Wie passt JMP den p-Wert des Pearson-Chi-Quadrat-Werts an?Ich mache eine diskrete Anpassung zwischen einer beobachteten Zählverteilung und einer Gamma-Poisson-Mischung.Die Chi-Quadrat-Anpassungsstatistik von Pearson liefert jedoch einen sehr hohen Wert für X2, weist jedoch auf einen akzeptablen p-Wert hin.
Im bereitgestellten Beispiel ist X2 1222,58, was bei Einfügung in eine Chi-Quadrat-Verteilung einen p-Wert von 7,552193e-268 ergeben würde.
JMP gibt einen p-Wert von 0,1021 zurück.
Gibt es in der Berechnung von JMP eine Anpassung, die den Wert im Vergleich zu einer direkten Berechnung so stark erhöhen würde?
Betreff: Wie passt JMP den p-Wert des Pearson-Chi-Quadrat-Werts an?Nein, JMP Version 15 gibt dem Benutzer keine Kontrolle über die Bin-Größen, die für den Pearson Goodness of Fit-Test verwendet werden.Betreff: Wie passt JMP den p-Wert des Pearson-Chi-Quadrat-Werts an?Danke Tonya, das hilft sehr.Gibt es eine Möglichkeit, die Bin-Größe für Version zu steuern? 15 und älter?Ich glaube, dass ich in dem von mir bereitgestellten Beispiel bei den alternativen Methoden, die ich verwendet habe, nicht die korrekten Freiheitsgrade für den Chi-Quadrat-Test angegeben habe.
Betreff: Wie passt JMP den p-Wert des Pearson-Chi-Quadrat-Werts an?Das erwartete Chi-Quadrat unter der Nullhypothese entspricht den Freiheitsgraden.Ihre Freiheitsgrade sind für dieses Beispiel hoch, Sie haben einen N von 1162. Daher sind die Ergebnisse für mich nicht überraschend.
Die meisten Probleme bei den Pearson Goodness of Fit-Tests sind auf die Klassengrößen zurückzuführen.
Der Pearson Goodness of Fit-Test hat sich für Version 15 geändert.Das Problem bei diesem Test besteht darin, dass die Bin-Größe nicht genau definiert ist.Für Version 15 stellt JMP sicher, dass in jedem Bin mindestens 5 erwartete Beobachtungen vorhanden sind.Auf diese Weise erfüllen wir diese Faustregel (die Annahmen liegen im unteren Bereich). https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test
Die letzte Tonne ist die Ausnahme.Wenn die erwartete Anzahl weniger als 5 beträgt, kümmert sich JMP nicht darum.
Bisher behandelte JMP jede Ganzzahl zwischen Min und Max als Bin.Dies bedeutet, dass es Klassen mit null Beobachtungen und Erwartungen im Wesentlichen null geben kann.
