Cela représente peut-être une question triviale mais, si j'ai deux sous-ensembles déterminés par une variable indépendante d'un échantillon de population, qui sont statistiquement distincts par rapport à une variable de réponse numérique commune et voulaient extrapoler (convertir) entre les deux, une méthode simple pourrait soit d'ajouter (ou de soustraire) la différence entre les médianes respectives (les populations ne sont pas normalement réparties) à ou de celle du sous-ensemble que l'on voulait convertir. Cependant, cela transmettrait la variance du sous-ensemble de départ à l'ensemble converti, ce qui ne serait pas une vraie conversion, n'est-ce pas?
Pour mieux expliquer cela, mon exemple évalue la taille de remplacement de valve adaptée pour les valves de remplacement dans deux sous-ensembles aléatoires (ceux qui reçoivent soit le type de valve A soit le type de valve 
de patients autrement contrôlés pour les covariables de confusion. Si je voulais extrapoler quelles tailles de valve de type B conviendraient dans le sous-groupe recevant la valve de type A, je suppose que la variance dans le groupe extrapolé devrait être la même que pour le groupe de référence, mais puis-je simplement utiliser la différence de médiane calculer la conversion?
J'ai lu un peu sur l'échantillonnage par transformée inverse et je me suis demandé si cela pouvait fournir une transformation plus précise sur toute la gamme de tailles. Y a-t-il une approche simple à cela que je pourrais suivre en utilisant JMP?
Je ne peux pas dire si c'est statistiquement valide ou accepté, mais peut-être pourriez-vous déterminer le quantile de la valeur dans la première distribution et ensuite trouver la valeur corrélée avec ce quantile dans la nouvelle distribution.
Par exemple:
Names default to here(1);
//Origin value is in normal distribution
OriginalValue = 10;
OriginalMean = 8;
OriginalSD = 2;
OriginalQuantile = Normal Distribution( OriginalValue, OriginalMean, OriginalSD );
//Projected value will be in Gamma distribution
ProjectedAlpha = 4;
ProjectedScale = 3;
ProjectedThreshold = .2;
(ProjectedValue = Gamma Quantile( OriginalQuantile, ProjectedAlpha, ProjectedScale, ProjectedThreshold ) );
//Show results
Graph Builder(
Size( 779, 296 ),
Show Control Panel( 0 ),
Show Legend( 0 ),
Variables( X( :Column 1 ), Y( :Column 1 ) ),
Elements( Points( X, Y, Legend( 3 ) ), Smoother( X, Y, Legend( 4 ) ) ),
SendToReport(
Dispatch(
{},
"Column 1",
ScaleBox,
{Format( "Best", 12 ), Min( 0 ), Max( 35 ),
Inc( 2 ), Minor Ticks( 1 ),
Add Ref Line( OriginalValue, "Solid", "gray", "Original\!n" || format(OriginalValue, Fixed Dec, 2), 2 ),
Add Ref Line( ProjectedValue, "Solid", "magenta", "Projected\!n" || format(ProjectedValue, Fixed Dec, 2), 2 )}
),
Dispatch(
{}, "Column 1", ScaleBox( 2 ),
{Format( "Best", 12 ), Min( 0 ), Max( .225 ), Inc( 0.5 ),
Minor Ticks( 1 )}
),
Dispatch(
{},
"graph title",
TextEditBox,
{Set Text( "Distribution Projection" )}
),
Dispatch( {}, "X title", TextEditBox, {Set Text( "" )} ),
Dispatch( {}, "Y title", TextEditBox, {Set Text( "" )} ),
Dispatch(
{},
"Graph Builder",
FrameBox,
{Add Graphics Script(
2,
Description( "" ),
Pen Color( "gray" );
Y Function( Normal Density( x, OriginalMean, OriginalSD ), x );
), Add Graphics Script(
3,
Description( "" ),
Pen Color( "magenta" );
Y Function( Gamma Density( x, ProjectedAlpha, ProjectedScale, ProjectedThreshold ), x );
)}
)
)
);Merci, je ne m'attendais pas à une réponse aussi détaillée, bien que le script soit un peu au-dessus de ma note de salaire. Je suis très compétent en scripting dans quelque chose comme FileMaker, mais mes compétences sont encore rudimentaires dans JMP. Néanmoins, je l'ai fait fonctionner.
J'ai pensé étirer l'un dans l'autre, mais je ne l'avais pas encore essayé, mais votre idée de faire correspondre les quantiles aide beaucoup et a beaucoup de sens.
Encore merci!
