정규 분포를 이용한 예측 모델링빠른 질문. 나는 가벼운 무게의 날숨과 과체중 제품이 정상적인 분포 기능을 능가한다고 예측하는 모델을 만들었습니다. 이 모델의 목적은 분배에서 제품의 다양한 범주 (즉, 경량, 목표, 목표, 목표 초과, 대량 분사)에 비용을 할당하는 것입니다. 함수가 암시 하듯이, 모델은 정규 분포 함수를 사용합니다. 물론 데이터 세트는 정규 분포 프로세스에서 온다고 가정합니다. 제 질문은 데이터가 "정상"인지 평가할 때 JMP가 제공 한 결과와 관련이 있습니다.
선 샘플, 하위 그룹 구성 및 데이터 집계 JMP는 프로세스가 "정상"이라는 결론을 지원합니다. 그러나 모든 Xi를 검사하여 XMP 시스템에서 수집 한 데이터를 보면 JMP에서 정규 분포를 거부하게됩니다.
자주 일어나는 일인가요? 문제는 데이터 파일의 크기와 관련이 있다고 생각합니다. 라인을 샘플링 할 때 나는 보통 10 개의 25 개의 서브 그룹을 가져온다. 반면에 perticular 인구는 600,000에서 1 천 5 백만 유닛으로 구성된다. 귀하의 의견으로는 제 말의 의미를 아는 것과 시간이 지남에 따라 변화 할 것입니다. 앞으로 나아갈 모델을 사용하는 것이 안전할까요? 아니면 다시 고려해야합니까?
Re : 정규 분포를 이용한 예측 모델링안녕, 네!
귀하의 질문에 대한 대답은 그리 쉽지 않습니다.
Gauss, Pearson, Bessel, Huber, Hampel 및 Tukey와 같은 Titans는 실제 데이터가 거의 정규적으로 거의 정규 분포가 아니라는 점을 모두 알고 있습니다 ... 이들은 주로 2 ~ 10 자유도의 Students t 분포와 유사합니다. 즉, 실제 배포판은 꼬리가 보통보다 무거울 때 platykurtic입니다.
데이터를 집계하는 방법에 따라, 중앙 한계 정리 (Central Limit Theorem)가 정규성 뼈를 던질 수 있습니다.
다양한 제품 범주에 비용을 할당하는 것은 배포판의 끝 부분에있는 관측 확률을 평가하는 것과 관련이있는 것 같기 때문에 정규 분포를 기반으로 모델을 삭제하고 경험적 접근 방식을 탐구하는 것이 더 안전하다고 생각합니다.
행운을 빕니다.
