953036_it-IT

liliconcom

Errore nella formula JMP durante la creazione di una colonna simulata con bootstrap.

Sto lavorando con un dataset che contiene molti valori mancanti e un numero ridotto di osservazioni, il che rende difficile la modellazione. Per ovviare a questo problema, vorrei utilizzare il bootstrap resampling. Una colonna del dataset contiene i valori mostrati nel file Excel allegato e vorrei sostituirla con dati simulati costituiti da 10.000 osservazioni (Nome colonna: Sim_Y1_Liability). Ho utilizzato le due formule seguenti per generare i valori simulati, ma JMP restituisce un errore quando le inserisco. Qualcuno potrebbe indicarmi cosa potrebbe causare l'errore e come risolverlo?

Formula 1 JMP:

Scegli a caso(

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

)

Formula JMP 2:

Campione casuale

{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]

Unione e pulizia dei datiOggetto: Errore nella formula JMP durante la creazione di una colonna simulata con Bootstrap

Nessuna di queste funzioni esiste in JMP. Puoi trovare le funzioni disponibili da Random nell'Indice di scripting o nel Riferimento alla sintassi JSL Riferimento alla sintassi JSL > Funzioni, operatori e messaggi JSL > Funzioni casuali . Molto probabilmente puoi combinare il tuo elenco di valori con Random Integer per ottenere uno di questi Numero intero casuale (jsl.jmp.com)

Oggetto: Errore nella formula JMP durante la creazione di una colonna simulata con Bootstrap

GrazieVoiperILcommenti.SÌ,I PoteregenerarecasualenumeriutilizzandoILtecnicaVoisuggerito.Tuttavia,I Sononello specificointeressatoInscriverea simulazione bootstrapcolonnacon10.000osservazioniperILset di dati.I SapereI PotereFareQuestodiselezioneILdistribuzione,cliccareSignificare, EPoiapplicandobootstrap.ÈLàUNalternativametododisponibile?

Oggetto: Errore nella formula JMP durante la creazione di una colonna simulata con Bootstrap

Prova questo JSL e vedi se ti fornisce ciò di cui hai bisogno:

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 )
);

Oggetto: Errore nella formula JMP durante la creazione di una colonna simulata con Bootstrap

Ciao @Madhu_Acharyya ,

Benvenuto nella community!
Da parte mia, risposte (e domande!) completamente diverse:

• È possibile ottenere un modello affidabile anche con un numero limitato di osservazioni. La qualità e le informazioni contenute nel set di dati sono più importanti della quantità dei dati stessi.
• Utilizzare il bootstrapping per espandere "artificialmente" le dimensioni del dataset non vi aiuterà ad adattare più facilmente un modello. Si limiterà a ripetere e rafforzare i pattern già presenti nei dati, dandovi una (falsa) impressione di affidabilità del modello, con metriche di performance/modello gonfiate e intervalli di confidenza "artificialmente ridotti".
• In base ai file che hai fornito, non è chiaro cosa intendi fare. Avrei ingenuamente ipotizzato che volessi fare una previsione della risposta del CPF in base all'anno (quindi un'analisi delle serie temporali e/o una previsione delle serie temporali ), ma il tuo secondo file relativo alle simulazioni mostra colonne molto diverse. Puoi chiarire?

Se intendi eseguire un'analisi di serie temporali, ti consiglio di iniziare con opzioni semplici, come la media mobile semplice con una finestra di 3 o 5 punti, poiché questo tipo di modello semplice aiuta comunque a comprendere e prevedere l'andamento dei tuoi dati:

Sono disponibili anche metodi e modelli più avanzati, come ARIMA / ARIMA stagionale / ..., ma richiedono più ipotesi e una migliore definizione della stagionalità e di altri parametri del modello.

Spero che questa risposta possa essere d'aiuto nella discussione.