Intervalo de predicción para la distribución de PoissonEstimados JMP Communities,
Tengo datos que son conteo / espacio.
En mi caso, (número de eventos ocurridos / tiempo). Como tal, es natural que yo encajara estos datos utilizando Discrete Fit> Poisson.
Posteriormente, JMP produce el Poisson ajustado con los resultados de un intervalo de confianza superior / inferior del 95% según la foto de abajo.
Mi pregunta es: ¿Cómo obtengo Upper / Lower 95%? Predicción ¿Intervalo?
Gracias por el puntero.
Br
Chris
Re: Intervalo de predicción para la distribución de PoissonNo sé qué versión está utilizando. Verifique el menú del triángulo rojo invertido al lado del cuadro de contorno variable
Aquí hay un script de ejemplo:
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/Quality Control/Airport.jmp" );
obj = Distribution( Column( :Delay ) );
obj << Fit Distribution( Poisson );
obj << Prediction Interval(0.95, 1);
Re: Intervalo de predicción para la distribución de PoissonHola,
Gracias por mirar en esta pregunta.
Estoy usando JMP ver 14.
Sé que hay una opción de "Intervalo de Predicción" como usted ha señalado.
La razón por la que lo cuestiono es porque puede ver que el Intervalo de confianza calculado tiene dos valores totalmente diferentes (basados en el 95%).
En mi ejemplo:
El intervalo de confianza del 95% calculado (según la función de densidad t) es de 22.6 a 48.1.
El intervalo de confianza del 95% calculado (según la función de densidad de Poisson) es de 32,5 a 38,4.
Debido a esto, me sorprende que la opción de Intervalo de Predicción, tal como lo ha mostrado, se calcule en función de la función de densidad t en lugar de Poisson.
Espero que esto traiga la pregunta clara ahora.
Br
Chris
Re: Intervalo de predicción para la distribución de PoissonUsted es correcto: el intervalo de predicción para la lambda no está disponible en la plataforma de Distribución. De forma equivalente, adapto un modelo de regresión loglineal de Poisson con intercepción solo con la plataforma GLM para obtener las mismas estimaciones, pero tampoco proporciona intervalos de predicción.
