Hola
¿Cuál es el procedimiento apropiado de dos muestras t para el resumen debajo de los períodos de ordeño de razas de vacas agrupadas / no agrupadas (Welch) usando R?
Vaca frisona Xbar = 342.5 S1 = 10.2 n1 = 126
Jersey vaca Xbar = 348.6 S2 = 12.2 n2 = 39
Construya un intervalo de confianza del 95% para µ1-µ2
Dar una interpretación adecuada del intervalo.
Gracias
@ Alma1 Mira esto
ayuda -> datos de muestra -> Calculadoras -> Prueba de hipótesis para dos medias
y siga el flujo de trabajo (o ejecute la secuencia de comandos a continuación).
Para aprender Propósito, también recomendaría construir una tabla de datos a partir de las estadísticas de resumen y realizar la Prueba t desde el menú Análisis -> Ajustar y por x, y Leer las explicaciones que JMP da.
Names default to here(1);
open("$SAMPLE_SCRIPTS\Calculators\TestTwoSampleMeans.jsl");Nop! No es una tarea. estamos realizando una investigación y no sabía si usar una prueba agrupada / no agrupada ¿qué hay de malo en pedir ideas? eres libre de no responder si lo deseas
por cierto el fondo jmp es R.
@ Alma1 escribió:
por cierto el fondo jmp es R.
No estoy seguro exactamente de lo que estás pensando aquí, pero JMP no tiene experiencia con R.
JMP es un producto de SAS y es desarrollado únicamente por nosotros.
Ahi esta integración con R a través de JSL , proporcionando la capacidad de llamar a R y enviar el código R, pero esa es la única asociación entre JMP y R.
@ Alma1 , No sé qué datos tiene, un ejemplo sería útil.
En la secuencia de comandos a continuación (cuando ejecuta), ve un conjunto de datos y ambas pruebas t realizadas, dando diferentes resultados.
En general, las pruebas estadísticas tienen condiciones previas, y la prueba t supone una distribución normal del conjunto de datos,
la prueba t agrupada supone una varianza igual,
La prueba t también funciona con diferentes variaciones.
Esto se debe a que funcionan con la media y la varianza, y si esos dos números no representan los datos correctamente, el método no funciona.
Si realiza una prueba t y las suposiciones no son válidas, no puede confiar en el resultado.
En el siguiente ejemplo, puede ver resultados diferentes para ambas pruebas t, pero tenga en cuenta que la distribución normal tampoco es válida en este caso.
Puede encontrar estos resultados en la documentación también, y encontré que STIPS es un entrenamiento bastante bueno para entender estas cosas.
Names Default To Here( 1 );
cdt = Open( "$SAMPLE_DATA\companies.jmp" );
cdt << Oneway(
Y( :Name( "Profits ($M)" ) ),
X( :Type ),
Means( 1 ),
t Test( 1 ),
Mean Diamonds( 1 ),
SendToReport(
Dispatch( {"Oneway Anova"}, "Summary of Fit", OutlineBox, {Close( 1 )} ),
Dispatch( {"Oneway Anova"}, "Analysis of Variance", OutlineBox, {Close( 1 )} ),
Dispatch( {"Oneway Anova"}, "Means for Oneway Anova", OutlineBox, {Close( 1 )} )
)
);