ブートストラップシミュレーション列の作成中にJMP数式エラーが発生しました欠損値が多く、観測値が少ないデータセットを扱っているため、モデリングが困難です。この問題を解決するために、ブートストラップ再サンプリングを使用したいと考えています。データセットの1つの列には、添付のExcelファイルに示されている値が含まれており、この列を10,000個の観測値からなるシミュレーションデータ（列名：Sim_Y1_Liability）に置き換えたいと考えています。シミュレーション値を生成するために以下の2つの数式を使用しましたが、JMPに入力するとエラーが発生します。エラーの原因と修正方法についてアドバイスをいただけないでしょうか？
JMPフォーミュラ1：
ランダムに選択(
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式2：
ランダムサンプル(
{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]
データ統合とデータクリーンアップ件名：ブートストラップシミュレーション列作成時のJMP数式エラーこれらの関数はどちらも JMP には存在しません。利用可能な Random 関数は、スクリプト インデックスまたは JSL 構文リファレンス(JSL 構文リファレンス > JSL 関数、演算子、およびメッセージ > Random 関数)で確認できます。おそらく、値のリストを Random Integer と組み合わせることで、これらのランダムなランダムな整数 (jsl.jmp.com)のいずれかを取得できます。
件名：ブートストラップシミュレーション列作成時のJMP数式エラー感謝あなたのためにのコメント。はい、I できる生成するランダム数字使用の技術あなた提案した。しかし、I 午前具体的には興味があるで作成a ブートストラップシミュレーションカラムと10,000観察結果のためにのデータセット。I 知るI できるするこれによる選択の分布、クリック平均, そしてそれから応募するブートストラップ。はそこには1代替方法利用可能？
件名：ブートストラップシミュレーション列作成時のJMP数式エラーこのJSLを試してみて、必要なものが得られるかどうか確認してください。
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 )
);
件名：ブートストラップシミュレーション列作成時のJMP数式エラーこんにちは、 @Madhu_Acharyya さん。
コミュニティへようこそ！
私からは全く異なる回答（そして質問！）があります。
- 少数の観測データでも信頼性の高いモデルを構築できます。データセットの質と含まれる情報は、データの数や量よりも重要です。
- ブートストラップ法を用いてデータセットのサイズを「人為的に」拡大しても、モデルの適合が容易になるわけではありません。データに既に存在するパターンを繰り返し強調するだけで、モデルやパフォーマンス指標が過大評価され、信頼区間が「人為的に縮小」されることで、モデルに対する（誤った）信頼感を与えてしまうだけです。
- ご提供いただいたファイルからは、あなたが何をしようとしているのかが明確ではありません。単純に推測すると、あなたは年を基準としたCPF応答の予測（ 時系列分析や時系列予測など）を行いたいと考えているようですが、シミュレーションに関する2つ目のファイルには、全く異なる列が含まれています。もう少し詳しく説明していただけますか？
時系列分析を行う予定であれば、まずはウィンドウ幅を3点または5点とした単純移動平均など、簡単な方法から試してみることをお勧めします。このようなシンプルなモデルでも、データの傾向を理解し、予測するのに役立ちます。
ARIMAやSeasoned ARIMAなどのより高度な手法やモデルも利用可能ですが、より多くの仮定と、季節性やその他のモデルパラメータのより詳細な定義が必要となります。
この回答が議論の参考になれば幸いです。
