229235_de-DE

liliconcom

Güte der Anpassung

Liebe JMP-Benutzer,

Ich habe eine Frage zur Verwendung des P-Werts, um zu überprüfen, ob ein Datensatz zu einer Verteilung passt.

Für einige Verteilungen (Norma, Lognormal...) ist es in JMP möglich, den p-Wert mit der „Anpassungsgüte“ zu überprüfen. Bei einem P-Wert < 0,05 entsprechen die Daten nicht der ausgewählten Verteilung. Bei einem P-Wert > 0,05 stimmen die Daten mit der ausgewählten Verteilung überein.

Ich habe versucht, diese Funktion mit der „Normal 2-Mischung“ zu verwenden ... aber es ist nicht möglich, die „Anpassungsgüte“ aus dem JMP-Menü anzuwenden.

Haben einige von euch eine Erklärung dafür?

Vielen Dank im Voraus für Ihr Feedback.

Beste grüße,

Simone

Betreff: Güte der Passform

Danke Mark.

Klare Erklärung.

Ich wünsche Ihnen einen schönen Tag.

Beste grüße,

Simone

Betreff: Güte der Passform

Der p-Wert wird aus der Stichprobenverteilung der Teststatistik für das Modell unter der Nullhypothese berechnet. Beispielsweise gibt es mehrere Teststatistiken für die Anpassungsgüte an ein Normalverteilungsmodell. Die Shapiro-Wilk W-Statistik oder die Anderson-Darling A2-Statistik. Die Teststatistik ist nicht für alle Modelle verfügbar.

Betreff: Güte der Passform

Lieber Mark,

Vielen Dank für das Feedback und die Details.

Ich werde es als Richtlinie in dieser Verteilungsanalyse verwenden.

Zu meinem Verständnis: Der p-Wert ist eine mathematische Berechnung ... Warum können also einige Verteilungen den p-Wert „generieren“ und andere diese p-Wert-Berechnung nicht?

 

Nochmals vielen Dank für Ihr Feedback.

Beste grüße,

Simone

Betreff: Güte der Passform

Viele Verteilungsmodelle verfügen über einen Hypothesentest für die Anpassungsgüte. Der Hypothesentest basiert auf der Nullhypothese (d. h. der Hypothese, von der angenommen wird, dass sie wahr ist), dass die beobachtete Datenstichprobe tatsächlich aus einer Grundgesamtheit mit einer solchen Verteilung stammt. Die Alternative besteht darin, dass die Bevölkerung keine solche Verteilung aufweist. Für einige Verteilungen wurden eine oder mehrere Statistiken entwickelt, um die Nullhypothese darzustellen. Die Stichprobenverteilung dieser Statistiken wird zur Berechnung eines p-Werts verwendet. Einige Statistiken decken den p-Wert besser ab als andere. Allerdings verfügen nicht alle Distributionen über eine Statistik. Außerdem verfügt ein Mischungsmodell für eine Verteilung nicht über eine Statistik zum Testen der Nullhypothese.

 

(Wenn ein solcher Test verfügbar ist, würde ich Sie davor warnen, für jede Entscheidung über die Signifikanz immer Alpha = 0,05 zu verwenden.)

 

In Ihrem Fall schlage ich vor, dass Sie eine verwenden Informationskriterium statt einer Stichprobenstatistik. AICc oder BIC dürfen hierfür verwendet werden. Das beste Modell allein aufgrund des Kriteriums ist der mit dem Mindestkriteriumswert . Das ist nicht Allerdings ein Test. Es gibt keinen p-Wert. Es gibt keine Entscheidung wie „bedeutsam“ oder „nicht bedeutsam“. Es erfolgt nur eine Auswahl eines Modells gegenüber den anderen Kandidatenmodellen.