핏의 장점친애하는 JMP 사용자 여러분,
데이터 세트가 분포에 맞는지 확인하기 위해 P-값을 사용하는 것과 관련하여 질문이 있습니다.
JMP의 일부 분포(표준, 로그 정규...)의 경우 "적합도"로 p-값을 확인할 수 있습니다. P-값<0.05 데이터는 선택한 분포와 일치하지 않으며, p-값>0.05이면 데이터가 선택한 분포와 일치합니다.
이 기능을 "Normal 2 Mixture"와 함께 사용하려고 했지만... JMP 메뉴에서 "적합도"를 적용할 수 없습니다.
여러분 중 일부는 이에 대한 설명이 있습니까?
귀하의 의견에 미리 감사드립니다.
친애하는,
시몬느
Re: 핏의 장점고마워 마크.
명확한 설명.
좋은 하루 되세요.
친애하는,
시몬느
Re: 핏의 장점p-값은 귀무 가설 하에서 모델에 대한 검정 통계량의 샘플링 분포에서 계산됩니다. 예를 들어, 정규 분포 모델에 대한 적합도에 대한 여러 테스트 통계가 있습니다. Shapiro-Wilk W 통계 또는 Anderson-Darling A2 통계. 테스트 통계는 모든 모델에서 사용할 수 없습니다.
Re: 핏의 장점친애하는 마크,
피드백과 세부 사항에 감사드립니다.
이 분포 분석에서 지침으로 사용하겠습니다.
내 이해를 위해: p-값은 수학적 계산입니다... 그렇다면 왜 일부 분포는 p-값을 "생성"할 수 있고 다른 분포는 이 p-값 계산을 생성할 수 없습니까?
귀하의 피드백에 다시 한 번 감사드립니다.
친애하는,
시몬느
Re: 핏의 장점많은 분포 모델에는 적합도에 대한 가설 테스트가 있습니다. 가설 검정은 관찰된 데이터 샘플이 실제로 그러한 분포를 가진 모집단에서 나온 것이라는 귀무 가설(즉, 참이라고 가정되는 가설)을 기반으로 합니다. 대안은 모집단에 그러한 분포가 없다는 것입니다. 귀무 가설을 나타내기 위해 일부 분포에 대해 하나 이상의 통계가 개발되었습니다. 이러한 통계의 샘플링 분포는 p-값을 계산하는 데 사용됩니다. 일부 통계는 다른 통계보다 p-값을 더 잘 포함합니다. 하지만 모든 분포에 통계가 있는 것은 아닙니다. 또한 분포에 대한 혼합 모델에는 귀무 가설을 검정할 통계가 없습니다.
(이러한 테스트를 사용할 수 있는 경우 중요성에 대한 모든 결정에 대해 항상 alpha = 0.05를 사용하지 않도록 주의합니다.)
귀하의 경우에는 다음을 사용하는 것이 좋습니다. 정보 기준 샘플 통계 대신. AICc 또는 빅 이 목적으로 사용될 수 있습니다. 최고의 모델 기준만으로 가진 사람이다 최소 기준 값 . 이것은 ~ 아니다 그래도 테스트. p-값이 없습니다. '중요' 또는 '중요하지 않음'과 같은 결정은 없습니다. 다른 후보 모델보다 하나의 모델만 선택할 수 있습니다.
