创建 Bootstrap 模拟列时 JMP 公式出错我正在处理一个包含大量缺失值和少量观测值的数据集，这使得建模变得困难。为了解决这个问题，我想使用自助法重采样。数据集中的一列包含附件 Excel 文件中所示的值，我想用包含 10,000 个观测值的模拟数据（列名：Sim_Y1_Liability）替换这一列。我使用了以下两个公式来生成模拟值，但是当我输入这些公式时，JMP 返回错误。请问有人知道可能是什么原因导致这个错误以及如何解决吗？
JMP一级方程式赛车：
随机选择（
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 Formula 2：
随机样本（
{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]
数据融合与清理回复：创建 Bootstrap 模拟列时 JMP 公式错误JMP 中没有这两个函数。您可以在脚本索引或 JSL 语法参考中找到可用的 Random 函数（JSL 语法参考 > JSL 函数、运算符和消息 > 随机函数） 。您很可能可以将值列表与 Random Integer 结合使用，从而获得一个随机整数（jsl.jmp.com）。
回复：创建 Bootstrap 模拟列时 JMP 公式错误感谢你为了这评论。是的，I 能产生随机的数字使用这技术你建议。然而，I 是具体来说感兴趣的在创建a 引导模拟柱子和10,000观察为了这数据集。I 知道I 能做这经过选择这分配，点击意思是, 和然后申请引导程序。是那里一个选择方法可用的？
回复：创建 Bootstrap 模拟列时 JMP 公式错误试试这个 JSL 脚本，看看能不能满足你的需求：
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 )
);
回复：创建 Bootstrap 模拟列时 JMP 公式错误你好@Madhu_Acharyya ，
欢迎加入社区！
我的回答（以及问题！）与此完全不同：
- 即使观测数据量不大，也能建立可靠的模型。数据集的质量和信息量比数据数量更重要。
- 使用引导抽样来“人为地”扩展数据集并不能帮助你更轻松地拟合模型。它只会重复并强化数据中已存在的模式，并给你一种对模型充满信心的（虚假）印象，导致模型/性能指标虚高，置信区间“人为地缩小”。
- 根据您提供的文件，我不清楚您的意图。我原本以为您想根据年份预测CPF响应（即进行时间序列分析和/或时间序列预测），但您的第二个模拟文件显示的列却截然不同。您能否解释一下？
如果您打算进行时间序列分析，我建议您先尝试一些简单的选项，例如窗口宽度为 3 或 5 个点的简单移动平均法，因为这种简单的模型类型仍然有助于理解和预测数据中的趋势：
还有更高级的方法和模型，如 ARIMA / Seasoned ARIMA / ...，但需要更多假设，并且需要更好地定义季节性和其他模型参数。
希望这个回答对讨论有所帮助。
