გამოხმაურება
Permite la creación de redes neuronales, el análisis de regresión y la agrupación. Utilice modelos predictivos para conseguir un control avanzado de los procesos (APC) y configure los procesos posteriores basándose en los resultados anteriores para compensar los problemas de calidad anteriores.
Comprenda cómo perciben los clientes la calidad y la fiabilidad de sus productos y servicios. Los comentarios de los clientes en tiempo real, procedentes de fuentes externas e internas, pueden proporcionar sugerencias de diseño o avisar con antelación de problemas de garantía y retirada de productos. El análisis de la calidad percibida también puede detectar los problemas que molestan a los clientes, pero que no se han convertido en quejas formales, de modo que puede abordarlos antes de que erosionen el valor de su marca y su ventaja competitiva.
Supervise automáticamente el rendimiento de los equipos y sistemas y reúna todos los datos operativos relevantes, independientemente del sistema o formato de origen. Utilice el modelado predictivo para descubrir patrones y correlaciones ocultas que puedan dar lugar a fallos. Mediante el uso de análisis de alto rendimiento, puede reducir el tiempo de inactividad no planificado y eliminar el mantenimiento innecesario al predecir la probabilidad de un fallo con suficiente antelación para realizar un mantenimiento ordenado y planificado y evitar costosas paradas de la línea.
Preguntas de práctica del Sas
El análisis de regresión, como la mayoría de las estadísticas multivariantes, permite inferir que existe una relación entre dos o más variables. Estas relaciones rara vez son exactas porque existe una variación causada por muchas variables, no sólo por las variables estudiadas.
Si dices que los estudiantes que estudian más sacan mejores notas, en realidad estás hipotetizando que hay una relación positiva entre una variable, el estudio, y otra variable, las notas. A continuación, podría completar su inferencia y poner a prueba su hipótesis reuniendo una muestra de datos (cantidad estudiada, calificaciones) de algunos estudiantes y utilizar la regresión para ver si la relación en la muestra es lo suficientemente fuerte como para inferir con seguridad que existe una relación en la población. Tenga en cuenta que incluso si los estudiantes que estudian más sacan mejores notas, la relación en la población no sería perfecta; la misma cantidad de estudio no dará lugar a las mismas notas para todos los estudiantes (o para un estudiante cada vez). Algunos estudiantes cursan asignaturas más difíciles, como química o estadística; otros son más inteligentes; algunos estudian de forma eficaz; y otros tienen suerte y descubren que el profesor les ha preguntado exactamente lo que han entendido mejor. Para cada nivel de cantidad estudiada, habrá una distribución de notas. Si existe una relación entre el estudio y las calificaciones, la ubicación de esa distribución de calificaciones cambiará de forma ordenada a medida que se pase de niveles de estudio más bajos a más altos.
Concurso del Sas
Los modelos estadísticos de regresión estiman los efectos de las variables independientes (IVs, también conocidas como predictores) sobre las variables dependientes (DVs, también conocidas como resultados). A veces, modelamos la modificación del efecto de una IV por otra IV, a menudo llamada variable moderadora (MV). Esta modificación del efecto se conoce como interacción estadística. Por ejemplo, podemos modelar el efecto del número de minutos de ejercicio (IV) sobre la pérdida de peso (VD) que es modificado por 3 tipos diferentes de ejercicio (VM). Las variables de interacción se generan multiplicando el IV y el MV juntos, y esta variable producto resultante se introduce en la regresión, normalmente junto con el IV y el MV. El coeficiente de regresión de interacción resultante representa una prueba de si el efecto del IV depende del otro MV (para ser claros, el modelo de regresión no distingue entre el IV y el MV, ya que el efecto del MV también es modificado por el IV y está representado por el mismo coeficiente de interacción). Aunque ciertamente es importante, esta prueba no suele ser suficiente para comprender e interpretar plenamente la interacción, lo que requeriría que conociéramos la magnitud, la dirección y la significación del efecto del IV en diferentes niveles del MV. El efecto condicional de un IV categórico en un nivel específico de la VM se conoce como efecto simple (a veces efecto principal simple), mientras que el efecto condicional de un IV continuo suele llamarse pendiente simple.
Prueba de evaluación del Sas
Está previsto que sea un trabajo continuo, en la tradición del Nuevo Diccionario del Hacker y obras similares, así que no dude en ponerse en contacto conmigo para sugerir nuevas máximas o mejorar las ya existentes. Es posible reordenarlas, pero una vez que una máxima ha sido utilizada en otro lugar, tengo la intención de mantener su número estático.
Tener una idea clara de las estructuras de datos -tipos de variables, longitudes, formatos- y del contenido le proporcionará un camino rápido para resolver problemas. Muchos problemas sencillos pueden aclararse echando un vistazo a la sección «Columnas» en las propiedades del conjunto de datos. Utilice el contenido de proc con frecuencia.
Con grandes conjuntos de datos, la forma en que proc sql maneja las uniones llevará a la acumulación de grandes archivos de utilidad, con muchos accesos aleatorios a estos. Esto puede resultar mucho menos eficiente que una unión hecha con un paso de datos y los pasos necesarios de proc sort.
Puede que no haya necesidad de repetir el código cuando el uso del procesamiento por grupos puede hacer el truco. El lenguaje de macros tampoco está pensado para manejar datos -como el cálculo de fechas- sino para crear código dinámico. En lugar de crear listas en las variables de las macros, almacénelas en conjuntos de datos y utilice la ejecución de llamadas desde allí. Haga cálculos en pasos de datos y guarde los resultados en variables de macro (para su uso posterior) con call symput.
