Este póster destaca varias estrategias prácticas adoptadas a lo largo de los años para que los modelos sean más aplicables a sistemas reales.
Para que un modelo sea útil, debe ser representativo de un sistema. Y para que el modelo sea ampliamente adoptado, los usuarios deben confiar en él.
Aunque JMP cuenta con excelentes plataformas y técnicas para modelar datos, el modelo resultante no siempre representa fielmente la realidad ni es bien recibido por los usuarios potenciales. La realidad es compleja y, al modelar datos reales, las variables a menudo solo pueden tomar valores positivos o estrictamente positivos (por ejemplo, el peso y la altura de una persona), o bien son porcentajes que oscilan entre el 0 % y el 100 % (por ejemplo, el contenido de agua en un producto).
Aunque el modelo obtenido parezca reflejar las tendencias esperadas por los expertos en la materia, un modelo que, en ciertas condiciones, predice un valor negativo para un resultado que en la realidad es exclusivamente positivo, será rápidamente descartado. En este póster se han utilizado con éxito diversas estrategias, como transformaciones, distribuciones y varios tipos de modelado híbrido, para obtener modelos más realistas.
