Stufe: Power
William Q. Meeker, Professor für Statistik und angesehener Professor an der Iowa State University
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
In dieser Sitzung zeigen wir einige Beispiele, wie es JMP einfacher gemacht hat, simulationsbasierte statistische Methoden zu nutzen. Wir werden mit Zuverlässigkeitsanwendungen beginnen und zeigen, wie man feinere Schlüsse ziehen kann, wenn nur wenige Beobachtungen mit Bayes'schen Techniken in der Life-Distribution-Plattform und in der Fit-Life-X-Plattform eingesetzt werden. Wir werden dann den One-Click-Bootstrap in JMP Pro mit mehreren Anwendungsbeispielen vorstellen, wobei der Bootstrap mit Fractional-Random-Gewicht besonders hervorgehoben wird.
Der auf Resampling basierende klassische Bootstrap wird seit Jahrzehnten für die Berechnung vertrauenswürdiger Konfidenzintervalle für Anwendungen eingesetzt, bei denen keine exakte Methode verfügbar ist und wenn die Stichprobengrößen nicht groß genug sind, um auf einfach zu berechnende Approximationsmethoden für große Stichproben angewiesen zu sein.
Es gibt jedoch viele Anwendungen, bei denen die Bootstrap-Methode für das Resampling nicht verwendet werden kann. Dazu gehören Situationen, in denen die Daten stark zensiert werden; logistische Regression, wenn die Antwort „Erfolg“ ein seltenes Ereignis ist oder wenn die Erfolge und Misserfolge der erklärenden Variablen nur begrenzt vermischt werden; und konstruierte Experimente, bei denen die Anzahl der Parameter der Anzahl der Beobachtungen nahe kommt. Diese drei Situationen haben gemeinsam, dass es in einem erheblichen Teil der Resample möglicherweise unmöglich ist, alle Parameter im Modell zu schätzen. Die Bootstrap-Methode "Fractional-Random-Weight" kann verwendet werden, um diese Probleme zu vermeiden und vertrauenswürdige Vertrauensintervalle bereitzustellen.
Als Nächstes zeigen wir Ihnen, wie Sie Leistungsberechnungen mit der Simulate-Funktion in JMP Pro durchführen. Dies macht es einfach, Leistungsberechnungen für viele Analysen in JMP durchzuführen, insbesondere für geplante Experimente, bei denen das Ergebnis binär ist. Zum Schluss zeigen wir Ihnen, wie Sie mithilfe der Option Save Bagged Estimates im Profiler Vertrauensintervalle für neuronale Netzwerkvorhersagen erhalten.
