Brad Foulkes , Principal Engineer for Lifing Analytics, GE Power Services
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-g2cWw3ODE63Hmz2_46HxePoxfW0xeS6Lw400h300r97', 'g2cWw3ODE63Hmz2_46HxePoxfW0xeS6L', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});(visualizza in I miei video)
I modelli che prevedono la probabilità di un evento possono essere difficili da interpretare. Se la modella ha mancato un evento, vuol dire che era una cattiva modella? O i risultati erano semplicemente entro i limiti di confidenza del modello? L'utilizzo di un solo valore può portare a conclusioni errate. Per cercare di dare un risultato migliore, abbiamo sviluppato un processo per simulare la probabilità che un evento si verifichi in un determinato momento e utilizzare tali risultati per capire come giudichiamo il modello. Questo processo è progettato per funzionare utilizzando JMP e JSL per sviluppare un'interfaccia utente per l'immissione di dati e un modello, eseguire la simulazione e fornire visivamente i risultati per dare un rapido controllo della validità del modello. Per i set di dati di grandi dimensioni, questo può essere un compito particolarmente noioso e computazionalmente oneroso. JMP offre la possibilità di memorizzare una matrice di dati in una cella e questa funzione viene utilizzata per migliorare la velocità di esecuzione della simulazione. Questa presentazione illustrerà il processo generale di convalida del modello, insieme allo scripting JSL di creazione dello strumento e dell'interpretazione dell'output.
