正規分布を使用した予測モデリング簡単な質問です。私は、優れた正規分布関数を使用して軽量の吹き飛ばしと太りすぎの製品を予測するモデルを作成しました。このモデルの目的は、分布内のさまざまなカテゴリの製品にコストを割り当てることです（つまり、軽量、目標を下回る、目標を上回る、目標を上回る、大量の吹き飛ばしなど）。関数が暗示するように、モデルは正規分布関数を使用します。これはもちろんデータセットが正規分布プロセスから来ると仮定します。私の質問は、それが「正常」であるかどうかを確かめるためにデータを評価するときにJMPが私に与える結果と関係があります。
ラインのサンプルを取り、サブグループを形成し、データを集計すると、JMPはプロセスが「正常」であるという結論をサポートします。しかし、すべてのXiをスキャンして母集団JMPにアクセスできるようにしているX線システムからのデータを見ると、正規分布を拒否することになります。
これはよくあることですか。問題はデータファイルのサイズに関係していると思います。ラインをサンプリングするとき、私は通常10の25のサブグループを引っ張りますが、どんな特定の人口も600Kから150万ユニットまでになるでしょう。あなたの意見では、私の平均が時間とともに変わることを知っていることを除いてそしてそれのすべて、私のモデルを将来使用することは安全であるか、または私は再検討すべきですか？
正規分布を使用した予測モデリングについてこんにちは、mmeewes！
あなたの質問に対する答えはそれほど速くも直接的でもありません。
Gauss、Pearson、Bessel、Huber、Hampel、Tukeyのようなタイタンは、実世界のデータが厳密に正規化されたものであることはほとんどないと述べています。 それは、現実世界の分布がplatykurticであることを意味します、そこでは尾がNormalより重いです。
データをどのように集計するかによっては、中央極限定理が正規性のボーンを投げかけている可能性があります。
製品のさまざまなカテゴリにコストを割り当てるには、分布の末尾にある観測の確率を評価する必要があるように思われるため、正規分布に基づくモデルを破棄し、経験的なアプローチを検討するほうが安全です。
がんばろう。
