Lösung großer, komplexer und unstrukturierter statistischer Probleme
Roger W. Hoerl, Manager, Labor für angewandte Statistik, GE Global Research
Ronald D. Snee, Präsident, Snee Associates
In dieser Sitzung wird die Vorgehensweise bei großen, komplexen und unstrukturierten statistischen Problemen erörtert. Sie basiert auf der zweiten Auflage des Buches Statistisches Denken: Verbesserung der Geschäftsleistung (Hoerl und Snee 2012), kürzlich erschienen als Teil der Wiley and SAS Business Series. Es besteht großes Interesse daran, komplexe statistische Probleme anzugehen, d. h. solche, die „… keinem erkennbaren Lehrbuchkapitel entsprechen“ (Meng 2009). Die meisten Lehrbuchprobleme sowie die auf Konferenzen und in Publikationen diskutierten Probleme sind in der Regel eng definiert und erfordern eine „richtige“ statistische Methode zur Lösung. Große, komplexe Probleme hingegen sind typischerweise breit angelegt und erfordern Vorarbeit, um Struktur zu schaffen. Sie erfordern eine dynamische Prozesssicht im Gegensatz zu einer statischen Populationssicht, um mehrere Datenquellen richtig zu verstehen und zu interpretieren. Darüber hinaus erfordern solche Probleme fast immer die effektive Integration mehrerer statistischer Methoden in einen wissenschaftlichen Gesamtansatz, nicht nur die Identifizierung des einen „richtigen“ statistischen Werkzeugs. Kurz gesagt, sie erfordern neben der Kenntnis der Werkzeuge auch kreatives und innovatives statistisches Denken. Die Autoren verwenden den Begriff „Statistical Engineering“ für die Integration mehrerer statistischer Methoden und Werkzeuge zur Lösung komplexer Probleme (Hoerl und Snee 2010). JMP kann Praktikern, die mit solchen Problemen konfrontiert sind, wichtige Erkenntnisse liefern. Obwohl es für große, komplexe Probleme keine einfache Methode gibt, präsentieren die Autoren Richtlinien zum Nachdenken und Angehen dieser Probleme.
