適合度における KSL テスト結果の解釈を支援する<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />n皆さん、こんにちは。
適合性の結果を調べています。 Shapiro-Wilkes の結果にはいくつかの (まばらな) 文書が含まれていますが、Komologorov-Smirnov-Lilliefors 検定には別の形式があり、文書もないようです。 簡単に検索してもフォーラムには何も表示されません。そしてグーグルはこの件に関しては全く沈黙している。
私の結果は次のとおりです。
正規分布の場合:
D 確率 > D
0.3752777 < 0.0100*
これが正規分布であるとは思えません。 D > alpha として帰無仮説を拒否できますか?
Prob > D が重要なのはなぜですか。これは単にテスト結果がランダムに発生する可能性が低いことを意味しているのでしょうか?
対数正規分布の場合。
D 確率 > D
0.030143 < 0.0100*
これは対数正規分布に近いです。ほとんどが正規分位点プロットの制限内にありますが、端で少しずれています。 D はアルファより小さいので、これは対数正規分布に適合することを意味しますか?
参考までに、データ ポイントは約 159,000 個あります。
この件に関して私が見つけることができる最良のリンクは、 http://homepages.cae.wisc.edu/'1e642/content/Techniq ues/KS-Test.htm、これが私の仮定の基礎になっているものです。
さらに詳しい情報をご提供いただきありがとうございます。
ガレス
Re: 適合度における KSL テスト結果の解釈を支援するこの場合は、次の手順を試してみてください。
1) データテーブルを開きます。
2) 必要なすべての変数を使用して分布を実行します。
3) Ctrl キーを押したまま、すべての変数に正規分布を当てはめます。
4) Ctrl キーを押したまま、フィット感を確認します。
5) ここからが重要です。適合度テーブルの 1 つを右クリックし、[結合データ テーブルの作成] を選択します。
これで、すべての結果を一度に表示した完全に機能するテーブルが完成しました。これにより、統計値または P 値で並べ替えたり、取得した値のグラフを作成したりすることができます。
お役に立てれば。
ロン
Re: 適合度における KSL テスト結果の解釈を支援するご指摘ありがとうございます。
帰無仮説を棄却するという文脈では、~159,000 のサンプル サイズは大きく、検出可能性が高いと考えられますが、サンプル サイズを「大きく、検出可能性が高い」とみなす数値は存在しますか?そして、この数字は理論や一般的な経験則に基づいているのでしょうか?私の場合、最大 40,000 のサンプル サイズで作業することになります。
付け加えておきますが、私の意図は、ヒストグラムの目視検査を避けることです。特定の製品では最大 40,000 個のユニットを扱うことになり、各ユニットでは最大 3,000 種類の測定が行われます。あらゆる種類の測定が正規分布の動作を生成すると想定します。可能であれば、JMP を使用して正規性検定を実行し、3000 の測定値それぞれの p 値を報告できると思います。最初の全体的な画面として 3000 の p 値を確認することで、3000 のヒストグラムを手動で確認する代わりに、問題のある測定値 (正規ではない) を迅速に特定できます。このためには、(1) 正規性検定の精度と堅牢性、(2) これらの p 値のレポートをサポートする JSL の自動化が必要です。そのような使用モデルについてアドバイスがあれば、大変感謝いたします。
Re: 適合度における KSL テスト結果の解釈を支援するこの場合、JMP は実際には p 値を計算しません。 JMP はテーブルの値からそれらを検索します。 一部の観測を省略しても同じ p 値を取得できるのはこのためです。 これが、JMP が < または > 記号を付ける理由でもあります。 これにより、p 値が報告された値よりわずかに小さいか、わずかに大きいことがユーザーにわかります。
サンプルサイズ/有意性の問題については正しいです。
Re: 適合度における KSL テスト結果の解釈を支援するこの場合、JMP は実際には p 値を計算しません。 JMP はテーブルの値からそれらを検索します。 一部の観測を省略しても同じ p 値を取得できるのはこのためです。 これが、JMP が < または > 記号を付ける理由でもあります。 これにより、p 値が報告された値よりわずかに小さいか、わずかに大きいことがユーザーにわかります。
サンプルサイズ/有意性の問題については正しいです。
Re: 適合度における KSL テスト結果の解釈を支援するこのサンプルサイズでは、（良くも悪くも）すべてが重要であることがわかります。これは、あらゆる小さな違いが「検出可能」であるためです。このサンプルでは、まず視覚的に物事を理解します。
また、この検定の p 値はかなり疑わしく丸められていることがわかります。いくつかの観測値を省略してテストを繰り返した場合でも、まったく同じ p 値が得られます。
Re: 適合度における KSL テスト結果の解釈を支援するこのテストの詳細と計算式は次のページにあります。 http://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/viewer.htm#procstat_univariate_sect037.htm
KSL 検定の帰無仮説は、データが適合した分布として分布するということです。正規分布に当てはめるとします。この場合、帰無仮説は、データが正規分布しているということです。
テストを解釈するには、ユーザーはアルファ レベルを決定する必要があります。アルファ値 .05 を選択するとします。
0.1500 の p 値を受け取った場合は、帰無仮説を棄却できないことを示します (p 値より小さい 0.05 のアルファを選択したため)。
Re: 適合度における KSL テスト結果の解釈を支援する同様の質問がありますが、このトピックに関するリソースはほとんどないようです。
1. JMP はどのようにして KSL テスト結果を計算し、報告しますか?
2. JMP によって報告される D 値と Prob>D 値をどのように解釈すればよいですか?
3. ユーザーはアルファ/有意レベルを制御できますか?「はい」の場合、どのようにして?
