Robert Anderson JMP Ingeniero sénior de sistemas
Los científicos e ingenieros necesitan encontrar el mejor modelo posible para su proceso o producto e identificar correctamente qué factores son realmente importantes y cuáles no. A menudo, la mayor preocupación es que se pase por alto un factor importante o vital. Sin embargo, un problema más insidioso y potencialmente peor es que los métodos de modelado estadístico suelen identificar factores estadísticamente significativos, pero no realmente activos. La identificación de estos efectos no genuinos implica el desperdicio de valiosos recursos científicos y de ingeniería en investigaciones posteriores sobre estos efectos falsos. Puede requerirse una cantidad considerable de tiempo y recursos antes de que se reconozcan el modelo defectuoso y los efectos no genuinos. La metodología de validación por retención de JMP Pro ofrece una forma eficaz de suprimir este problema de sobreajuste del modelo, incluso con conjuntos de datos relativamente pequeños. Utilizando conjuntos de datos simulados, este artículo demostrará la frecuencia y facilidad con la que puede ocurrir el problema de detectar efectos no genuinos y cómo la validación por retención puede suprimirlo eficazmente. Sin embargo, la validación por retención no es una solución mágica y también se mostrarán algunos ejemplos de cuándo no funciona correctamente.
