In che modo JMP si adegua al valore p del valore chi quadrato di PearsonSto eseguendo un adattamento discreto tra una distribuzione del conteggio osservata e una miscela Gamma-Poisson.Tuttavia, le statistiche di bontà di adattamento del chi quadrato di Pearson restituiscono un valore molto elevato per X2, ma indicano un valore p accettabile.
Nell'esempio fornito, X2 è 1222,58, che se inserito in una distribuzione Chi quadrato restituirebbe un valore p di 7,552193e-268.
JMP restituisce un valore p di 0,1021.
È stato effettuato qualche aggiustamento nel calcolo di JMP che aumenterebbe così tanto il valore rispetto a un calcolo diretto?
Re: In che modo JMP si adegua al valore p del valore chi quadrato di PearsonNo, JMP versione 15 non offre all'utente il controllo delle dimensioni dei contenitori utilizzati per il test Pearson Goodness of Fit.Re: In che modo JMP si adegua al valore p del valore chi quadrato di PearsonGrazie Tonya, questo aiuta molto.Esiste un modo per controllare la dimensione del contenitore per la ver. 15 e oltre?Nell'esempio che ho fornito, credo di non aver dato i gradi di libertà corretti per il test del Chi quadrato nei metodi alternativi che stavo utilizzando.
Re: In che modo JMP si adegua al valore p del valore chi quadrato di PearsonIl Chi quadrato atteso sotto l'ipotesi nulla è uguale ai gradi di libertà.I tuoi gradi di libertà sono alti per questo esempio, hai un N pari a 1162. Pertanto non sono sorpreso dai risultati.
La maggior parte dei problemi con i test Pearson Goodness of Fit derivano dalle dimensioni dei contenitori.
Il test Pearson Goodness of Fit è cambiato per la versione 15.Il problema con questo test è che la dimensione del contenitore non è ben definita.Per la versione 15, JMP garantisce che siano presenti almeno 5 osservazioni previste in ciascun contenitore.In questo modo soddisfiamo questa regola pratica (le ipotesi sono verso il basso). https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test
L'ultimo contenitore è l'eccezione.Se il conteggio previsto è inferiore a 5, JMP non se ne preoccupa.
In precedenza, JMP trattava ogni numero intero compreso tra min e max come un contenitore.Ciò significa che possono esserci contenitori con zero osservazioni e aspettative essenzialmente pari a zero.
