부트스트랩 시뮬레이션 열을 생성하는 동안 JMP 수식 오류 발생결측값이 많고 관측치 수가 적은 데이터셋을 다루고 있는데, 이 때문에 모델링이 어렵습니다. 이 문제를 해결하기 위해 부트스트랩 재샘플링을 사용하려고 합니다. 데이터셋의 한 열(첨부된 Excel 파일에 표시된 값)을 10,000개의 관측치로 구성된 시뮬레이션 데이터로 대체하려고 합니다(열 이름: Sim_Y1_Liability). 시뮬레이션 값을 생성하기 위해 다음 두 가지 수식을 사용했는데, JMP에서 입력하면 오류가 발생합니다. 오류의 원인과 해결 방법을 알려주시면 감사하겠습니다.
JMP 포뮬러 1:
무작위로 선택(
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 포뮬러 2:
무작위 샘플(
{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]
데이터 혼합 및 정리제목: JMP에서 부트스트랩 시뮬레이션 열 생성 중 발생하는 수식 오류 관련JMP에는 해당 함수가 없습니다. 스크립팅 인덱스 또는 JSL 구문 참조 (JSL 구문 참조 > JSL 함수, 연산자 및 메시지 > 난수 함수) 에서 Random이라는 이름으로 제공되는 함수를 찾을 수 있습니다. 아마도 원하는 값 목록을 Random Integer 함수와 조합하여 무작위로 생성된 정수를 얻을 수 있을 것입니다 (jsl.jmp.com).
제목: JMP에서 부트스트랩 시뮬레이션 열 생성 중 발생하는 수식 오류 관련감사하다너~을 위한그만큼댓글.예,I ~할 수 있다생성하다무작위의숫자사용그만큼기술너제안되었습니다.하지만,I ~이다구체적으로관심 있는~에만들기a 부트스트랩 시뮬레이션열~와 함께10,000관찰~을 위한그만큼데이터셋.I 알다 I ~할 수 있다하다이것~에 의해선택하는그만큼분포,클릭평균, 그리고그 다음에지원하는부트스트랩.~이다거기안대안방법사용 가능?
제목: JMP에서 부트스트랩 시뮬레이션 열 생성 중 발생하는 수식 오류 관련다음 JSL 코드를 사용해보고 원하는 결과가 나오는지 확인해 보세요.
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 )
);
제목: JMP에서 부트스트랩 시뮬레이션 열 생성 중 발생하는 수식 오류 관련안녕하세요 @Madhu_Acharyya 님 ,
커뮤니티에 오신 것을 환영합니다!
제 입장에서는 완전히 다른 답변(그리고 질문들!)입니다:
- 관측치 수가 적더라도 신뢰할 수 있는 모델을 만들 수 있습니다. 데이터의 양보다 데이터의 질과 내용이 더 중요합니다.
- 부트스트래핑을 사용하여 데이터셋 크기를 "인위적으로" 확장하는 것은 모델을 더 쉽게 적합시키는 데 도움이 되지 않습니다. 오히려 데이터에 이미 존재하는 패턴을 반복하고 강화하여 모델에 대한 (잘못된) 확신을 심어주고, 모델/성능 지표를 부풀리고 신뢰 구간을 "인위적으로 축소"할 뿐입니다.
- 제공해주신 파일만으로는 정확히 어떤 작업을 하려고 하시는지 파악하기 어렵습니다. 제 생각에는 연도별 CPF 반응을 예측하려는 것( 시계열 분석 및/또는 시계열 예측 )으로 추측했지만, 시뮬레이션 관련 두 번째 파일의 열 내용이 전혀 다릅니다. 좀 더 자세히 설명해 주시겠습니까?
시계열 분석을 하려면 먼저 윈도우 폭이 3 또는 5포인트인 단순 이동 평균과 같은 쉬운 옵션부터 시도해 보는 것이 좋습니다. 이러한 간단한 모델 유형도 데이터의 추세를 이해하고 예측하는 데 도움이 됩니다.
ARIMA/Seasoned ARIMA 등과 같은 더욱 발전된 방법과 모델도 있지만, 더 많은 가정과 계절성 및 기타 모델 매개변수에 대한 더 나은 정의가 필요합니다.
이 답변이 토론에 도움이 되기를 바랍니다.
