Modélisation prédictive à l'aide de la distribution normaleQuestion rapide. J'ai créé un modèle qui prédit le produit léger en surpoids et en surpoids en utilisant la fonction de distribution normale. Le but de ce modèle est d’attribuer un coût aux différentes catégories de produits de la distribution (c’est-à-dire, poids léger, sous cible, sur cible, supérieur à la cible, fort impact). Comme la fonction l'implique, le modèle utilise la fonction de distribution normale qui suppose bien sûr que l'ensemble de données provient d'un processus normalement distribué. Ma question concerne les résultats que JMP me fournit lorsque j’évalue les données pour voir si elles sont "normales".
Lorsque je prélève des échantillons de ligne, forme des sous-groupes et agrège les données, JMP permet de conclure que le processus est "normal". Cependant, lorsque je regarde les données de notre système X-Ray qui analyse chaque Xi, me donnant ainsi accès à la population, JMP me ferait rejeter la distribution normale.
Est-ce quelque chose qui arrive souvent? Je soupçonne que le problème a à voir avec la taille des fichiers de données. Lors de l'échantillonnage de la ligne, je tire habituellement 25 sous-groupes de 10 alors que toute population particulière serait composée de 600 000 à 1,5 million d'unités. À votre avis, outre le fait que je sache que ma moyenne évoluera avec le temps, puis-je utiliser mon modèle en toute sécurité ou devrais-je repenser à cela?
Re: modélisation prédictive à l'aide de la distribution normaleBonjour, mmeewes!
La réponse à votre question n’est pas aussi rapide ni aussi simple.
Des titans comme Gauss, Pearson, Bessel, Huber, Hampel et Tukey ont tous remarqué que les données du monde réel ne sont pratiquement jamais strictement normales ... elles semblent le plus souvent ressembler à une distribution de Student t avec une liberté comprise entre 2 et 10 degrés. Cela signifie que les distributions du monde réel sont platykurtic, où les queues sont plus lourdes que Normal.
En fonction de la manière dont vous agrégez vos données, le théorème de la limite centrale peut vous envoyer l'os de normalité.
Étant donné qu’attribuer des coûts à diverses catégories de produits semble impliquer l’évaluation des probabilités d’observations dans les queues de votre distribution, je pense qu’il serait plus prudent de vous départir du modèle basé sur la distribution Normal et d’explorer une approche empirique.
Bonne chance.
