JMP® 和 JMP® Pro 中的模拟方法，特别强调分数随机权重引导法 (EU 2018 418)等级：力量
William Q. Meeker，爱荷华州立大学统计学教授、杰出教授
Chris Gotwalt，SAS 统计研究与开发总监
在本课程中，我们将展示几个示例，说明 JMP 如何让利用基于模拟的统计方法变得轻松。我们将从可靠性应用开始，并展示如何在“寿命分布”平台和“按 X 拟合寿命”平台中使用贝叶斯技术在观测值很少的情况下获得更精确的推断。然后，我们将通过几个使用示例介绍 JMP Pro 中的一键引导法，特别强调部分随机权重引导法。
几十年来，基于重采样的经典引导法被广泛用于计算可信的置信区间，适用于没有精确方法可用且样本量不够大而无法依赖易于计算的大样本近似方法的应用。
然而，在许多应用中，重采样引导法无法使用。这些情况包括数据受到严格审查的情况；当“成功”响应是罕见事件或解释变量中成功和失败的混合有限时的逻辑回归；以及参数数量接近观测值数量的设计实验。这三种情况的共同点是，在相当一部分重采样中，可能无法估计模型中的所有参数。可以使用分数随机权重引导法来避免这些问题并提供值得信赖的置信区间。
接下来，我们将演示如何使用 JMP Pro 中的模拟功能进行功效计算。这使得在整个 JMP 中对许多分析进行功效计算变得非常简单，特别是结果为二元的设计实验。最后，我们将展示如何使用刻画器中的保存袋装估计选项获取神经网络预测的置信区间。
