Dichte Ellipse<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo,
Gibt es ein Dokument mit weiteren Details zur Berechnung der Dichteellipse in der Fit Y by X-Plattform?
Es ist eine Verbindung zum Konfidenzintervall (95 %), aber wie wird es berechnet?
Und was ist, wenn die Variablen keine Normalverteilung haben?
Wie würden Sie diese Ellipse und die Mahalanobis-Distanz vergleichen?
Vielen Dank für alle Informationen, die mir jemand über diese Dichteellipse geben kann.
Florenz
Re: DichteellipseVielen Dank Jian!
De : Administrator der JMP-Benutzergemeinschaft >
Antwort an: "jive-1409537905-hwqt-2-4nkh@community.jmp.com" >
Datum: 2. Juli 2015, 19:25 Uhr
À : Florence Kussener >
Objekt : Re: - Dichteellipse
JMP-Benutzer-Community<>
Dichte Ellipse
Antwort von jiancao<> in der JMP SE Community – Vollständige Diskussion anzeigen<>
Re: Dichteellipse1. Die Dichteellipse wird basierend auf einer angenommenen bivariaten Normalverteilung berechnet, die an x1 und x2 angepasst ist:
![P(x_1,x_2)=1/(2pisigma_1sigma_2sqrt(1-rho^2))exp[-z/(2(1-rho^2))],](http://mathworld.wolfram.com/images/equations/BivariateNormalDistribution/NumberedEquation1.gif)
Weitere Informationen finden Sie unter http://mathworld.wolfram.com/BivariateNormalDistribution.html
Das Ellipsoid wird basierend auf der angepassten bivariaten Normalen gezeichnet, die einen bestimmten Prozentsatz der Daten abdeckt, die Sie aus dem Menü Dichteellipse auswählen (siehe JMP-Dokumentation Dichte-Ellipse .)
2. Wenn (x1, x2) keiner bivariaten Normalverteilung folgen, gelten die üblichen Argumente :-).
3. Mahalanobis-Abstand misst die Distanz, die ein Datenpunkt von seinem multivariaten Mittel entfernt ist unter Berücksichtigung der multivariaten Korrelationsstruktur der Daten , während ein Dichteellipsoid anhand einer angepassten bivariaten Normalverteilung zeigt, wie stark die Korrelation eines Variablenpaars ist.
Um ihre Beziehungen zu sehen, können Sie verwenden Multiplizieren Plattform und führen Sie beide aus Scatterplot-Matrix und Ausreißeranalyse wie unten zu sehen. Sie korrespondieren ziemlich gut.
