229235_it-IT

liliconcom

Bontà di vestibilità

Gentili utenti di JMP,

Ho una domanda sull'utilizzo del valore P per verificare se un set di dati si adatta a una distribuzione.

Per alcune distribuzioni (norma, lognormale...) in JMP è possibile verificare il valore p con la "bontà di adattamento". P-value<0.05 i dati non corrispondono alla distribuzione selezionata, se p-value>0.05 i dati corrispondono alla distribuzione selezionata.

Ho provato ad utilizzare questa funzione con la "Normal 2 Mixture"... ma non è possibile applicare la "Goodness of fit" dal menu JMP.

Qualcuno di voi ha qualche spiegazione per questo?

Grazie in anticipo per il tuo riscontro.

Distinti saluti,

Simone

Ri: Bontà di adattamento

Grazie Marco.

Spiegazione chiara.

Buona giornata.

Distinti saluti,

Simone

Ri: Bontà di adattamento

Il valore p viene calcolato dalla distribuzione campionaria della statistica del test per il modello sotto l'ipotesi nulla. Ad esempio, esistono diversi test statistici per la bontà dell'adattamento a un modello di distribuzione normale. La statistica Shapiro-Wilk W o la statistica Anderson-Darling A2. La statistica del test non è disponibile per tutti i modelli.

Ri: Bontà di adattamento

Caro Marco,

grazie per il feedback e i dettagli.

Lo userò come linea guida in questa analisi della distribuzione.

Per quanto mi riguarda: il valore p è un calcolo matematico ... quindi perché alcune distribuzioni possono "generare" il valore p e altre non possono generare questo calcolo del valore p?

 

Grazie ancora per il tuo feedback.

Distinti saluti,

Simone

Ri: Bontà di adattamento

Molti modelli di distribuzione hanno un test di ipotesi per la bontà dell'adattamento. Il test di ipotesi si basa sull'ipotesi nulla (ovvero quella che si presume sia vera) che il campione di dati osservato provenga effettivamente da una popolazione con tale distribuzione. L'alternativa è che la popolazione non abbia una tale distribuzione. Per alcune distribuzioni sono state sviluppate una o più statistiche per rappresentare l'ipotesi nulla. La distribuzione campionaria di queste statistiche viene utilizzata per calcolare un valore p. Alcune statistiche coprono il valore p meglio di altre. Tuttavia, non tutte le distribuzioni hanno una statistica. Inoltre, un modello misto per una distribuzione non dispone di una statistica per verificare l'ipotesi nulla.

 

(Quando un tale test è disponibile, ti metterei in guardia dall'usare sempre alfa = 0,05 per ogni decisione sulla significatività.)

 

Nel tuo caso, ti suggerisco di utilizzare un criterio informativo invece di una statistica campionaria. AICc O BIC può essere utilizzato per questo scopo. Il miglior modello in base al solo criterio è quello con il valore minimo del criterio . Questo è non una prova, però. Non esiste un valore p. Non esiste una decisione come "significativo" o "non significativo". C'è solo la selezione di un modello rispetto agli altri modelli candidati.