Échantillons requis pour déterminer le tracé de distribution normaleCher JMP,
Puis-je savoir s'il y a un nombre minimum d'échantillons requis avant que nous puissions réellement utiliser pour déterminer si les échantillons que nous avons relèvent de la catégorie de distribution normale.
J'ai un échantillon de 10 données est-ce suffisant pour montrer si toutes ces données relèvent de la catégorie de distribution normale
Rgrds
Irfan
Re : Échantillons requis pour déterminer le tracé de distribution normaleok marque, merci quand meme pour ton aideRe : Échantillons requis pour déterminer le tracé de distribution normaleVous n'avez rien fait de mal. Les résultats du test de Dixon doivent apparaître indépendamment de la présence d'une valeur aberrante. La partie du script qui ajoute un rapport personnalisé pour l'analyse des valeurs aberrantes à la plate-forme de distribution est (apparemment) incompatible avec JMP 5. Je n'ai pas cette ancienne version de JMP, je ne peux donc ni confirmer cette conclusion ni déterminer une solution de contournement. JMP 5 a une quinzaine d'années.
Re : Échantillons requis pour déterminer le tracé de distribution normaleCher Mark,
J'ai essayé votre suggestion et capable d'exécuter le script comme ce que vous montrez dans l'exemple.
Mais lorsque j'exécute l'analyse, mon diagramme de distribution ne montre pas l'analyse des valeurs aberrantes, est-ce parce qu'il n'y a pas de valeurs aberrantes ?
Rgrds
Irfan
Re : Échantillons requis pour déterminer le tracé de distribution normaleTéléchargez le script à partir du lien que je vous ai donné. Ouvrez votre tableau de données. Ouvrez le scénario. Exécutez le script. (Diverses manières : sélectionnez Édition > Exécuter le script, appuyez sur Ctrl-R (Windows) ou Cmd-R (Macintosh), cliquez sur le bouton Exécuter le script dans la barre d'outils, ou cliquez avec le bouton droit dans l'éditeur de script et sélectionnez Exécuter le script.l) Maintenant vous devriez pouvoir suivre les instructions fournies dans les liens pour sélectionner la colonne de données à analyser et continuer.
Re : Échantillons requis pour déterminer le tracé de distribution normaleSalut Mark,
Désolé, mais je pensais que le script avait été construit dans votre version jmp, donc quand j'ai vérifié ma version jmp, je n'ai pas vu la fonction de test aberrante, donc je suppose que ma version ne l'a pas. Je suis encore nouveau avec la capacité JSL.
Voici la capture d'écran de mes données, mais je ne vois pas la statistique récapitulative du test des valeurs aberrantes de Dixon dans mon tracé, une raison à cela ? Est-ce parce que cela indique qu'il n'y a pas de valeurs aberrantes dans ma distribution
Rgrds
Irfan
Re : Échantillons requis pour déterminer le tracé de distribution normalePourquoi pas?
Au lieu de deviner, pourquoi n'utilisez-vous pas les liens que j'ai fournis, lisez les descriptions et les instructions, téléchargez les scripts et essayez-les avec vos 9 observations ? Est-ce que tu l'as essayé? Pourquoi ça ne marchera pas ?
Re : Échantillons requis pour déterminer le tracé de distribution normaleCher Mark,
Je suppose qu'il n'y a aucun moyen de faire ce test de deux valeurs aberrantes en utilisant la version JMP 5 correctement
Re : Échantillons requis pour déterminer le tracé de distribution normaleJe vous suggère d'utiliser un test des valeurs aberrantes . De nombreux tests ont été développés pour processus de contamination spécifiques . Nous ne savons rien de votre processus de contamination donc nous ne pouvons pas utiliser l'un de ces tests. Il faut se rabattre sur l'un des tests les moins spécifiques. Vous pouvez trouver deux des tests les plus populaires ici dans la zone d'échange de fichiers de la communauté JMP. J'ai inclus un lien pour les deux ici:
Assurez-vous de lire attentivement la description avant d'utiliser l'un d'eux pour une explication et des instructions.
Re : Échantillons requis pour déterminer le tracé de distribution normaleOui, j'aimerais savoir quelle est la meilleure méthode statistique pour déterminer si 2,2 provient de la même population que le reste, un graphique quantile normal devrait-il suffire?Re : Échantillons requis pour déterminer le tracé de distribution normaleSalut Mark,
Merci pour la réponse rapide, je suppose que ma question initiale au problème est de savoir si la valeur 2.2 provient de la même population que la 2.3, je sépare en fait les deux groupes en supposant qu'ils appartiennent à un groupe différent. Quelle est la bonne façon d'aborder ce problème, puis-je dire qu'ils appartiennent à la même distribution normale ?Re : Échantillons requis pour déterminer le tracé de distribution normaleDemandez-vous si une seule valeur (2.2) provient de la même population ? Suivez ensuite ma dernière suggestion d'utiliser le graphique quantile normal avec le DS = Faible observations.
Demandez-vous si le groupe de Groupe = Faible les observations proviennent de la même population que le reste ( Groupe = Haut ) ? Utilisez ensuite le t -résultat du test.
Re : Échantillons requis pour déterminer le tracé de distribution normaleVous ne pouvez pas gagner sur les deux tableaux.
L'analyse des 9 observations avec le diagramme des quantiles normaux pour déterminer si une valeur extrême est une valeur aberrante est invalide si vous avez déjà déterminé qu'il y a deux populations par rapport au paramètre moyen. Vous ne pouvez pas utiliser un échantillon mixte de cette façon pour une conclusion valable.Vous devez évaluer la valeur aberrante potentielle par rapport à seul les observations dans l'échantillon de la même population (la taille de l'échantillon est de 3).
C'est drôle que votre test d'adéquation ne fait pas rejetez le modèle de distribution normale unique, mais votre t -test a rejeté que les deux groupes ont la même moyenne.
Quoi qu'il en soit, vous devez pas analysez la distribution des 9 observations comme une seule population maintenant que vous avez établi qu'il y a deux populations. Tu devrais séparément examiner le diagramme quantile normal pour chaque population. Vous pouvez utiliser le Groupe colonne dans la Par rôle d'analyse dans la boîte de dialogue Lancement de la distribution.
Quelle est la base de l'attribution d'une observation à Groupe = Faible ou Groupe = Haut ?
Re : Échantillons requis pour déterminer le tracé de distribution normaleSalut Mark,
merci encore pour la réponse, voici comment je compare les deux groupes de DS, en gros, j'ai regroupé les ~ 2,2 dans un groupe tandis que celui au-dessus de ~ 2,3 dans un autre groupe et j'ai effectué le test t pour comparer la moyenne. Le test t montre que les deux appartiennent à deux populations différentes.
Voici mon graphique quantile, basé sur le test de Shapiro Wilk, puis-je dire que la population de mon échantillon provient d'une distribution normale.
Sur la base du graphique quantile normal, puis-je dire que le 2.2 provient de la même population que le reste ? C'est la question à laquelle je dois répondre
merci d'avance pour vos explications
Re : Échantillons requis pour déterminer le tracé de distribution normaleQu'avez-vous utilisé pour votre "estimation approximative ?" Pourquoi pensez-vous qu'il y a deux populations dans cet échantillon de données ?
Le graphique des quantiles normaux n'indique pas deux populations. Autrement dit, un modèle basé sur une seule distribution normale semble adéquat :
Vous pouvez ajuster un modèle de mélange basé sur deux distributions normales :
Le meilleur modèle est celui avec le plus petit -2L. AICc est un meilleur critère car il inclut une pénalité pour sur-ajustement. AICc est calculé comme -2L + 2k +2k(k+1)/(nk-1) où k est le nombre de paramètres et n est la taille de l'échantillon. L'AICc pour le modèle de distribution normale est -24,0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18,0700125097. L'AICc pour le modèle de distribution des mélanges normaux est -24,0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5,9299874903.
Ainsi, une comparaison naïve basée sur -2L sélectionnerait le modèle des mélanges normaux, le critère pénalisé sélectionne facilement la distribution normale plus simple.
Le tracé des quantiles normaux ne montre aucune indication de valeur aberrante statistique. Si vous connaissez le processus de contamination, un test sélectif de détection des valeurs aberrantes peut être appliqué. Sinon, vous devrez utiliser un test général des valeurs aberrantes. Un tel test ne serait pas significatif dans ce cas.
Re : Échantillons requis pour déterminer le tracé de distribution normaleSalut Mark,
Merci, ce que je recherche, c'est que j'ai un ensemble de données 9 comme indiqué ci-dessous. D'après les estimations approximatives, je peux voir qu'il existe deux populations de données qui sont ~ 2,3 et ~ 2,2. Je voudrais savoir si le 2.2 appartient réellement à la même population normale que le 2.3. En d'autres termes, si les données 2.2 appartiennent réellement à la même population que le reste des données.
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
Quel type d'analyse puis-je faire pour déterminer cela ? Est-ce que le graphique quantile normal et le test de shapiro wilk sont suffisants
Re : Échantillons requis pour déterminer le tracé de distribution normaleLa taille d'échantillon minimale pour ajuster un modèle de distribution normale (estimation de la moyenne et de l'écart type) et effectuer le test d'hypothèse de Shapiro-Wilk (H0 : la population est normale contre H1 : la population n'est pas normale) est de 2.
Qu'entendez-vous par "utiliser réellement pour déterminer ?"
Votre question pourrait porter sur le pouvoir du test de rejeter l'hypothèse nulle. Il y a peu de puissance dans la taille d'échantillon minimale 2. Cependant, de nombreux experts, dont JMP, considèrent que la question est discutable. Au moment où vous disposez d'une taille d'échantillon suffisante pour tester la normalité avec une puissance raisonnablement élevée, l'hypothèse de normalité des statistiques ou des tests les plus populaires sera satisfaite en raison de la théorème central limite (le somme de variables aléatoires est normalement distribué à mesure que la taille de l'échantillon augmente vers l'infini).
Par exemple, une hypothèse critique du test t à un échantillon est que le la moyenne de l'échantillon est distribuée normalement . Si la population de données est distribuée normalement, la moyenne de l'échantillon est distribuée normalement. Nous testons donc la normalité de l'échantillon pour décider de la normalité de la population. Que se passe-t-il si l'échantillon échoue à ce test de normalité ? Et si la population n'était pas normale ? Eh bien, cela pourrait être un problème ou non. Cela dépend de l'asymétrie de la population.
N'oubliez pas que l'hypothèse concerne la distribution de la moyenne de l'échantillon. Une population normale (de données) n'est qu'un moyen parmi d'autres d'obtenir des moyennes d'échantillon normalement distribuées. La moyenne de l'échantillon est calculée comme la somme (pondérée) des observations, c'est-à-dire des variables aléatoires. Par conséquent, ces moyennes d'échantillon seront suffisamment normales, quelle que soit la distribution de la population, si la taille de l'échantillon est suffisamment grande et donc l'hypothèse du test t sera valide. Encore une fois, cela dépend de l'asymétrie de la distribution de la population.
Vous pouvez calculer la taille d'échantillon minimale pour la normalité sous le CLT à partir de l'estimation de l'asymétrie ou vous pouvez utiliser une règle empirique. (Une règle populaire est qu'une taille d'échantillon d'au moins 30 est suffisante.)
En fin de compte, cela revient à utiliser l'échantillon dont vous disposez pour déterminer la normalité.
Pourquoi décidez-vous si la population est normale? A quoi sert l'hypothèse de normalité ?
