Robert Anderson JMP Ingegnere di sistemi senior
Scienziati e ingegneri devono essere in grado di trovare il miglior modello possibile per il loro processo o prodotto e di identificare correttamente quali fattori siano realmente importanti e quali no. Spesso la preoccupazione maggiore è che un fattore importante o vitale venga trascurato. Tuttavia, un problema più insidioso e potenzialmente peggiore è che i metodi di modellazione statistica identificano spesso fattori statisticamente significativi ma non realmente attivi. L'identificazione di questi effetti non genuini comporta lo spreco di preziose risorse scientifiche e ingegneristiche in ulteriori indagini su questi falsi effetti. Potrebbero essere necessari tempo e risorse considerevoli prima che il modello difettoso e gli effetti non genuini vengano riconosciuti. La metodologia di validazione holdback di JMP Pro offre un modo efficace per eliminare questo problema di sovraadattamento del modello anche con set di dati relativamente piccoli. Utilizzando set di dati simulati, questo articolo dimostrerà con quale frequenza e facilità si possa verificare il problema di individuare effetti non genuini e come la validazione holdback possa efficacemente eliminarlo. Tuttavia, la validazione holdback non è una soluzione miracolosa e verranno anche illustrati alcuni esempi di casi in cui non funziona bene.
