正規分布プロットを決定するために必要なサンプル親愛なるJMP様
入手したサンプルが正規分布のカテゴリに該当するかどうかを判断するために実際に使用できるようになる前に、必要なサンプルの最小数があることを教えてください。
10 個のデータのサンプルがありますが、これらすべてのデータが正規分布カテゴリーに該当するかどうかを示すにはこれで十分ですか
RGRDS
イルファン
Re: 正規分布プロットを決定するために必要なサンプルオーケー、とにかく助けてくれてありがとうRe: 正規分布プロットを決定するために必要なサンプルあなたは何も悪いことをしていません。 ディクソン検定の結果は、外れ値の存在に関係なく表示されます。 異常値分析用のカスタム レポートをディストリビューション プラットフォームに追加するスクリプトの部分は、(明らかに) JMP 5 と互換性がありません。 私はこの古いバージョンの JMP を持っていないので、この結論を確認することも、回避策を決定することもできません。 JMP 5 は約 15 年前のものです。
Re: 正規分布プロットを決定するために必要なサンプル親愛なるマーク様
あなたの提案を試してみたところ、例に示されているようにスクリプトを実行できました。
しかし、分析を実行すると、分布プロットに外れ値分析が表示されません。外れ値がないためでしょうか?
RGRDS
イルファン
Re: 正規分布プロットを決定するために必要なサンプル提供したリンクからスクリプトをダウンロードします。 データテーブルを開きます。 スクリプトを開きます。 スクリプトを実行します。 (さまざまな方法: [編集] > [スクリプトの実行] を選択し、Ctrl-R (Windows) または Cmd-R (Macintosh) を押すか、ツールバーの [スクリプトの実行] ボタンをクリックするか、スクリプト エディタ内で右クリックして [スクリプトの実行] を選択します。l)リンクに示されている指示に従って、分析するデータ列を選択して続行できるはずです。
Re: 正規分布プロットを決定するために必要なサンプルハイマーク、
申し訳ありませんが、スクリプトはあなたの jmp バージョンに組み込まれていると思ったので、私の jmp バージョンをチェックインしたときに異常値テスト関数が表示されなかったので、私のバージョンにはそれがないと思われます。 私は JSL 機能についてまだ初心者です。
これはデータのスクリーンショットですが、プロットにディクソン外れ値テストの概要統計が表示されません。これには何らかの理由がありますか?これは、分布に外れ値がないことを示しているからでしょうか?
RGRDS
イルファン
Re: 正規分布プロットを決定するために必要なサンプルなぜだめですか？
推測する代わりに、私が提供したリンクを使用し、説明と手順を読み、スクリプトをダウンロードして、9 つの観察結果を試してみてはいかがでしょうか。 試してみましたか？ なぜうまくいかないのでしょうか?
Re: 正規分布プロットを決定するために必要なサンプル親愛なるマーク様
JMP 5 バージョンを正しく使用して、この 2 つの外れ値テストを実行する方法はないと思います。
Re: 正規分布プロットを決定するために必要なサンプルを使用することをお勧めします外れ値テスト。 多くのテストが開発されています特定の汚染プロセス。 私たちは貴社の汚染プロセスについて何も知らないため、これらのテストを使用することはできません。 より具体性の低いテストの 1 つにフォールバックする必要があります。 最も人気のある 2 つのテストは、JMP コミュニティのファイル交換エリアで見つけることができます。 ここに両方のリンクを含めました。
説明と指示については、いずれかを使用する前に必ず説明をよくお読みください。
Re: 正規分布プロットを決定するために必要なサンプルはい、2.2 が残りの母集団と同じ母集団に由来するかどうかを判断するための最良の統計的方法は何なのか知りたいのですが、通常の分位点プロットで行うべきでしょうか?Re: 正規分布プロットを決定するために必要なサンプルハイマーク、
素早い回答ありがとうございます。この問題に対する私の最初の質問は、2.2 の値が 2.3 と同じ母集団から来ているのかということだと思います。実際には、2 つのグループが異なるグループに属しているという仮定に基づいて分離しています。 この問題に取り組む正しい方法は何ですか。それらは同じ正規分布に属していると言えますか?Re: 正規分布プロットを決定するために必要なサンプル単一の値 (2.2) が同じ母集団から得られたものであるかどうかを尋ねているのですか? 次に、通常の分位点プロットを使用するという私の最後の提案に従ってください。 DS =低い観察。
のグループかどうか尋ねていますか？グループ=低い観察結果は残りの集団と同じ母集団から得られます (グループ=高い）？ 次に、 t -テスト結果。
Re: 正規分布プロットを決定するために必要なサンプル両方の方法を持つことはできません。
極値が外れ値であるかどうかを判断するための正規分位プロットによる 9 つの観測値の分析無効です平均パラメータに関して 2 つの母集団が存在することがすでに判明している場合。 この方法で混合サンプルを使用すると、有効な結論を得ることができません。潜在的な外れ値を評価する必要があります。それだけ同じ母集団からのサンプル内の観察値 (サンプルサイズは 3)。
あなたの適合度テストは面白いですねではない単一正規分布モデルは拒否しますが、 t -テスト拒否しました2 つのグループの平均値は同じであるということです。
とにかく、あなたはそうしなければなりませんいいえ2 つの母集団があることが確認されたので、9 つの観測値の分布を 1 つの母集団として分析します。 あなたがすべき別々に各母集団の正規分位点プロットを調べます。 使用できますグループの列にディストリビューション起動ダイアログの分析ロール。
観測値を割り当てる根拠は何ですかグループ=低いまたグループ=高い?
Re: 正規分布プロットを決定するために必要なサンプルハイマーク、
再度ご返信いただきありがとうございます。DS の 2 つのグループを比較する方法は次のとおりです。基本的に、~2.2 を 1 つのグループにグループ化し、~2.3 を超えるグループを別のグループに分け、t 検定を実行して平均を比較します。 t 検定から、2 つは 2 つの異なる母集団に由来することがわかります。
これは、シャピロ ウィルク テストに基づいた分位プロットです。サンプルの母集団は正規分布に従うと言えますか。
通常の分位点プロットに基づいて、2.2 は残りの母集団と同じ母集団から来ていると言えますか?これが私が答える必要がある質問です
ご説明いただきありがとうございます
Re: 正規分布プロットを決定するために必要なサンプル「概算見積り」には何を使用しましたか? このデータサンプルにはなぜ 2 つの母集団があると思いますか?
通常の分位点プロットは 2 つの母集団を示しません。 つまり、単一の正規分布に基づくモデルが適切であると考えられます。
2 つの正規分布に基づいて混合モデルを近似できます。
-2L が最小のモデルがより優れたモデルとなります。 AICc にはオーバーフィッティングに対するペナルティが含まれるため、AICc の方が優れた基準となります。 AICc は、-2L + 2k +2k(k+1)/(nk-1) として計算されます。ここで、k はパラメーターの数、n はサンプル サイズです。 正規分布モデルの AICc は、-24.0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18.0700125097 です。 正規混合分布モデルの AICc は、-24.0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5.9299874903 です。
したがって、-2L に基づく単純な比較では正規混合モデルが選択され、ペナルティ付き基準により簡単に単純な正規分布が選択されます。
通常の分位点プロットでは、統計的な外れ値の兆候は示されません。 汚染プロセスがわかっている場合は、選択的外れ値検出テストを適用できます。 それ以外の場合は、一般的な外れ値テストを使用する必要があります。 この場合、そのようなテストは重要ではありません。
Re: 正規分布プロットを決定するために必要なサンプルハイマーク、
ありがとう、私が探しているのは、以下に示すようにセット 9 のデータがあることです。 大まかな推定から、データの母集団は 2.3 と 2.2 の 2 つあることがわかります。 2.2 が実際に 2.3 と同じ正規集団に属するかどうかを知りたいと思います。 言い換えれば、2.2 データが実際に残りのデータと同じ母集団に該当するかどうかです。
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
これを判断するにはどのような分析を行うことができますか?通常の分位点プロットとシャピロ ウィルク テストで十分ですか?
Re: 正規分布プロットを決定するために必要なサンプル正規分布モデルに適合し (平均値と標準偏差を推定)、シャピロ・ウィルク仮説検定 (H0: 母集団が正規であるのに対して H1: 母集団が正規ではない) を実行するための最小サンプル サイズは 2 です。
「実際に使って判断する」とはどういう意味ですか？
あなたの質問は、帰無仮説を棄却する検定の検出力に関するものかもしれません。 最小サンプルサイズ 2 では検出力がほとんどありません。 しかし、JMPを含む多くの専門家は、この問題は無意味だと考えている。 適度に高い検出力で正規性をテストするのに十分なサンプル サイズが得られるまでに、最も一般的な統計またはテストの正規性の仮定は次の理由で満たされます。中心極限定理(和確率変数の普通に分布してるサンプルサイズは無限大に向かって増加します)。
たとえば、1 サンプルの t 検定の重要な仮定は次のとおりです。サンプル平均は正規分布します。 データの母集団が正規分布している場合、標本平均も正規分布します。 そこで、母集団の正規性を判断するために標本の正規性を検定します。 サンプルがこの正規性テストに合格しなかった場合はどうなるでしょうか? 人口が正常でない場合はどうなりますか? まあ、問題があるかもしれないし、そうでないかもしれない。 それは母集団の偏りによって異なります。
この仮定はサンプル平均の分布に関するものであることに注意してください。 (データの) 正規母集団は、正規分布したサンプル平均値を取得する方法の 1 つにすぎません。 標本平均は、観測値、つまり確率変数の (加重) 合計として計算されます。 したがって、サンプルサイズが十分に大きく、t 検定の仮定が有効であれば、母集団の分布に関係なく、これらのサンプル平均は十分に正規になります。 繰り返しますが、それは人口分布の歪みに依存します。
CLT に基づく正規性の最小サンプル サイズは、歪度の推定値から計算することも、経験則を使用することもできます。 (一般的なルールの 1 つは、サンプル サイズが少なくとも 30 あれば十分であるというものです。)
結局のところ、正規性を判断するにはサンプルを使用する必要があります。
なぜ母集団が正常かどうかを判断するのでしょうか? 正規性の仮定は何のためにあるのでしょうか?
