Sélection des meilleures solutions pour la prédiction inverse à réponses multiples avec JMP ®Lu Lu, PhD, professeur adjoint de statistiques, Université de Floride du Sud
Christine M. Anderson-Cook, Ph. D., chercheuse scientifique, Laboratoire national de Los Alamos
La prédiction inverse utilise les relations entre plusieurs entrées et sorties d'un processus pour prédire l'ensemble d'entrées (causes) le plus probable susceptible d'avoir généré un ensemble de sorties nouvellement observées. Elle trouve d'importantes applications dans la criminalistique de la contrebande et les problèmes de détection inverse. La pratique actuelle consiste à rechercher la meilleure correspondance unique pour les entrées en fonction des réponses observées, en minimisant la distance mesurée entre la nouvelle observation et les réponses estimées à différents endroits. Cet exposé présente une approche alternative, qui utilise l'optimisation du front de Pareto pour identifier plusieurs solutions principales classées avec une certaine quantification de la robustesse à différentes priorisations de réponses. Un nouveau module complémentaire pour JMP implémentant les méthodes proposées sera présenté à l'aide d'un exemple de procédé chimique.
