JMP® 和 JMP® Pro 中的模擬方法，特別強調分數隨機權重引導法 (EU 2018 418)等級：力量
William Q. Meeker，愛荷華州立大學統計學教授、傑出教授
Chris Gotwalt，SAS 統計研究與發展總監
在本次會議中，我們將展示幾個範例，說明 JMP 如何讓您輕鬆利用基於模擬的統計方法。我們將從可靠性應用開始，並展示如何在「壽命分佈」平台和「按 X 擬合壽命」平台中使用貝葉斯技術在觀測值很少的情況下獲得更精確的推論。然後，我們將透過幾個使用範例介紹 JMP Pro 中的一鍵引導法，特別強調分數隨機權重引導法。
幾十年來，基於重採樣的經典引導法被廣泛用於計算可信的置信區間，適用於沒有精確方法可用且樣本量不夠大而無法依賴易於計算的大樣本近似方法的應用。
然而，在許多應用中不能使用重採樣引導方法。其中包括數據受到嚴格審查的情況；當「成功」回應是罕見事件或解釋變數中成功和失敗的混合有限時，使用邏輯回歸；並設計了參數數量接近觀測數量地實驗。這三種情況的共同點是，在相當大比例的重新採樣中可能無法估計模型中的所有參數。可以使用分數隨機權重引導法來避免這些問題並提供可信的置信區間。
接下來我們將示範如何使用 JMP Pro 中的模擬功能進行功效計算。這使得在 JMP 中對許多分析進行功效計算變得非常簡單，特別是結果為二元的設計實驗。最後，我們將展示如何使用 Profiler 中的「保存袋裝估計」選項來獲得神經網路預測的置信區間。
