Level: Kraft
William Q. Meeker, Professor für Statistik und angesehener Professor, Iowa State University
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
In dieser Sitzung zeigen wir anhand mehrerer Beispiele, wie JMP die Nutzung simulationsbasierter statistischer Methoden vereinfacht. Wir beginnen mit Zuverlässigkeitsanwendungen und zeigen, wie sich mithilfe der Bayes-Techniken der Life Distribution Platform und der Fit Life By X-Plattform präzisere Schlussfolgerungen bei sehr wenigen Beobachtungen erzielen lassen. Anschließend stellen wir den One-Click-Bootstrap in JMP Pro anhand mehrerer Anwendungsbeispiele vor, insbesondere mit dem Fractional-Random-Weight-Bootstrap.
Das klassische Bootstrap-Verfahren, das auf Resampling basiert, wird seit Jahrzehnten häufig zur Berechnung zuverlässiger Konfidenzintervalle für Anwendungen verwendet, bei denen keine exakte Methode verfügbar ist und die Stichprobengrößen nicht groß genug sind, um auf einfach zu berechnende Näherungsmethoden für große Stichproben zurückzugreifen.
Es gibt jedoch viele Anwendungen, bei denen die Resampling-Bootstrap-Methode nicht verwendet werden kann. Dazu gehören Situationen mit stark zensierten Daten, die logistische Regression, wenn die „Erfolg“-Antwort selten auftritt oder Erfolge und Misserfolge über die erklärenden Variablen hinweg nur begrenzt vermischt sind, und geplante Experimente, bei denen die Anzahl der Parameter nahe an der Anzahl der Beobachtungen liegt. Allen drei Situationen ist gemeinsam, dass es bei einem erheblichen Anteil der Resamplings unmöglich sein kann, alle Parameter im Modell zu schätzen. Die Fractional-Random-Weight-Bootstrap-Methode kann verwendet werden, um diese Probleme zu vermeiden und zuverlässige Konfidenzintervalle zu liefern.
Als Nächstes zeigen wir, wie Sie Leistungsberechnungen mit der Simulationsfunktion in JMP Pro durchführen. Dies vereinfacht die Leistungsberechnung für viele Analysen in JMP, insbesondere für Experimente mit binärem Ergebnis. Abschließend zeigen wir, wie Sie mit der Option „Bagged Estimates speichern“ im Profiler Konfidenzintervalle für neuronale Netzwerkvorhersagen ermitteln.
