953036_de-DE

liliconcom

JMP-Formelfehler beim Erstellen einer Bootstrap-simulierten Spalte

Ich arbeite mit einem Datensatz, der viele fehlende Werte und eine geringe Anzahl an Beobachtungen enthält, was die Modellierung erschwert. Um dieses Problem zu lösen, möchte ich Bootstrap-Resampling verwenden. Eine Spalte des Datensatzes enthält die Werte aus der beigefügten Excel-Datei. Diese Spalte möchte ich durch simulierte Daten mit 10.000 Beobachtungen ersetzen (Spaltenname: Sim_Y1_Liability). Ich habe die folgenden zwei Formeln verwendet, um die simulierten Werte zu generieren, aber JMP gibt beim Eingeben einen Fehler aus. Kann mir jemand sagen, woran das liegen könnte und wie ich den Fehler beheben kann?

JMP Formel 1:

Zufällig auswählen

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

)

JMP Formel 2:

Zufallsstichprobe

{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]

Datenzusammenführung und -bereinigungBetreff: JMP-Formelfehler beim Erstellen einer Bootstrap-simulierten Spalte

Keine dieser Funktionen existiert in JMP. Die verfügbaren Zufallsfunktionen finden Sie im Skriptindex oder in der JSL- Syntaxreferenz unter JSL-Syntaxreferenz > JSL-Funktionen, -Operatoren und -Nachrichten > Zufallsfunktionen . Sie können Ihre Werteliste höchstwahrscheinlich mit der Funktion `Random Integer` kombinieren, um einen zufällig generierten Wert zu erhalten (jsl.jmp.com).

Betreff: JMP-Formelfehler beim Erstellen einer Bootstrap-simulierten Spalte

DankDufürDieKommentare.Ja,I dürfenerzeugenzufälligZahlenVerwendungDieTechnikDuempfohlen.Jedoch,I BinspeziellinteressiertInerstellena Bootstrap-simuliertSpaltemit10.000BeobachtungenfürDieDatensatz.I wissenI dürfenTunDasvonAuswahlDieVerteilung,KlickenBedeuten, UndDannAnwendungBootstrap.IstDorteinAlternativeVerfahrenverfügbar?

Betreff: JMP-Formelfehler beim Erstellen einer Bootstrap-simulierten Spalte

Probieren Sie dieses JSL aus und sehen Sie, ob es Ihnen das liefert, was Sie benötigen:

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 )
);

Betreff: JMP-Formelfehler beim Erstellen einer Bootstrap-simulierten Spalte

Hallo @Madhu_Acharyya ,

Willkommen in der Community!
Eine völlig andere Antwort (und andere Fragen!) von meiner Seite:

• Auch mit wenigen Beobachtungen lässt sich ein zuverlässiges Modell erstellen. Die Qualität und die Informationen in Ihrem Datensatz sind wichtiger als die Anzahl/Menge der Daten.
• Die Verwendung von Bootstrapping zur „künstlichen“ Vergrößerung des Datensatzes erleichtert nicht die Modellanpassung. Sie wiederholt und verstärkt lediglich bereits vorhandene Muster und vermittelt einen (falschen) Eindruck von Vertrauen in das Modell, was zu aufgeblähten Modell-/Leistungsmetriken und künstlich verkleinerten Konfidenzintervallen führt.
• Anhand der von Ihnen bereitgestellten Dateien ist Ihr Vorhaben nicht eindeutig. Ich hätte vermutet, dass Sie die CPF-Reaktion auf Jahresbasis prognostizieren möchten (also eine Zeitreihenanalyse bzw. -prognose ), aber Ihre zweite Datei mit den Simulationen weist ganz andere Spalten auf. Könnten Sie das bitte erläutern?

Wenn Sie eine Zeitreihenanalyse durchführen möchten, würde ich zunächst einfache Optionen ausprobieren, wie z. B. den einfachen gleitenden Durchschnitt mit einer Fensterbreite von 3 oder 5 Punkten, da dieser einfache Modelltyp dennoch hilft, den Trend in Ihren Daten zu verstehen und vorherzusagen:

Es stehen auch fortgeschrittenere Methoden und Modelle zur Verfügung, wie ARIMA / Seasoned ARIMA / ..., die jedoch mehr Annahmen und eine bessere Definition der Saisonalität und anderer Modellparameter erfordern.

Ich hoffe, diese Antwort trägt zur Diskussion bei.