레벨: 파워
William Q. Meeker, 통계학 교수이자 Iowa State University의 명예교수
Chris Gotwalt, SAS 통계 연구 및 개발 부문 JMP 이사
이 세션에서는 JMP가 시뮬레이션 기반 통계적 방법을 쉽게 활용할 수 있도록 한 몇 가지 예를 보여드리겠습니다. 신뢰성 응용 프로그램부터 시작하여 Life Distribution Platform과 Fit Life By X 플랫폼에서 베이지안 기법을 사용하여 관찰이 매우 적을 때 보다 정교한 추론을 얻는 방법을 보여드리겠습니다. 그런 다음 JMP Pro에서 원클릭 부트스트랩을 소개하고 여러 사용 예를 들며, 특히 분수-난수-가중 부트스트랩에 중점을 둡니다.
리샘플링 기반의 기존 부트스트랩은 수십 년 동안 정확한 방법을 사용할 수 없는 응용 프로그램과 쉽게 계산할 수 있는 대규모 표본 근사 방법에 의존하기에는 표본 크기가 충분히 크지 않은 경우에 신뢰할 수 있는 신뢰 구간을 계산하는 데 널리 사용되었습니다.
그러나 리샘플링 부트스트랩 방법을 사용할 수 없는 응용 프로그램이 많이 있습니다. 여기에는 데이터가 심하게 검열된 상황, "성공" 응답이 드문 이벤트이거나 설명 변수 전체에서 성공과 실패의 혼합이 제한적인 로지스틱 회귀, 매개변수 수가 관찰 수에 가까운 설계된 실험이 포함됩니다. 이 세 가지 상황의 공통점은 리샘플링의 상당 부분에서 모델의 모든 매개변수를 추정하는 것이 불가능할 수 있다는 것입니다. 분수-무작위-가중 부트스트랩 방법을 사용하면 이러한 문제를 피하고 신뢰할 수 있는 신뢰 구간을 제공할 수 있습니다.
다음으로 JMP Pro의 Simulate Feature를 사용하여 전력 계산을 수행하는 방법을 보여드리겠습니다. 이를 통해 JMP 전반에 걸쳐 많은 분석, 특히 결과가 이진인 설계된 실험에 대한 전력 계산을 간단하게 수행할 수 있습니다. 마지막으로 Profiler의 Save Bagged Estimates 옵션을 사용하여 신경망 예측에 대한 신뢰 구간을 얻는 방법을 보여드리겠습니다.
