Aiuta a interpretare i risultati dei test KSL in bontà di adattamento<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />nCiao a tutti,
Sto osservando alcuni risultati di bontà. Mentre i risultati di Shapiro-Wilkes hanno una documentazione (sparsa), il test di Komologorov-Smirnov-Lilliefors sembra avere una forma diversa e nessuna documentazione. Anche una rapida ricerca non mostra nulla sul forum; e Google è piuttosto silenzioso sull'argomento.
I miei risultati sono:
Per una distribuzione normale:
D Prob > D
0,3752777 < 0,0100*
Non credo che questa sia una distribuzione normale. Posso rifiutare l'ipotesi nulla come D > alfa?
Perché Prob > D è significativo: significa semplicemente che il risultato del test non è probabilmente un evento casuale?
Per la distribuzione LogNormal.
D Prob > D
0,030143 < 0,0100*
Questo è vicino a una distribuzione logaritmica normale: è per lo più entro i limiti del grafico quantile normale ma vaga leggermente alle estremità. Poiché D ora è inferiore ad alfa; questo significa che si adatta a una distribuzione normale del registro?
Per tua informazione, ci sono circa 159.000 punti dati.
Il miglior collegamento che riesco a trovare sull'argomento è http://homepages.cae.wisc.edu/'1e642/content/Techniq ues/KS-Test.htm, che è ciò su cui sto basando le mie ipotesi.
Grazie per ogni ulteriore informazione che potrete fornire,
Gareth
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoin questo caso potresti provare i seguenti passaggi:
1) apri la tabella dei dati.
2) esegui una distribuzione con tutte le variabili che desideri.
3) tieni premuto il tasto Ctrl e adatta la distribuzione normale a tutte le variabili
4) tieni premuto il tasto Ctrl e ottieni la bontà dell'adattamento
5) ora arriva il trucco: fai clic con il pulsante destro del mouse su una delle tabelle di adattamento e scegli Crea tabella dati combinata.
ora dovresti avere una tabella completamente funzionale con tutti i risultati in una volta. questo ti consentirà di ordinare in base al valore statistico o al valore P o persino di creare un grafico di ciò che hai appena ottenuto.
spero che questo ti aiuti.
Ron
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoGrazie per le indicazioni
Sebbene una dimensione del campione di ~ 159.000 sia considerata ampia e altamente rilevabile nel contesto del rifiuto dell'ipotesi nulla, esiste un numero in cui consideriamo una dimensione del campione come "ampia e altamente rilevabile"?E se questo numero si basasse su una teoria o su una regola pratica generale?Nel mio caso, potrei lavorare su una dimensione del campione di ~ 40k.
Per aggiungere, la mia intenzione è tentare di evitare l'ispezione visiva degli istogrammi.Potrei avere a che fare con ~ 40.000 unità in un particolare prodotto, in cui ciascuna unità viene presa ~ 3000 diversi tipi di misurazioni.Supponendo che ci aspettiamo che ogni singolo tipo di misurazione produca un comportamento di distribuzione normale.Immagino che, se possibile, potrei eseguire il test di normalità utilizzando JMP per riportare il valore p per ciascuna delle 3000 misurazioni.Osservando 3000 valori p come primo schermo lordo, mi consente di identificare rapidamente misurazioni problematiche (che non sono normali) invece di visualizzare manualmente 3000 istogrammi.Per questo, abbiamo bisogno di (1) accuratezza e robustezza del test di normalità e (2) supporto dell'automazione in JSL per riportare questi valori p.Se c'è qualche consiglio su tale modello di utilizzo, sarebbe molto apprezzato.
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoIn questo caso JMP non sta effettivamente calcolando i valori p. JMP li sta cercando dai valori tabellati. Ecco perché puoi omettere alcune osservazioni e ottenere lo stesso valore p. Questo è anche il motivo per cui JMP fornisce il simbolo < o >. Ciò indica all'utente che il valore p è leggermente inferiore o leggermente superiore al valore riportato.
Hai ragione riguardo al problema relativo alle dimensioni/significatività del campione.
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoIn questo caso JMP non sta effettivamente calcolando i valori p. JMP li sta cercando dai valori tabellati. Ecco perché puoi omettere alcune osservazioni e ottenere lo stesso valore p. Questo è anche il motivo per cui JMP fornisce il simbolo < o >. Ciò indica all'utente che il valore p è leggermente inferiore o leggermente superiore al valore riportato.
Hai ragione riguardo al problema relativo alle dimensioni/significatività del campione.
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentocon questa dimensione del campione tutto risulta significativo (nel bene e nel male). questo perché ogni piccola differenza è “rilevabile”. con questo campione vorrei prima creare le cose visivamente.
Trovo anche che i valori p di questo test siano piuttosto arrotondati in modo sospetto. se ometti semplicemente alcune osservazioni e ripeti il test, darà comunque lo stesso identico valore p.
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoI dettagli e le formule di questo test si trovano nella pagina seguente: http://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/viewer.htm#procstat_univariate_sect037.htm
L'ipotesi nulla per il test KSL è che i dati siano distribuiti come la distribuzione adatta.Supponiamo di adattare una distribuzione normale.Allora l’ipotesi nulla è che i dati siano distribuiti normalmente.
Per interpretare il test, l'utente deve decidere su un livello alfa.Supponiamo di scegliere un valore alfa di 0,05.
Ricevere un valore p di 0,1500 indica che non è possibile rifiutare l'ipotesi nulla (perché abbiamo scelto un alfa di 0,05 che è inferiore al valore p).
Ri: Aiuto nell'interpretazione dei risultati del test KSL nella bontà dell'adattamentoHo domande simili e sembra che ci siano pochissime risorse su questo argomento.
1. In che modo JMP calcola e riporta i risultati del test KSL?
2. Come interpretare i valori D e Prob>D riportati da JMP?
3. L'utente ha il controllo sul livello alfa/significativo?Se sì, come?
