, |
| |
Traitement A, etc. Ce qui m'a semblé le plus intéressant, si l'on revient en arrière et que l'on examine la distribution marketing, |
| |
Que si nous les poussons, si nous exigeons que les expéditions arrivent dans le pays et que le service de distribution marketing divise ces expéditions en lots plus petits pour être distribués, la probabilité d'accouplement des couples devient pratiquement nulle. |
| |
Avec ces exemples et tout le reste, je souhaite répondre aux questions. Mais permettez-moi de dire une dernière chose : je pense à George Box. |
| |
Il était présent à l'une de nos réunions il y a quelques années. Ses deux citations étaient vraiment intéressantes. Il disait : « Ne tombez pas amoureux d'un mannequin. » |
| |
Il a également ajouté : « Tous les modèles sont faux, mais certains sont utiles. » J’espère que ces informations et ces exemples vous donneront matière à réflexion lors de vos simulations, notamment sur la nécessité de prendre en compte la relation entre les variables. Merci. |
