Creazione di una distribuzione campionariaVorrei creare una vera distribuzione di campionamento dal mio set di dati e non sono sicuro di quali formule utilizzare in JMP per crearla.Ho un set di dati sulla popolazione di 10.000 e vorrei creare una distribuzione campionaria con n=100, che risulterebbe quindi in 100 medie campionarie.Quale formula utilizzo per crearlo in JMP?
Re: Creazione di una distribuzione campionariaGrazie!! Sì, farò quanto suggerito sull'apprendimento JSL.Re: Creazione di una distribuzione campionariaDi seguito è riportata una semplice modifica dello script con cui ho risposto in precedenza.Quello qui sotto è solo uno dei modi per risolvere questo problema.Se hai intenzione di giocare nel mondo di JMP Scripting, devi leggere la Guida allo scripting JMP, in modo da poter iniziare il percorso di apprendimento di JSL.
names defalut to here( 1 );
dt = New Table( "test",
New Column( "BPN",
values(
{103.2, 100.3, 99.2, 103.6, 102.1, 100.6, 100.1, 99.6, 99, 102.6, 101.2, 97.6, 102.1,
100, 102.4, 101.7, 105.3, 103.7, 99.1, 103.1, 99.3, 99.2, 98.5, 101.7, 106.3, 97.8,
104.6, 102.9, 103.1, 101.8, 101.8, 99.9, 102, 100.6, 106.6, 100.6, 104.7, 98.4, 95.6,
103.2, 103.5, 101, 102.8, 100.5, 97, 104, 99.8, 103, 103.4, 101.6, 100.6, 101.9,
101.2, 99.7, 101.1, 101.1, 99.2, 104.9, 103.4, 106.4}
)
)
);
dtSamples = New Table( "Samples", New Column( "Sample Means" ) );
For( i = 1, i <= 10, i++, // change this line to produce as many subsets as you want
dt2 = dt << Subset( invisible, Sample Size( 3 ), Selected columns only( 0 ) );
dtSamples << add Rows( 1 );
dtSamples:Sample Means[N Rows( dtSamples )] = Col Mean( dt2:BPN );
Close( dt2, nosave );
);Re: Creazione di una distribuzione campionariaGrazie txnelson. L'output dello script fornisce 10 campioni casuali, ciascuno di dimensione campione 3. Come suggerito, è possibile modificare il numero richiesto di campioni e/o la dimensione del campione. Lo script è limitato al ricampionamento (o sottoinsieme casuale della dimensione del campione 3, 10 volte).
In realtà avrei bisogno di uno script in grado di fornire una tabella dati con la media della dimensione del campione 3, organizzata in un'unica colonna per diciamo 10 campioni casuali, che utilizzerei ulteriormente per comprendere la probabilità di osservare valori medi diversi.Re: Creazione di una distribuzione campionariaLa piattaforma Subset ha una funzionalità casuale incorporata.Di seguito è riportato un semplice script che utilizza
Tabelle==>Sottoinsieme
per generare una tabella di dati del campione casuale con 3 righe.È in un ciclo For(), quindi puoi specificare di generare tutti i campioni casuali che desideri
dt = New Table( "test",
New Column( "BPN",
values(
{103.2, 100.3, 99.2, 103.6, 102.1, 100.6, 100.1, 99.6, 99, 102.6,
101.2, 97.6, 102.1, 100, 102.4, 101.7, 105.3, 103.7, 99.1, 103.1,
99.3, 99.2, 98.5, 101.7, 106.3, 97.8, 104.6, 102.9, 103.1, 101.8,
101.8, 99.9, 102, 100.6, 106.6, 100.6, 104.7, 98.4, 95.6, 103.2,
103.5, 101, 102.8, 100.5, 97, 104, 99.8, 103, 103.4, 101.6, 100.6,
101.9, 101.2, 99.7, 101.1, 101.1, 99.2, 104.9, 103.4, 106.4}
)
)
);
For( i = 1, i <= 10, i++, // change this line to produce as many subsets as you want
dt << Subset( Sample Size( 3 ), Selected columns only( 0 ) )
);Re: Creazione di una distribuzione campionariaCiao txnelson, grazie per lo script sui mezzi di esempio. Sono nuovo in JSL e ho bisogno del tuo aiuto per correggere lo script che ho provato sui miei dati. Tabella dati e script allegati per riferimento. Ho appena seguito (sulla base di una comprensione limitata) lo script che hai pubblicato. Tuttavia, il tavolo finale osservato era vuoto. Per favore suggerisci..
Avrei bisogno della tabella finale con una media di 100 campioni, ciascuno di 3 campioni, dalla tabella dei dati originali.
Tabella dati (Nome tabella: BPN) Contiene il valore del contenuto BPN (in %) da 60 singole unità/flaconi.
BPN
103.2
100.3
99,2
103.6
102.1
100,6
100.1
99,6
99
102.6
101.2
97,6
102.1
100
102.4
101.7
105.3
103,7
99,1
103.1
99,3
99,2
98,5
101.7
106.3
97,8
104.6
102.9
103.1
101.8
101.8
99,9
102
100,6
106.6
100,6
104.7
98,4
95,6
103.2
103,5
101
102.8
100,5
97
104
99,8
103
103.4
101.6
100,6
101.9
101.2
99,7
101.1
101.1
99,2
104.9
103.4
106.4
Script: (con la tabella dati aperta, ho provato con lo script seguente)
dtMeans = Nuova tabella ("Media BPN", Nuova colonna ("Campione"), Nuova colonna ("Media campione BPN 3" ));
dtMeans << aggiungi righe( 100 );
For( i = 1, i <= 60, i++,
dt2 = dt << Sottoinsieme (invisibile, dimensione campione (3), colonne (: BPN));
dtMezzi:Campione[i] = i;
dtMeans:BPN 3 Media campione[i] = Col Mean( dt2:BPN );
Chiudi (dt2, nosave);
);
Grazie!!Re: Creazione di una distribuzione campionariaQuindi, se vuoi davvero impazzire, se hai accesso alle trascrizioni scritte delle chiamate (ad esempio in un file .txt) E JMP Pro... allora un intero mondo di analisi del testo e lavoro di modellazione predittiva/esplorativa è a portata di mano. Con JMP Pro è possibile analizzare il testo in formato libero delle conversazioni degli agenti utilizzando semplici conteggi di parole/frasi fino all'analisi delle classi latenti, all'analisi degli argomenti e all'analisi semantica latente per l'esplorazione. Da lì tra la matrice dei termini del documento o altri metodi di riduzione della dimensionalità, il salto è breve fino alla piattaforma di regressione generalizzata e alle funzionalità di regressione quantilica per modellare il testo (o i suoi surrogati) per contattare i quantili temporali per la mediana o, ad esempio, il 95esimo quantile. Ora hai un collegamento tra le parole e il tempo di conversazione! E se disponi di punteggi di soddisfazione del cliente rispetto a un impegno, puoi modellare anche questi. Di seguito è riportato un collegamento a un evento Mastering JMP che illustra gran parte di questo flusso di lavoro:
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/using_text_explorer_to_extend_analysis.html
Re: Creazione di una distribuzione campionariaSÌ.
Se le varianze fossero disuguali ma gli errori fossero distribuiti normalmente, è possibile utilizzare Welch ANOVA, che JMP fornisce automaticamente se si seleziona Varianze disuguali dal menu della piattaforma Oneway (triangolo rosso).
Per quanto ne so, Life Distribution è lo strumento giusto in questo caso.
Re: Creazione di una distribuzione campionariaGrazie, questo aiuta molto. Sicuramente mi aiuta con quello che sto cercando di fare.Un'ultima domanda: se le varianze fossero state uguali e la popolazione fosse stata distribuita normalmente (o la dimensione del mio campione fosse sufficientemente ampia) avrei potuto utilizzare un'ANOVA come ho fatto in passato, giusto?Voglio solo assicurarmi di non utilizzare lo strumento sbagliato per il lavoro.
Re: Creazione di una distribuzione campionariaPuoi utilizzare i profiler in Life Distribution per ottenere più della media o della mediana. Puoi stimare qualsiasi quantile (tempo) o probabilità che preferisci.
Re: Creazione di una distribuzione campionariaHai ragione, non esiste alcun analogo alle scelte per confronti multipli presenti nella piattaforma Oneway.
Il test di Wilcoxon è un indicatore omnibus di qualsiasi differenza. Non è specifico per un parametro come la media o la varianza. La trama in alto può però aiutare. Le linee parallele hanno la stessa varianza o scala. Le linee spostate hanno media o posizione diversa. Pertanto, se un agente completa costantemente le chiamate più rapidamente, la sua curva si sposterebbe verso sinistra.
Sono inoltre disponibili le stime puntuali dei parametri e gli intervalli di confidenza per ciascun gruppo (agente) per il confronto, sebbene tali informazioni non siano le stesse di un test di confronto multiplo.
Puoi anche utilizzare i profiler per estrarre informazioni su ciascun gruppo. Queste risposte sono fornite sia come stima puntuale che come stima intervallare.
Non mi sto scusando, ma semplicemente riconosco che la metodologia qui proviene dal campo dell'ingegneria dell'affidabilità. Gli stessi metodi sono stati scoperti indipendentemente nella mortalità e morbilità medica. La terminologia, quindi, attiene a questi campi ma i metodi non sono meno rilevanti. Richiede solo un po' di traduzione. A volte è necessario anche invertire gli obiettivi. In termini di affidabilità, una funzione di rischio crescente è negativa. Nel tuo caso, però, va bene. Significa che è più probabile che un evento accada. Ma nel tuo caso un evento non è un fallimento, è una chiamata completata.
Esistono metodi analoghi per i modelli di regressione con dati relativi al tempo intercorrente tra gli eventi. Quindi, se avessi delle covariate, potresti includerle nel modello per tutta la vita e testarle. C'è molta flessibilità qui.
Re: Creazione di una distribuzione campionariaVerissimo e bel commento. Di solito mi impegno a guardare sia le mediane che la diffusione dei dati per determinare se il processo ha il controllo.Grazie per il feedback.
Re: Creazione di una distribuzione campionariaGrazie per i consigli e le istruzioni.Non ho mai utilizzato questa piattaforma ma dopo aver letto di più a riguardo vedo come potrebbe essere molto utile in questa situazione.Tuttavia, ho qualche difficoltà a leggere l'output.Vedo dal test di omogeneità del gruppo Wilcoxon che il valore p è <.0001, quindi le varianze non sono decisamente omogenee.Con ANOVA di solito guardo i confronti a coppie e posso confrontare, ma ho difficoltà a confrontare il Weibull.Come hai accennato, posso valutare visivamente la bontà dell'adattamento in Confronta distribuzioni, ma esiste un modo per determinare statisticamente la differenza (come il valore p) come facciamo con ANOVA?
Re: Creazione di una distribuzione campionariaAnche aggiungere un po' di più @Mark_Bailey soluzione consigliata, inserirò un altro problema. Che ne dici di concentrarti sulla media (o hai pensato invece alla mediana?) E alla varianza/spread? Ricordiamo la famosa citazione di Jack Welch, parafrasando: "I clienti raramente sperimentano la media... sentono e sperimentano la varianza". Quindi, se il tuo obiettivo finale è migliorare o rendere più coerente la lunghezza MEDIA dei contatti... ti incoraggio a pensare anche a minimizzare/ridurre la varianza quando il tuo obiettivo finale è migliorare la soddisfazione del cliente riducendo la VARIANZA della lunghezza dei contatti.
Re: Creazione di una distribuzione campionariaOra capisco. L'ANOVA presuppone che gli errori casuali siano distribuiti normalmente. Quindi non usiamo ANOVA!
C'è un modo semplice per aggirare tutti i tuoi problemi. Innanzitutto, il durata della chiamata generalmente non è distribuito normalmente. È una misura del vita della chiamata o semplicemente tutta la vita dati. Più in generale, lo è tempo per l'evento dati (l'evento è la fine della chiamata). Vuoi usare Analizzare > Affidabilità e sopravvivenza > Distribuzione della vita invece di ANOVA. Seleziona il Confronta gruppi scheda nella parte superiore della finestra di dialogo di avvio. Selezionare la colonna con la lunghezza dei valori delle chiamate e fare clic Y, Tempo all'evento . Selezionare la colonna con i valori che identificano gli agenti e cliccare Raggruppamento . (Grande supposizione per ora, ma andiamo avanti: tutte le chiamate sono state completate. Cioè, nessuna delle osservazioni sulla durata delle chiamate rappresenta chiamate incomplete. Questa situazione è nota come censura. Possiamo occuparci adeguatamente del caso in seguito, se necessario.) Ora fai clic Andare .
Suggerisco di utilizzare il Weibull modello di distribuzione e ridimensionamento. Clicca il casella di controllo prima di Weibull e il pulsante di opzione dopo Weibull. Riceverai molte informazioni.
Innanzitutto, il grafico in alto in Confronta distribuzioni è utile per valutare visivamente la bontà dell'adattamento e valutare le differenze tra gli agenti. In secondo luogo, il rapporto Riepilogo ti informa su ciascun agente. Aprire ed esaminare il test di omogeneità del gruppo Wilcoxon. Si presuppone che la distribuzione di tutti gli agenti sia la stessa, ma è significativa se alcuni agenti sono diversi. In terzo luogo, c'è una scheda con un'analisi di ciascun agente. Ogni rapporto è dettagliato e specifico. Potresti non aver bisogno o non volere tutte le informazioni.
Mi fermerò qui per vedere se stiamo andando nella buona direzione e se avete ulteriori domande.
Re: Creazione di una distribuzione campionariaEcco un modo per creare le medie campione.Se salvassi e concatenassi le tabelle, anziché eliminarle, potresti effettivamente utilizzare i campioni per eseguire analisi.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/semiconductor capability.jmp" );
dtMeans = New Table( "Final", New Column( "Sample" ), New Column( "NPN1 Mean" ) );
dtMeans << add rows( 100 );
For( i = 1, i <= 100, i++,
dt2 = dt << Subset( invisible, Sample Size( 100 ), columns( :NPN1 ) );
dtMeans:Sample[i] = i;
dtMeans:NPN1 Mean[i] = Col Mean( dt2:npn1 );
Close( dt2, nosave );
);
Re: Creazione di una distribuzione campionariaBene, immagino di dover fornire ulteriori informazioni su questo.Quello che voglio fare è osservare i diversi agenti del call center ed eseguire un test ANOVA per determinare se ci sono differenze statisticamente significative nella durata media del tempo di chiamata tra gli agenti.Tuttavia, quando si osserva la durata dei dati delle chiamate per ciascun agente, i set di dati non sono distribuiti normalmente e sto violando l'omogeneità della varianza quando confronto i set.In base al teorema dei limiti centrali, se eseguissi una distribuzione campionaria per le 10.000 chiamate (approssimative) che ciascun agente ha effettuato in quel mese con n=100, dovrebbe quindi essere distribuita in modo più normale.Ho anche considerato l'utilizzo del test t di Welch per varianze disuguali, ma non ero sicuro che questo avrebbe risolto completamente il problema.So che esistono altri modi per normalizzare i dati, ma ho anche pensato che sarebbe stato utile sapere come eseguire distribuzioni campionarie in generale utilizzando JMP.Forse sto andando nel modo sbagliato, quindi qualsiasi consiglio aggiuntivo sarebbe fantastico!
Re: Creazione di una distribuzione campionariaHo appena riletto il tuo post originale. Vuoi calcolare una media campionaria di Y, qualunque siano i dati? Basta calcolarlo. La media campionaria è ancora lo stimatore imparziale per la media della popolazione.
In che modo la distribuzione del campionamento ti aiuterà? Cosa faresti con tutte le stime provenienti da molti sottocampioni di N = 100?
Inoltre, cosa stai cercando di fare in modo tale da presupporre una distribuzione normale?
Re: Creazione di una distribuzione campionariaGrazie per la risposta.Quindi, ho i dati sulla popolazione del mio call center riguardanti la durata delle telefonate nel corso di un mese e i dati non sono distribuiti normalmente.Il mio pensiero era di eseguire un campionamento casuale di n=100 per campione, il che aiuterebbe a creare una distribuzione normale.So che ci sono altri modi per farlo, ma volevo capire come farlo in JMP.Non ho JMP Pro, quindi ciò potrebbe non essere possibile in base al testo riportato di seguito.Ha più senso ciò che chiedo?
Re: Creazione di una distribuzione campionariaPrima di tutto, una distribuzione campionaria di cosa? Di solito pensiamo a una distribuzione campionaria rispetto a una stima, come la media campionaria o una pendenza. È una cosa che cerchi? Se sì, quale stima?
In secondo luogo, la distribuzione campionaria presuppone il campionamento con sostituzione. Questa operazione sarebbe difficile utilizzando le formule di colonna.
In terzo luogo, di solito sono necessarie molte estrazioni per avere un'idea precisa della distribuzione del campione. Ancora una volta, questa iterazione sarebbe difficile utilizzando le formule di colonna.
In quarto luogo, hai JMP Pro? È presente una funzionalità di bootstrap integrata che ricampionerà i dati per ottenere nuove stime della statistica. Non ricordo se puoi specificare la dimensione del disegno o se utilizza sempre la dimensione del campione originale.
Penso che una sceneggiatura potrebbe essere necessaria.
