Muestras necesarias para determinar el gráfico de distribución normalEstimado JMP,
¿Puedo saber si se requiere una cantidad mínima de muestras antes de que podamos usarlas para determinar si las muestras que tenemos se incluyen en la categoría de distribución normal?
Tengo una muestra de 10 datos, ¿es esto suficiente para mostrar si todos estos datos entran en la categoría de distribución normal?
Saludos
Irfan
Re: Muestras necesarias para determinar la gráfica de distribución normalOk Mark, gracias de todos modos por tu ayudaRe: Muestras necesarias para determinar la gráfica de distribución normalNo has hecho nada malo. Los resultados de la prueba de Dixon deben aparecer independientemente de la presencia de un valor atípico. La parte del script que agrega un informe personalizado para el análisis de valores atípicos a la plataforma de distribución es (aparentemente) incompatible con JMP 5. No tengo esta versión anterior de JMP, por lo que no puedo confirmar esta conclusión ni determinar una solución alternativa. JMP 5 tiene unos quince años.
Re: Muestras necesarias para determinar la gráfica de distribución normalQuerida marca,
Probé su sugerencia y pude ejecutar el script como se muestra en el ejemplo.
Pero cuando ejecuto el análisis, mi gráfico de distribución no muestra el análisis de valores atípicos, ¿es porque no hay valores atípicos?
Saludos
Irfan
Re: Muestras necesarias para determinar la gráfica de distribución normalDescarga el script desde el enlace que te di. Abre tu tabla de datos. Abre el guión. Ejecute el script. (Varias formas: Seleccione Edición > Ejecutar secuencia de comandos, presione Ctrl-R (Windows) o Cmd-R (Macintosh), haga clic en el botón Ejecutar secuencia de comandos en la barra de herramientas o haga clic con el botón derecho en el editor de secuencias de comandos y seleccione Ejecutar secuencia de comandos.l) Ahora debería poder seguir las instrucciones proporcionadas en los enlaces para seleccionar la columna de datos para el análisis y continuar.
Re: Muestras necesarias para determinar la gráfica de distribución normalHola, Mark,
Lo siento, pero pensé que el script se creó en su versión de jmp, así que cuando revisé mi versión de jmp no vi la función de prueba de valores atípicos, así que asumo que mi versión no la tiene. Todavía soy nuevo con la capacidad JSL.
Aquí está la captura de pantalla de mis datos, pero no veo la estadística de resumen de la prueba de valores atípicos de Dixon en mi gráfico, ¿alguna razón para esto? ¿Es porque indica que no hay valores atípicos en mi distribución?
Saludos
Irfan
Re: Muestras necesarias para determinar la gráfica de distribución normal¿Por qué no?
En lugar de adivinar, ¿por qué no usa los enlaces que proporcioné, lee las descripciones e instrucciones, descarga los scripts y los prueba con sus 9 observaciones? ¿Lo intentaste? ¿Por qué no funcionará?
Re: Muestras necesarias para determinar la gráfica de distribución normalQuerida marca,
Supongo que no hay forma de que pueda hacer esta prueba de dos valores atípicos usando la versión JMP 5 correctamente
Re: Muestras necesarias para determinar la gráfica de distribución normalLe sugiero que use un prueba de valores atípicos . Se han desarrollado muchas pruebas para procesos de contaminación específicos . No sabemos nada sobre su proceso de contaminación, por lo que no podemos usar una de esas pruebas. Debemos recurrir a una de las pruebas menos específicas. Puede encontrar dos de las pruebas más populares aquí en el área de intercambio de archivos de la comunidad JMP. He incluido un enlace para ambos aquí:
Asegúrese de leer detenidamente la descripción antes de usar cualquiera de ellos para obtener una explicación e instrucciones.
Re: Muestras necesarias para determinar la gráfica de distribución normalSí, me gustaría saber cuál es el mejor método estadístico para determinar si 2.2 es de la misma población que el resto, ¿debe servir un gráfico de cuantiles normal?Re: Muestras necesarias para determinar la gráfica de distribución normalHola, Mark,
Gracias por la respuesta rápida, supongo que mi pregunta original al problema es si el valor 2.2 proviene de la misma población que el 2.3, en realidad segrego los dos grupos en función de mi suposición de que pertenecen a un grupo diferente. ¿Cuál es la forma correcta de abordar este problema? ¿Puedo decir que pertenecen a la misma distribución normal?Re: Muestras necesarias para determinar la gráfica de distribución normal¿Está preguntando si un solo valor (2.2) proviene de la misma población? Luego siga mi última sugerencia de usar el gráfico de cuantiles normal con el SD = Bajo observaciones.
¿Estás preguntando si el grupo de Grupo = Bajo observaciones provienen de la misma población que el resto ( Grupo = Alto )? Luego usa el t -resultado de la prueba.
Re: Muestras necesarias para determinar la gráfica de distribución normalNo puedes tenerlo de las dos maneras.
El análisis de las 9 observaciones con el gráfico de cuantiles normales para determinar si un valor extremo es un valor atípico es inválido si ya ha determinado que hay dos poblaciones con respecto al parámetro medio. No puede usar una muestra mixta de esta manera para una conclusión válida.Debe evaluar el posible valor atípico contra solo las observaciones en la muestra de la misma población (el tamaño de la muestra es 3).
Es gracioso que tu prueba de bondad de ajuste no es rechazar el modelo de distribución normal única pero su t -prueba rechazó que los dos grupos tienen la misma media.
De todos modos, debes no analice la distribución de las 9 observaciones como una sola población ahora que estableció que hay dos poblaciones. Debería por separado examinar la gráfica de cuantiles normales para cada población. Puedes usar el Grupo columna en el Por función de análisis en el cuadro de diálogo de inicio de distribución.
¿Cuál es la base para la asignación de una observación a Grupo = Bajo o Grupo = Alto ?
Re: Muestras necesarias para determinar la gráfica de distribución normalHola, Mark,
gracias nuevamente por la respuesta, así es como comparo los dos grupos de DS, básicamente agrupé ~ 2.2 en un grupo mientras que el anterior ~ 2.3 en otro grupo y realicé la prueba t para comparar la media. De la prueba t se muestra que los dos son de dos poblaciones diferentes.
Aquí está mi gráfico de cuantiles, basado en la prueba de Shapiro Wilk, ¿puedo decir que la población de mi muestra es de una distribución normal?
Basándome en el gráfico de cuantiles normal, ¿puedo decir que el 2.2 proviene de la misma población que el resto? Esta es la pregunta que debo responder
Gracias de antemano por tu explicación.
Re: Muestras necesarias para determinar la gráfica de distribución normal¿Qué usó para su "estimación aproximada"? ¿Por qué crees que hay dos poblaciones en esta muestra de datos?
El gráfico de cuantiles normal no indica dos poblaciones. Es decir, un modelo basado en una única distribución normal parece adecuado:
Podría ajustar un modelo mixto basado en dos distribuciones normales:
El mejor modelo es el que tiene el -2L más pequeño. AICc es un mejor criterio porque incluye una penalización por ajuste excesivo. AICc se calcula como -2L + 2k +2k(k+1)/(nk-1) donde k es el número de parámetros yn es el tamaño de la muestra. El AICc para el modelo de distribución normal es -24,0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18,0700125097. El AICc para el modelo de distribución de mezclas normales es -24.0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5.9299874903.
Entonces, una comparación ingenua basada en -2L seleccionaría el modelo de mezclas normales, el criterio penalizado selecciona fácilmente la distribución normal más simple.
El gráfico de cuantiles normal no muestra indicios de un valor atípico estadístico. Si conoce el proceso de contaminación, se puede aplicar una prueba selectiva de detección de valores atípicos. De lo contrario, tendría que usar una prueba general de valores atípicos. Tal prueba no sería significativa en este caso.
Re: Muestras necesarias para determinar la gráfica de distribución normalHola, Mark,
Gracias, lo que estoy buscando es que tengo un conjunto de 9 datos como se muestra a continuación. A partir de las estimaciones aproximadas, puedo ver que hay dos poblaciones de datos que son ~ 2.3 y ~ 2.2. Me gustaría saber si el 2.2 realmente pertenece a la misma población normal que el 2.3. En otras palabras, si los datos 2.2 en realidad caen con la misma población que el resto de los datos.
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
¿Qué tipo de análisis puedo hacer para determinar esto? ¿Es suficiente el gráfico de cuantiles normal y la prueba de Shapiro Wilk?
Re: Muestras necesarias para determinar la gráfica de distribución normalEl tamaño mínimo de la muestra para ajustar un modelo de distribución normal (estimar la media y la desviación estándar) y realizar la prueba de hipótesis de Shapiro-Wilk (H0: la población es normal versus H1: la población no es normal) es 2.
¿Qué quiere decir con "realmente usar para determinar"?
Su pregunta podría ser sobre el poder de la prueba para rechazar la hipótesis nula. Hay poco poder en el tamaño mínimo de la muestra 2. Sin embargo, muchos expertos, incluido JMP, consideran que el problema es discutible. En el momento en que tenga suficiente tamaño de muestra para probar la normalidad con una potencia razonablemente alta, se cumplirá la suposición de normalidad de las estadísticas o pruebas más populares debido a la teorema del límite central (el suma de variables aleatorias se distribuye normalmente a medida que el tamaño de la muestra aumenta hacia el infinito).
Por ejemplo, una suposición crítica de la prueba t de una muestra es que el la media de la muestra se distribuye normalmente . Si la población de datos tiene una distribución normal, entonces la media muestral tiene una distribución normal. Entonces probamos la normalidad de la muestra para decidir sobre la normalidad de la población. ¿Qué pasa si la muestra no pasa esta prueba de normalidad? ¿Qué pasa si la población no es normal? Bueno, puede que sea un problema o puede que no. Depende de la asimetría de la población.
Recuerde que la suposición es sobre la distribución de la media muestral. Una población normal (de datos) es solo una forma de obtener medias muestrales normalmente distribuidas. La media muestral se calcula como la suma (ponderada) de las observaciones, es decir, variables aleatorias. Por lo tanto, estas medias muestrales serán lo suficientemente normales, independientemente de la distribución de la población, si el tamaño de la muestra es lo suficientemente grande y, por lo tanto, la suposición de la prueba t será válida. De nuevo, depende de la asimetría de la distribución de la población.
Puede calcular el tamaño de muestra mínimo para la normalidad según el CLT a partir de la estimación de la asimetría o puede usar una regla general. (Una regla popular es que un tamaño de muestra de al menos 30 es suficiente).
Al final, se trata de usar la muestra que tiene para determinar la normalidad.
¿Por qué estás decidiendo si la población es normal? ¿Para qué sirve el supuesto de normalidad?
