Storyboard

Método estándar para estimar empíricamente los pesos de atributo w_ik (E1) desde encuestas de elección, calibrando directamente el campo neto percibido h_i. Incluye el error estándar de la estimación y el tamaño de muestra mínimo necesario, que permiten dimensionar el experimento en el simulador de diseño de encuestas.

>Modelo

ID:('ky', 1608)

Storyboard

$P_{logit}=\frac{1}{1+e^{-w_k\Delta x}}$

Variables

$Delta x$

Diferencia normalizada del atributo

$1$

$w_k$

Peso verdadero del atributo k

$1$

$P_{logit}$

Probabilidad de elección logit

$1$

>Modelo

ID:('gm', 14153)

Storyboard

$\hat{w}*k=\arg\max*{w_k}\sum_n\log P_{logit,n}$

Variables

$hat w_k$

Peso estimado del atributo k

$1$

$w_k$

Peso verdadero del atributo k

$1$

$P_{logit,n}$

Probabilidad logit de la observación n

$1$

>Modelo

ID:('gm', 14154)

Storyboard

$SE_{\hat{w}*k}=\sqrt{\frac{1}{N*{obs}\mathrm{Var}(x_k)\bar P(1-\bar P)}}$

Variables

$SE_{hat w_k}$

Error estándar del peso estimado

$1$

$N_{obs}$

Número de observaciones

$1$

$ar P$

Probabilidad media de elección

$1$

$mathrm{Var}(x_k)$

Varianza del atributo k

$1$

>Modelo

ID:('gm', 14155)

Storyboard

$N_{min}=\frac{(z_\alpha+z_\beta)^2}{\Delta w^2\bar P(1-\bar P)\mathrm{Var}(x_k)}$

Variables

$Delta w$

Efecto mínimo detectable

$1$

$ar P$

Probabilidad media de elección

$1$

$N_{min}$

Tamaño mínimo de muestra

$1$

$z_alpha$

Valor crítico de confianza

$1$

$z_eta$

Valor crítico de potencia

$1$

$mathrm{Var}(x_k)$

Varianza del atributo k

$1$

>Modelo

ID:('gm', 14156)

Storyboard

$CI_w=[\hat w_k-z_\alpha SE_{\hat w_k},\hat w_k+z_\alpha SE_{\hat w_k}]$

Variables

$SE_{hat w_k}$

Error estándar del peso estimado

$1$

$CI_w$

Intervalo de confianza del peso

$1$

$hat w_k$

Peso estimado del atributo k

$1$

$z_alpha$

Valor crítico de confianza

$1$

>Modelo

ID:('gm', 14157)

Storyboard

$\frac{d\Delta w}{dt}=\frac{\Delta w_{target}-\Delta w}{\tau}$

Variables

$Delta w_{target}$

Efecto detectable objetivo

$1$

$Delta w$

Efecto mínimo detectable

$1$

$ au$

Constante temporal de ajuste

$s$

>Modelo

ID:('gm', 14158)

Descripción

Red de modelo

• Método alternativo
• Método tradicional
• Estrategia
• 2D
• 3D

Ecuación

Número

Primero, seleccione la ecuación:   a ,  luego, seleccione la variable:   a 

---

Símbolo

Ecuación

Resuelto

Traducido

Cálculos

Símbolo

Ecuación

Resuelto

Traducido

 Variable   Dado   Calcule   Objetivo :   Ecuación   A utilizar

Variables

$Delta x$

x_diff

Diferencia normalizada del atributo

1

$Delta w_{target}$

Delta_w_target

Efecto detectable objetivo

1

$Delta w$

Delta_w

Efecto mínimo detectable

1

$SE_{hat w_k}$

SE_wk

Error estándar del peso estimado

1

$CI_w$

CI_w

Intervalo de confianza del peso

1

$N_{obs}$

N_obs

Número de observaciones

1

$hat w_k$

w_k_est

Peso estimado del atributo k

1

$w_k$

w_k

Peso verdadero del atributo k

1

$P_{logit}$

P_logit

Probabilidad de elección logit

1

$P_{logit,n}$

P_logit_n

Probabilidad logit de la observación n

1

$ar P$

P_avg

Probabilidad media de elección

1

$N_{min}$

N_min

Tamaño mínimo de muestra

1

$z_alpha$

z_alpha

Valor crítico de confianza

1

$z_eta$

z_beta

Valor crítico de potencia

1

$mathrm{Var}(x_k)$

Var_xk

Varianza del atributo k

1

$ au$

tau

Constante temporal de ajuste

s

ID:(0, 1608)