Michael Crotty schrieb:
Scott, ich bin froh, dass Ihnen die Reihe der Blogbeiträge auf dem Bootstrap gefallen hat. Wenn Sie nicht über JMP Pro verfügen, können Sie weiterhin ein JSL-Skript für das Bootstrapping schreiben. Der Vorteil von JMP Pro besteht jedoch darin, dass das Bootstrapping mit einem Klick ausgeführt werden kann. Vielleicht haben andere Leser dies bereits in regulären JMPs gemacht und können ihre Vorgehensweise mitteilen.
Wenn der Bootstrap-Ansatz für Sie so attraktiv ist, dass Sie keine Verteilungsannahmen treffen müssen, können Sie nichtparametrische Tests und Methoden verwenden.
Scott Moore schrieb:
Welche Methode oder Tests würden Sie für diejenigen von uns, die nicht über die JMP Pro-Bootstrap-Option (1-4 Blogs) verfügen, zu einem Bootstrap-Einblick in die Daten verhelfen?
Wirklich genießen Sie Ihre Blogs.
Könnten Sie bitte kurz erklären, wie Sie die Plots am Ende erstellt haben?
Leider scheint der Link in deinem Beitrag defekt zu sein...
Vielen Dank!
Dies ist Teil 4 einer Reihe von Blog-Posts zur neuen Bootstrap-Funktion in JMP Pro, Version 10, die mit einer Einführung in begann Bootstrapping mit einem Klick .
In früheren Beiträgen dieser Serie haben wir uns mit Bootstrapping beschäftigt Funktionen des Ausgangs und mehrere Tabellen gleichzeitig. In diesem Beitrag verwenden wir etwas mehr JSL, um eine bestimmte Funktion (eine Regressionskurve) zu booten und die Bootstrapping-Kurve grafisch anzuzeigen. Dies ist eine Idee, die in Efron & Tibshirani (1993) kurz diskutiert wird.
Dieser Beitrag wird auch eine weitere neue Funktion von JMP 10 hervorheben: die Fit Curve-Plattform (auch bekannt als die "neue nichtlineare" Plattform). Die Plattform „Kurve anpassen“ kann interaktiv über das Startdialogfeld „Nichtlinear“ aufgerufen werden (Analysieren > Modellieren > Nichtlinear). Anstatt eine X-Spalte mit einer Spaltenformel anzugeben, geben Sie eine X-Spalte ohne Spaltenformel an. Dadurch gelangen Sie auf die neue Plattform. Die Fit Curve-Plattform ermöglicht es Ihnen dann, eine Vielzahl vordefinierter Kurven an Ihre bivariaten Daten anzupassen.
Für das heutige Beispiel werden wir Kurven an exponentielle Wachstumsdaten anpassen, insbesondere an die US-Bevölkerungsdaten im JMP-Beispieldatenverzeichnis. Zuerst passen wir eine lineare Regressionslinie an die Daten an, führen eine Bootstrap-Analyse der Steigungs- und Achsenabschnittsschätzungen der Regressionslinie durch und zeichnen die Sammlung von Linien, die von der Bootstrap-Stichprobe erzeugt wurden. Dann passen wir eine Exponentialkurve an die Daten an und machen dasselbe. Wir können dann diese Diagramme von "Bootstrapping-Kurven" vergleichen. In Abbildung 1 können wir sehen, dass es bei den Schätzungen der linearen Regressionslinie (linkes Feld) viel mehr Variabilität gibt als bei den Schätzungen für die exponentielle Kurve (rechtes Feld).
Nachdem ich dieses Beispiel einem meiner Kollegen gezeigt hatte, der die Fit Curve-Plattform entwickelt hat, wollte er sofort sehen, wie schlecht er die Bootstrapped-Kurve anpasst. Er entwickelte ein pharmakokinetisches Beispiel, das für jemanden, der mit dieser Art von Daten nicht vertraut ist, wie eine quadratische Kurve aussehen könnte. Aber aus der folgenden Abbildung können Sie sehen, dass die Quadratische für diese Daten nicht gut geeignet sind. Bei Verwendung eines pharmakokinetischen Modells erhalten Sie eine viel bessere Anpassung, wie im rechten Feld von Abbildung 2 gezeigt.
Für den interessierten Leser ist dies im Wesentlichen "bagging" (Bootstrap-Aggregation), beschrieben in Hastie et al. (2009).
Ich hoffe, diese Reihe von Anwendungsfällen der Bootstrap-Funktion in JMP Pro hat Ihr Interesse geweckt, es auszuprobieren. Wie in den vorherigen Beiträgen erwähnt, teilen Sie uns bitte alle interessanten Möglichkeiten mit, wie Sie die Bootstrap-Funktion verwenden. Die Folien und Journaldatei Beispiele (einschließlich dieses) aus meinem Discovery Summit-Vortrag finden Sie auf der Discovery-Website.
Verweise:
Efron, B. und Tibshirani, R. Eine Einführung in den Bootstrap . Chapman und Hall, 1993.
Hastie, T., Tibshirani, R. und Friedman, J. Die Elemente des statistischen Lernens . Springer, 2009.
@Marco_ - Entschuldigung für die späte Antwort. Ich fand die Skripte und musste eine kleine Änderung an der JSL vornehmen, damit sie in neueren Versionen von JMP ausgeführt werden konnte. Ich habe dann den Link zu meiner Discovery 2012-Seite aktualisiert. Sie sollten die aktualisierte JMP-Journaldatei auf finden können diese Präsentationsseite . Laden Sie das JMP-Journal herunter. Die Beispiele in diesem Blogbeitrag finden Sie im Abschnitt "Modell der Fit-Kurven-Plattform" des Journals.
@michael_jmp Danke vielmals!
Das Skript läuft jetzt! Eine zusätzliche Frage, da ich nicht mit JSL vertraut bin. Gibt es eine Möglichkeit, Ihr Beispiel "manuell" in einem der Diagrammersteller zu reproduzieren?
@Marco_ Nein, ich kenne keine Möglichkeit, die Kurven manuell im Graph Builder zu reproduzieren.
