Niveau : Puissance
William Q. Meeker, professeur de statistiques et professeur émérite, Université d'État de l'Iowa
Chris Gotwalt, directeur de la recherche et du développement statistiques du JMP, SAS
Dans cette session, nous présenterons plusieurs exemples illustrant comment JMP a simplifié l'exploitation des méthodes statistiques basées sur la simulation. Nous commencerons par des applications de fiabilité et montrerons comment obtenir des inférences plus précises lorsque le nombre d'observations est très faible grâce aux techniques bayésiennes des plateformes Life Distribution et Fit Life By X. Nous présenterons ensuite le bootstrap en un clic dans JMP Pro à l'aide de plusieurs exemples d'utilisation, en insistant particulièrement sur le bootstrap fractionnaire à pondération aléatoire.
Le bootstrap classique, basé sur le rééchantillonnage, est largement utilisé depuis des décennies pour calculer des intervalles de confiance fiables pour des applications où aucune méthode exacte n'est disponible et lorsque les tailles d'échantillon ne sont pas suffisamment grandes pour s'appuyer sur des méthodes approximatives à grands échantillons faciles à calculer.
Il existe cependant de nombreuses applications où la méthode bootstrap par rééchantillonnage est inutilisable. Parmi celles-ci figurent les situations où les données sont fortement censurées ; la régression logistique lorsque la réponse « succès » est rare ou lorsque la combinaison de succès et d'échecs entre les variables explicatives est limitée ; et les expériences planifiées où le nombre de paramètres est proche du nombre d'observations. Ces trois situations ont en commun l'impossibilité, dans une proportion importante des rééchantillonnages, d'estimer tous les paramètres du modèle. La méthode bootstrap à pondération aléatoire fractionnaire permet d'éviter ces problèmes et de fournir des intervalles de confiance fiables.
Nous allons maintenant montrer comment effectuer des calculs de puissance à l'aide de la fonctionnalité Simuler de JMP Pro. Cela simplifie les calculs de puissance pour de nombreuses analyses dans JMP, notamment les expériences planifiées dont le résultat est binaire. Enfin, nous montrerons comment obtenir des intervalles de confiance pour les prédictions des réseaux de neurones grâce à l'option Enregistrer les estimations groupées du profileur.
