Campioni necessari per determinare il grafico della distribuzione normaleCaro JMP,
Posso sapere se è necessario un numero minimo di campioni prima che possiamo effettivamente utilizzare per determinare se i campioni che abbiamo rientrano nella normale categoria di distribuzione.
Ho un campione di 10 dati è sufficiente per mostrare se tutti questi dati rientrano nella normale categoria di distribuzione
Rgrds
Irfan
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleok marco, grazie comunque per il tuo aiutoRi: Campioni richiesti per determinare il grafico della distribuzione normaleNon hai fatto niente di male. I risultati del test Dixon dovrebbero apparire indipendentemente dalla presenza di un valore anomalo. La parte dello script che aggiunge un report personalizzato per l'analisi dei valori anomali alla piattaforma di distribuzione è (apparentemente) incompatibile con JMP 5. Non ho questa vecchia versione di JMP, quindi non posso né confermare questa conclusione né determinare una soluzione alternativa. JMP 5 ha circa quindici anni.
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCaro Marco,
Ho provato il tuo suggerimento e sono riuscito a eseguire lo script come mostrato nell'esempio.
Ma quando eseguo l'analisi, il mio grafico di distribuzione non mostra l'analisi dei valori anomali, è perché non ci sono valori anomali?
Rgrds
Irfan
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleScarica lo script dal link che ti ho fornito. Apri la tabella dei dati. Apri la sceneggiatura. Esegui lo script. (Vari modi: selezionare Modifica > Esegui script, premere Ctrl-R (Windows) o Cmd-R (Macintosh), fare clic sul pulsante Esegui script nella barra degli strumenti o fare clic con il pulsante destro del mouse nell'editor di script e selezionare Esegui script.l) Ora dovresti essere in grado di seguire le istruzioni fornite nei collegamenti per selezionare la colonna di dati per l'analisi e procedere.
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCiao Mark,
Scusa, ma pensavo che lo script fosse stato creato nella tua versione jmp, quindi quando controllo la mia versione jmp non ho visto la funzione di test anomalo, quindi presumo che la mia versione non ce l'abbia. Sono ancora nuovo con la capacità JSL.
Ecco lo screenshot dei miei dati ma non vedo la statistica riassuntiva del test dei valori anomali Dixon nel mio grafico, qualche motivo per questo? È perché indica che non ci sono valori anomali dalla mia distribuzione
Rgrds
Irfan
Ri: Campioni richiesti per determinare il grafico della distribuzione normalePerché no?
Invece di tirare a indovinare, perché non usi i link che ti ho fornito, leggi le descrizioni e le istruzioni, scarichi gli script e li provi con le tue 9 osservazioni? Hai provato? Perché non funzionerà?
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCaro Marco,
Immagino che non sia possibile eseguire questo test a due valori anomali utilizzando la versione JMP 5 corretta
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleTi suggerisco di usare un prova anomala . Molti test sono stati sviluppati per specifici processi di contaminazione . Non sappiamo nulla del tuo processo di contaminazione, quindi non possiamo usare uno di quei test. Dobbiamo ripiegare su uno dei test meno specifici. Puoi trovare due dei test più popolari qui nell'area Scambio file della community di JMP. Ho incluso un link per entrambi qui:
Assicurati di leggere attentamente la descrizione prima di utilizzare uno di essi per una spiegazione e istruzioni.
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleSì, vorrei sapere qual è il miglior metodo statistico per determinare se 2.2 proviene dalla stessa popolazione del resto, dovrebbe fare un normale diagramma quantile?Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCiao Mark,
Grazie per la rapida risposta, immagino che la mia domanda originale al problema sia se il valore 2.2 provenga dalla stessa popolazione del 2.3, in realtà separo i due gruppi in base al presupposto che appartengano a un gruppo diverso. Qual è il modo corretto di affrontare questo problema, posso dire che appartengono alla stessa distribuzione normale?Ri: Campioni richiesti per determinare il grafico della distribuzione normaleStai chiedendo se un singolo valore (2.2) proviene dalla stessa popolazione? Quindi segui il mio ultimo suggerimento di utilizzare il normale diagramma dei quantili con il DS = Basso osservazioni.
Stai chiedendo se il gruppo di Gruppo = Basso le osservazioni provengono dalla stessa popolazione del resto ( Gruppo = Alto )? Quindi usa il T -Risultato del test.
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleNon puoi avere entrambe le cose.
L'analisi delle 9 osservazioni con il grafico del quantile normale per determinare se un valore estremo è un valore anomalo è invalido se hai già determinato che ci sono due popolazioni rispetto al parametro medio. Non puoi utilizzare un campione misto in questo modo per una conclusione valida.È necessario valutare il potenziale valore anomalo rispetto a soltanto le osservazioni nel campione della stessa popolazione (la dimensione del campione è 3).
Buffo che la tua bontà di adattamento test non rifiuta il singolo modello di distribuzione normale ma il tuo T -test ha rifiutato che i due gruppi hanno la stessa media.
Comunque, devi non analizza la distribuzione delle 9 osservazioni come un'unica popolazione ora che hai stabilito che ci sono due popolazioni. Dovresti separatamente esaminare il grafico quantile normale per ciascuna popolazione. Puoi usare il Gruppo colonna in Di ruolo di analisi nella finestra di dialogo di avvio della distribuzione.
Qual è la base per l'assegnazione di un'osservazione a Gruppo = Basso O Gruppo = Alto ?
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCiao Mark,
grazie ancora per la risposta, ecco come confronto i due gruppi di DS, in pratica ho raggruppato il ~ 2.2 in un gruppo mentre quello sopra ~ 2.3 in un altro gruppo ed eseguo il test t per confrontare la media. Dal test t è mostrato che i due provengono da due popolazioni diverse.
Ecco la mia trama quantile, basata sul test di shapiro wilk, posso dire che la popolazione del mio campione proviene da una distribuzione normale.
Sulla base del normale diagramma dei quantili posso dire che il 2.2 proviene dalla stessa popolazione del resto? Questa è la domanda a cui devo rispondere
Grazie in anticipo per la tua spiegazione
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCosa hai usato per la tua "stima approssimativa?" Perché pensi che ci siano due popolazioni in questo campione di dati?
Il normale grafico dei quantili non indica due popolazioni. Cioè, un modello basato su un'unica distribuzione normale appare adeguato:
Potresti adattare un modello misto basato su due distribuzioni normali:
Il modello migliore è quello con il più piccolo -2L. AICc è un criterio migliore perché include una penalità per l'overfitting. AICc viene calcolato come -2L + 2k +2k(k+1)/(nk-1) dove k è il numero di parametri en è la dimensione del campione. L'AICc per il modello di distribuzione normale è -24,0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18,0700125097. L'AICc per il modello di distribuzione delle miscele normali è -24,0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5,9299874903.
Quindi un confronto ingenuo basato su -2L selezionerebbe il modello di miscele normali, il criterio penalizzato seleziona facilmente la distribuzione normale più semplice.
Il grafico del quantile normale non mostra alcuna indicazione di un valore anomalo statistico. Se si conosce il processo di contaminazione, è possibile applicare un test selettivo di rilevamento dei valori anomali. Altrimenti, dovresti usare un test anomalo generale. Tale test non sarebbe significativo in questo caso.
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleCiao Mark,
Grazie, quello che sto cercando è che ho un set di 9 dati come mostrato di seguito. Dalle stime approssimative posso vedere che ci sono due popolazioni di dati che sono ~ 2,3 e ~ 2,2. Vorrei scoprire se il 2.2 appartiene effettivamente alla stessa popolazione normale del 2.3. In altre parole, se i dati 2.2 rientrino effettivamente nella stessa popolazione del resto dei dati.
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
Che tipo di analisi posso fare per determinarlo? Il normale diagramma dei quantili e il test di shapiro wilk sono sufficienti
Ri: Campioni richiesti per determinare il grafico della distribuzione normaleLa dimensione minima del campione per adattare un modello di distribuzione normale (media stimata e deviazione standard) ed eseguire il test dell'ipotesi di Shapiro-Wilk (H0: la popolazione è normale contro H1: la popolazione non è normale) è 2.
Cosa intendi per "utilizzare effettivamente per determinare?"
La tua domanda potrebbe riguardare il potere del test di rifiutare l'ipotesi nulla. C'è poca potenza nella dimensione minima del campione 2. Tuttavia, molti esperti, incluso JMP, considerano il problema discutibile. Nel momento in cui si dispone di una dimensione del campione sufficiente per testare la normalità con una potenza ragionevolmente elevata, l'ipotesi di normalità delle statistiche o dei test più popolari sarà soddisfatta a causa del teorema del limite centrale (IL somma di variabili casuali è normalmente distribuito man mano che la dimensione del campione aumenta verso l'infinito).
Ad esempio, un presupposto critico del test t di un campione è che il la media campionaria è distribuita normalmente . Se la popolazione di dati è distribuita normalmente, la media campionaria è distribuita normalmente. Quindi testiamo la normalità del campione per decidere sulla normalità della popolazione. Cosa succede se il campione non supera questo test di normalità? E se la popolazione non fosse normale? Beh, potrebbe essere un problema o potrebbe non esserlo. Dipende dall'asimmetria della popolazione.
Ricorda che l'ipotesi riguarda la distribuzione della media campionaria. Una popolazione normale (di dati) è solo un modo per ottenere medie campionarie normalmente distribuite. La media campionaria è calcolata come somma (pesata) delle osservazioni, cioè variabili casuali. Pertanto, queste medie campionarie saranno sufficientemente normali, indipendentemente dalla distribuzione della popolazione, se la dimensione del campione è sufficientemente grande e quindi l'assunzione del test t sarà valida. Di nuovo, dipende dall'asimmetria della distribuzione della popolazione.
È possibile calcolare la dimensione minima del campione per la normalità sotto il CLT dalla stima dell'asimmetria oppure è possibile utilizzare una regola empirica. (Una regola popolare è che una dimensione del campione di almeno 30 è sufficiente.)
Alla fine, si tratta di utilizzare il campione che devi determinare la normalità.
Perché stai decidendo se la popolazione è normale? A cosa serve l'ipotesi di normalità?
