통계 학적으로 유의안녕,
다음 정보만 가지고 있습니다.
두 데이터 세트의 실패율(FR)이 있습니다. 실험 세트에는 2500개 샘플 중 4개 실패(FR:0.16%)가 있고 대조군 세트에는 35000개 샘플 중 34개 실패(FR:0.097%)가 있습니다. 표본 크기의 큰 차이로 인해 JMP가 이 두 FR이 통계적으로 유사한지 다른지 판단하는 데 도움을 줄 수 있는 방법이 있습니까?
감사해요.
라비
Re: 통계적 의미당연합니다. 이러한 계산기는 요약된 통계에서 작업할 때 유용합니다. 즉, 우리는 대부분 강의실용으로 의도했으며 일반적으로 기본 JMP 플랫폼을 사용하면 훨씬 더 많은 가치를 얻을 수 있습니다.Re: 통계적 의미고마워 이안.
라비
Re: 통계적 의미고마워 줄리안. 참으로 유용했습니다.
"두 비율에 대한 가설 검정"도 사용할 수 있습니까?
라비
Re: 통계적 의미잘 했어Re: 통계적 의미이해에 도움이 되는지 모르겠지만 다음은 시뮬레이션을 통해 pValue를 직접 가져오는 JSL입니다.
NamesDefaultToHere(1);
n1 = 2500; // Size of sample one
nf1 = 4; // Number of failures in sample one
n2 = 35000; // Size of sample two
nf2 = 34; // Number of failures in sample two
n = n1 + n2;
nf = nf1 + nf2;
nSim = 10000; // Number of simulations
np1 = J(nSim, 1, .); // Vector to hold the number of passes counted in sample one
// Randomly allocate nf failures to n units
for(s=1, s<=nSim, s++,
result$ = J(n, 1, 1); // All n units pass initially
result$[randomIndex(n, nf)] = 0; // Simulate nf failures at random
np1$ = VSum(result$[1::n1]); // Count the nummber of passes in sample one
np1[s] = np1$; // Store this result
);
// Now evaluate how extreme the observed number of passes, (n1 - nf1), is in relation to the
// reference distribution constructed under the null hypothesis of random allocation of
// failures to samples
np1Observed = n1 - nf1;
pValue = NRow(Loc(np1 <= np1Observed)) / nSim;
Print("Estimated pValue is "||Char(Round(pValue, 3)));Re: 통계적 의미안녕 @라비크 ,
여기에 접근할 수 있는 몇 가지 방법이 있지만 아마도 가장 간단한 방법은 우발성 분석의 일종인 카이제곱 독립성 검정일 것입니다. 이 테스트는 두 개의 범주형 변수, 그룹화 변수 및 범주형 결과(성공 또는 실패)이고 두 그룹에 대한 범주형 결과의 관찰된 비율이 프로세스가 생성하는 증거를 제공하는지 여부에 관심이 있기 때문에 적절합니다. 결과는 그룹 간에 다릅니다.분석 > X로 Y 맞추기를 사용하여 이 테스트를 얻을 수 있습니다. 그러나 먼저 특정 방식으로 데이터를 입력해야 합니다(또한 첨부됨).
내가 한 일은 당신이 나에게 제공한 숫자를 취하여 칼럼을 만든 것입니다. 그룹 , 결과 , 그리고 N , 각각의 관측치 수. 성공 횟수는 단순히 당신이 준 총계에서 실패 횟수를 뺀 것입니다. 다음으로 Analyze > Fit Y by X를 실행합니다.
여기 내가 캐스팅 결과 Y 역할에서 그룹 X로, 그리고 N Freq 또는 발생 빈도로. 확인을 누르면 아래의 출력이 표시됩니다(관찰된 실패 빈도가 너무 낮아 플롯이 도움이 되지 않기 때문에 모자이크 플롯을 숨겼습니다). 
관심 있는 p-값은 우도 비율 또는 Pearson(고전적인 카이-제곱 독립 테스트)이며 둘 다 약 p = ~0.30이며, 실험 및 제어 그룹 프로세스에 진정한 차이가 없는 경우를 나타냅니다. , 이러한 샘플 데이터에서 관찰한 실패 비율의 차이(또는 더 극단적인 차이)는 보유한 크기의 샘플을 채취할 때 시간의 약 30%에서 발생합니다. 즉, 이러한 집합에 진정한 차이가 있다는 그다지 설득력 있는 증거가 아닙니다.실패 비율의 큰 차이로 보이는 것을 감안할 때 이는 놀라운 일입니다. 그러나 전반적으로 낮은 실패 횟수를 감안할 때 단순히 우연히 이 정도 이상의 비율 차이를 관찰하는 것은 상대적으로 쉽습니다(이 통계적 유의성 테스트가 우리에게 직접적으로 알려주는 것임).
이게 도움이 되길 바란다!
@줄리안
