Erreur de formule JMP lors de la création d'une colonne simulée BootstrapJe travaille avec un jeu de données comportant de nombreuses valeurs manquantes et un faible nombre d'observations, ce qui complique la modélisation. Pour pallier ce problème, je souhaite utiliser le rééchantillonnage bootstrap. Une colonne du jeu de données contient les valeurs affichées dans le fichier Excel joint, et je souhaite la remplacer par des données simulées composées de 10 000 observations (Nom de la colonne : Sim_Y1_Liability). J'ai utilisé les deux formules suivantes pour générer les valeurs simulées, mais JMP renvoie une erreur lors de leur saisie. Quelqu'un pourrait-il m'indiquer la cause de cette erreur et comment la corriger ?
Formule 1 JMP :
Choisir au hasard (
0,
2239500,
929880,
2192100,
2806020,
0,
3387600,
109080,
1057860,
441840,
880950,
1753830,
0,
968070,
1990950,
295410,
1083420,
0,
235770,
616500,
0,
279120,
0,
591090,
35100
)
Formule JMP 2 :
Échantillon aléatoire (
{0, 2239500, 929880, 2192100, 2806020, 0, 3387600, 109080, 1057860, 441840,
880950, 1753830, 0, 968070, 1990950, 295410, 1083420, 0, 235770, 616500,
0, 279120, 0, 591090, 35100}
)[1]
Fusion et nettoyage des donnéesRe : Erreur de formule JMP lors de la création d’une colonne simulée BootstrapAucune de ces fonctions n'existe dans JMP. Vous trouverez les fonctions disponibles pour la fonction `Random` dans l'index de script ou la documentation de la syntaxe JSL : `JSL Syntax Reference > JSL Functions, Operators, and Messages > Random Functions` . Vous pouvez probablement combiner votre liste de valeurs avec `Random Integer` pour obtenir un entier aléatoire. (jsl.jmp.com)
Re : Erreur de formule JMP lors de la création d’une colonne simulée BootstrapRemerciertoipourlecommentaires.Oui,I peutgénéreraléatoireNombresen utilisantletechniquetoisuggéré.Cependant,I suisspécifiquementintéressédanscréera simulation bootstrapcolonneavec10 000observationspourleensemble de données.I savoirI peutfaireceparsélectionnerledistribution,cliquerSignifier, etalorsapplicationAmorçage.Estlàunalternativeméthodedisponible?
Re : Erreur de formule JMP lors de la création d’une colonne simulée BootstrapEssayez ce JSL et voyez s'il répond à vos besoins :
Names Default To Here( 1 );
dt = data table("Sample Data File_Sheet1");
dt << Distribution(
Continuous Distribution(
Column( :CPF_Payout_USD ),
Process Capability( 0 ),
Fit Normal
)
);
obj = current report();
obj["Fitted Normal Distribution",Number Col Box( 1 )] <<
Bootstrap(
10000,
Fractional Weights( 1 ),
Split Selected Column( 1 )
);
Re : Erreur de formule JMP lors de la création d’une colonne simulée BootstrapSalut @Madhu_Acharyya ,
Bienvenue dans la communauté !
Réponse (et questions !) complètement différentes de ma part :
- Il est possible d'obtenir un modèle fiable avec un petit nombre d'observations. La qualité et la richesse des informations contenues dans votre jeu de données sont plus importantes que leur nombre ou leur quantité.
- L'utilisation du bootstrap pour agrandir « artificiellement » votre ensemble de données ne facilitera pas l'ajustement d'un modèle. Elle ne fera que répéter et renforcer les schémas déjà présents dans les données et vous donnera une fausse impression de confiance dans le modèle, avec des indicateurs de performance gonflés et des intervalles de confiance artificiellement réduits.
- D'après les fichiers que vous avez fournis, votre objectif n'est pas clair. J'aurais naïvement supposé que vous souhaitiez effectuer une prévision de la réponse du CPF en fonction de l'année (donc une analyse et/ou une prévision de séries temporelles ), mais votre deuxième fichier concernant les simulations présente des colonnes très différentes. Pourriez-vous préciser votre demande ?
Si vous envisagez d'effectuer une analyse de séries temporelles, je vous conseillerais de commencer par des options simples, comme une moyenne mobile simple avec une largeur de fenêtre de 3 ou 5 points, car ce type de modèle simple permet tout de même de comprendre et de prévoir la tendance de vos données :
Des méthodes et des modèles plus avancés, comme ARIMA / Seasoned ARIMA / ... sont également disponibles, mais nécessitent davantage d'hypothèses et une meilleure définition de la saisonnalité et des autres paramètres du modèle.
J'espère que cette réponse pourra contribuer à la discussion.
