정규 분포도를 결정하는 데 필요한 샘플친애하는 JMP,
우리가 가지고 있는 샘플이 정규 분포 범주에 속하는지 여부를 결정하는 데 실제로 사용하기 전에 필요한 최소 샘플 수가 있는지 알고 싶습니다.
10개의 데이터 샘플이 있는데 이 모든 데이터가 정규 분포 범주에 속하는지 보여주기에 충분합니다.
Rgrds
이르판
Re: 정규 분포도를 결정하는 데 필요한 샘플알겠습니다. 어쨌든 도와주셔서 감사합니다.Re: 정규 분포도를 결정하는 데 필요한 샘플당신은 잘못한 것이 없습니다. Dixon 테스트 결과는 이상치의 존재 여부에 관계없이 나타나야 합니다. 분포 플랫폼에 특이점 분석을 위한 사용자 정의 보고서를 추가하는 스크립트 부분은 JMP 5와 (분명히) 호환되지 않습니다. 이 이전 버전의 JMP가 없기 때문에 이 결론을 확인하거나 해결 방법을 결정할 수 없습니다. JMP 5는 약 15년이 되었습니다.
Re: 정규 분포도를 결정하는 데 필요한 샘플친애하는 마크,
나는 당신의 제안을 시도했고 당신이 예제에서 보여주는 것과 같이 스크립트를 실행할 수 있습니다.
하지만 분석을 실행하면 분포도에 이상값 분석이 표시되지 않습니다. 이상값이 없기 때문입니까?
Rgrds
이르판
Re: 정규 분포도를 결정하는 데 필요한 샘플내가 준 링크에서 스크립트를 다운로드하십시오. 데이터 테이블을 엽니다. 스크립트를 엽니다. 스크립트를 실행합니다. (다양한 방법: 편집 > 스크립트 실행을 선택하고 Ctrl-R(Windows) 또는 Cmd-R(Macintosh)을 누르거나 도구 모음에서 스크립트 실행 버튼을 클릭하거나 스크립트 편집기에서 마우스 오른쪽 버튼을 클릭하고 스크립트 실행을 선택합니다.l) 지금 링크에 제공된 지침에 따라 분석할 데이터 열을 선택하고 진행할 수 있어야 합니다.
Re: 정규 분포도를 결정하는 데 필요한 샘플안녕 마크,
죄송하지만 스크립트가 귀하의 jmp 버전에 내장된 것으로 생각했기 때문에 제 jmp 버전을 체크인할 때 outlier 테스트 기능이 표시되지 않았기 때문에 제 버전에는 해당 기능이 없다고 가정합니다. 나는 여전히 JSL 기능을 처음 사용합니다.
다음은 내 데이터의 스크린샷이지만 플롯에 Dixon 이상값 테스트 요약 통계가 표시되지 않습니다. 이유가 있습니까? 분포에 이상값이 없음을 나타내기 때문입니까?
Rgrds
이르판
Re: 정규 분포도를 결정하는 데 필요한 샘플왜 안 돼?
추측하는 대신 제가 제공한 링크를 사용하고, 설명과 지침을 읽고, 스크립트를 다운로드하고, 9가지 관찰을 통해 시도해 보는 것은 어떻습니까? 당신은 그것을 시도 했습니까? 왜 작동하지 않습니까?
Re: 정규 분포도를 결정하는 데 필요한 샘플친애하는 마크,
JMP 5 버전을 사용하여 이 두 가지 아웃라이어 테스트를 수행할 수 있는 방법이 없는 것 같습니다.
Re: 정규 분포도를 결정하는 데 필요한 샘플나는 당신이 이상값 테스트 . 위해 많은 테스트가 개발되었습니다. 특정 오염 공정 . 귀하의 오염 과정에 대해 아는 바가 없으므로 이러한 테스트 중 하나를 사용할 수 없습니다. 덜 구체적인 테스트 중 하나로 대체해야 합니다. JMP 커뮤니티의 파일 교환 영역에서 가장 인기 있는 두 가지 테스트를 찾을 수 있습니다. 여기에 둘 다에 대한 링크를 포함했습니다.
설명과 지침을 위해 둘 중 하나를 사용하기 전에 설명을 주의 깊게 읽으십시오.
Re: 정규 분포도를 결정하는 데 필요한 샘플예, 2.2가 나머지와 동일한 모집단에 속하는지 여부를 결정하는 가장 좋은 통계 방법이 무엇인지 알고 싶습니다. 일반 분위수 플롯이 수행해야 합니까?Re: 정규 분포도를 결정하는 데 필요한 샘플안녕 마크,
빠른 응답에 감사드립니다. 문제에 대한 원래 질문은 2.2 값이 2.3과 동일한 인구에서 오는지 여부입니다. 실제로 두 그룹이 다른 그룹에 속한다는 가정에 따라 분리합니다. 이 문제에 접근하는 올바른 방법은 무엇입니까? 동일한 정규 분포에 속한다고 말할 수 있습니까?Re: 정규 분포도를 결정하는 데 필요한 샘플동일한 모집단에서 단일 값(2.2)이 나오는지 묻고 있습니까? 그런 다음 일반적인 Quantile 플롯을 사용하는 마지막 제안을 따르십시오. DS = 낮은 관찰.
의 그룹인지 묻고 있습니까? 그룹 = 낮은 관측치는 나머지 모집단과 동일한 모집단에서 나옵니다( 그룹 = 높은 )? 그런 다음 티 -검사 결과.
Re: 정규 분포도를 결정하는 데 필요한 샘플당신은 그것을 두 가지 방법으로 가질 수 없습니다.
극단값이 특이치인지 확인하기 위해 일반 분위수 도표로 9개 관측치 분석 유효하지 않다 평균 모수와 관련하여 두 개의 모집단이 있다고 이미 결정한 경우. 유효한 결론을 위해 이런 방식으로 혼합 표본을 사용할 수 없습니다.에 대해 잠재적 이상값을 평가해야 합니다. 오직 동일한 모집단의 표본에 있는 관측치(표본 크기는 3).
당신의 적합성 테스트가 재미있습니다. 하지 않습니다 단일 정규 분포 모델을 거부하지만 티 -시험 거절했다 두 그룹의 평균이 같다는 것입니다.
어쨌든, 당신은해야합니다 ~ 아니다 2개의 모집단이 있음을 확인했으므로 이제 9개 관측치의 분포를 단일 모집단으로 분석합니다. 당신은해야 갈라져 각 모집단에 대한 정규 분위수 플롯을 검사합니다. 당신은 사용할 수 있습니다 그룹 의 열 에 의해 배포 실행 대화 상자의 분석 역할.
관찰을 할당하는 근거는 무엇입니까? 그룹 = 낮은 또는 그룹 = 높은 ?
Re: 정규 분포도를 결정하는 데 필요한 샘플안녕 마크,
답장을 보내 주셔서 다시 한 번 감사드립니다. 여기 DS의 두 그룹을 비교하는 방법이 있습니다. 기본적으로 ~2.2를 한 그룹으로 그룹화하고 ~2.3 이상을 다른 그룹으로 그룹화하고 t-테스트를 수행하여 평균을 비교합니다. t-테스트에서 두 사람이 서로 다른 두 모집단에 속해 있음을 보여줍니다.
다음은 shapiro wilk 테스트를 기반으로 한 분위수 플롯입니다. 내 샘플의 모집단이 정규 분포에서 나온 것이라고 말할 수 있습니까?
일반적인 Quantile 플롯을 기반으로 2.2가 나머지와 동일한 모집단에서 나온다고 말할 수 있습니까?이 질문에 답해야 합니다.
당신의 설명에 미리 감사드립니다
Re: 정규 분포도를 결정하는 데 필요한 샘플"대략적인 견적"에 무엇을 사용하셨습니까? 이 데이터 샘플에 두 개의 모집단이 있다고 생각하는 이유는 무엇입니까?
일반 분위수 그림은 두 모집단을 나타내지 않습니다. 즉, 단일 정규 분포를 기반으로 하는 모델이 적합해 보입니다.
두 가지 정규 분포를 기반으로 혼합 모델을 맞출 수 있습니다.
더 나은 모델은 -2L이 가장 작은 모델입니다. AICc는 과적합에 대한 페널티를 포함하므로 더 나은 기준입니다. AICc는 -2L + 2k +2k(k+1)/(nk-1)로 계산됩니다. 여기서 k는 매개변수의 수이고 n은 샘플 크기입니다. 정규 분포 모델의 AICc는 -24.0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18.0700125097입니다. 정규 혼합 분포 모델의 AICc는 -24.0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5.9299874903입니다.
따라서 -2L에 기반한 순진한 비교는 정규 혼합 모델을 선택하고 벌점 기준은 더 단순한 정규 분포를 쉽게 선택합니다.
일반 분위수 도표는 통계적 이상값을 표시하지 않습니다. 오염 과정을 알고 있는 경우 선택적 이상값 감지 테스트를 적용할 수 있습니다. 그렇지 않으면 일반 이상값 테스트를 사용해야 합니다. 이 경우 이러한 테스트는 중요하지 않습니다.
Re: 정규 분포도를 결정하는 데 필요한 샘플안녕 마크,
감사합니다. 제가 찾고 있는 것은 아래와 같이 세트 9 데이터가 있다는 것입니다. 대략적인 추정치에서 ~ 2.3과 ~ 2.2의 두 가지 데이터 모집단이 있음을 알 수 있습니다. 2.2가 실제로 2.3과 동일한 정상 인구에 속하는지 알고 싶습니다. 즉, 2.2 데이터가 실제로 나머지 데이터와 동일한 모집단에 속하는지 여부입니다.
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
이것을 결정하기 위해 어떤 종류의 분석을 할 수 있습니까? 정상 분위수 플롯과 샤피로 윌크 테스트로 충분합니까?
Re: 정규 분포도를 결정하는 데 필요한 샘플정규 분포 모형(평균 및 표준 편차 추정)에 적합하고 Shapiro-Wilk 가설 검정(H0: 모집단이 정상임 대 H1: 모집단이 정상이 아님)을 수행하기 위한 최소 표본 크기는 2입니다.
"실제로 결정하는 데 사용"이란 무엇을 의미합니까?
귀하의 질문은 귀무 가설을 기각하는 테스트의 힘에 관한 것일 수 있습니다. 최소 표본 크기 2에는 검정력이 거의 없습니다. 그러나 JMP를 비롯한 많은 전문가들은 이 문제를 의의로 여깁니다. 합리적으로 높은 검정력으로 정규성을 테스트하기에 충분한 표본 크기가 있을 때까지 가장 인기 있는 통계 또는 검정의 정규성 가정은 다음으로 인해 충족됩니다. 중심 극한 정리 (그만큼 합집합 랜덤 변수 정상적으로 분포 샘플 크기가 무한대로 증가함에 따라).
예를 들어, 단일 표본 t-검정의 중요한 가정은 표본 평균은 정규 분포를 따릅니다. . 데이터 모집단이 정규 분포를 따른다면 표본 평균은 정규 분포를 따릅니다. 그래서 우리는 모집단의 정규성을 결정하기 위해 표본의 정규성을 테스트합니다. 표본이 이 정규성 테스트에 실패하면 어떻게 될까요? 인구가 정상적이지 않다면? 글쎄, 문제가 될 수도 있고 아닐 수도 있습니다. 모집단의 왜곡도에 따라 다릅니다.
가정은 표본 평균의 분포에 관한 것임을 기억하십시오. (데이터의) 정규 모집단은 정규 분포 표본 평균을 얻을 수 있는 한 가지 방법일 뿐입니다. 표본 평균은 관측값의 (가중) 합계, 즉 확률 변수로 계산됩니다. 따라서 이러한 표본 평균은 모집단의 분포에 관계없이 표본 크기가 충분히 커서 t-검정의 가정이 유효할 경우 충분히 정규입니다. 다시 말하지만, 인구 분포 왜도에 따라 달라집니다.
왜도 추정치에서 CLT 하의 최소 표본 크기를 계산하거나 경험 법칙을 사용할 수 있습니다. (일반적인 규칙 중 하나는 표본 크기가 30개 이상이면 충분하다는 것입니다.)
결국 정규성을 결정해야 하는 것은 표본을 사용하는 것입니다.
인구가 정상인지 결정하는 이유는 무엇입니까? 정규성 가정은 무엇입니까?
