Comment JMP s'ajuste-t-il à la valeur p de la valeur du chi carré de PearsonJe fais un ajustement discret entre une distribution de nombres observée et un mélange Gamma-Poisson.Cependant, les statistiques d'adéquation du chi carré de Pearson renvoient une valeur très élevée pour X2, mais indiquent une valeur p acceptable.
Dans l'exemple fourni, X2 est 1222,58, qui, s'il est inséré dans une distribution du Chi carré, renverrait une valeur p de 7,552193e-268.
JMP renvoie une valeur p de 0,1021.
Y a-t-il un ajustement effectué dans le calcul de JMP qui augmenterait autant la valeur par rapport à un calcul direct ?
Re : Comment JMP s'ajuste-t-il à la valeur p de la valeur du chi carré de PearsonNon, JMP version 15 ne permet pas à l'utilisateur de contrôler les tailles de casier utilisées pour le test Pearson Goodness of Fit.Re : Comment JMP s'ajuste-t-il à la valeur p de la valeur du chi carré de PearsonMerci Tonya, cela aide beaucoup.Existe-t-il un moyen de contrôler la taille du bac pour la ver. 15 ans et plus ?Dans l'exemple que j'ai fourni, je crois que je ne donnais pas les degrés de liberté corrects pour le test du chi carré dans les méthodes alternatives que j'utilisais.
Re : Comment JMP s'ajuste-t-il à la valeur p de la valeur du chi carré de PearsonLe Chi carré attendu sous l’hypothèse nulle est égal aux degrés de liberté.Vos degrés de liberté sont élevés pour cet exemple, vous avez un N de 1162. Je ne suis donc pas surpris des résultats.
La plupart des problèmes liés aux tests Pearson Goodness of Fit proviennent de la taille des bacs.
Le test Pearson Goodness of Fit a changé pour la version 15.Le problème avec ce test est que la taille du bac n'est pas bien définie.Pour la version 15, JMP s'assure qu'il y a au moins 5 observations attendues dans chaque bac.De cette façon, nous satisfaisons cette règle empirique (les hypothèses sont vers le bas). https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test
Le dernier bac est l'exception.Si le nombre attendu est inférieur à 5, JMP ne s'en soucie pas.
Auparavant, JMP traitait chaque entier compris entre le min et le max comme un bac.Cela signifie qu'il peut y avoir des compartiments avec zéro observation et des attentes essentiellement nulles.
