いくつか (22?) のサンプルからのデータがあり、サンプル サイズがかなり異なります。サンプルが大きいほどパラメータの推定精度が向上することは理解していますが、ここで取り上げたいのはそこではありません。グループ/サンプル間でサンプル サイズに差がないかのように、分布をグラフ化し、パラメータを推定したいのです。つまり、大きいサンプルの重み付けを減らし、小さいサンプルの重み付けを増やす必要があります。
私は次のように「Fit Y by X」でこれを実行しようとしました。グループのサンプル サイズを合計サンプル サイズで割った値として、新しい変数 WEIGHT を計算しました。つまり、4 つのグループがあるとします。
グループ1: N1=100
グループ2: N1=500
グループ3: N1=200
グループ4: N1=400
また、グループ1と2はタイプ1であり、グループ3と4はタイプ2である。
重量は次のようになります:
グループ1: 100/1200
グループ2: 500/1200
グループ3: 200/1200
グループ4: 400/1200
「Fit Y by X」を実行すると（Y は DV、X は「タイプ」、重量は WEIGHT です）、次に「Compare Densities」を使用して重なり合う密度のプロットを取得すると、正しく表示されます。ただし、続けて DV の標準偏差を取得すると、どのグループの標準偏差よりも大幅に大きくなります。これは、自分が何をしているのか理解していないように思わせます。
ヘルプ？
この投稿が役立つと思います：
解決済み: 加重標準偏差 - JMP User Community
おそらく、次のスクリプトは何が起こるかを理解するのに役立ちます.
したがって、平均値のアプローチ計算では、どのような方法（役割の重みまたは頻度）を使用しても機能します。
私はあなたのものとは異なる重量の定義をしました.私は重量の合計が1200であることを望みました(あなたは4 * 1200を持っています).
これは重要ではなく、頻度の役割の重みについては問題ありませんが、役割の重みの重みについては重要です。 スクリプトを参照してください。
残念ながら、その理由を正確に説明することはできません。小さなデータセットは、合計平均と比較して非常に大きな stddev を取得します。 それはおそらく二乗と根によるものです...
何が起こっているのかはっきりしないので、私は個人的にあなたのアプローチを使用しません。 グループの要約を行い、次に各グループの平均を 1 に重み付けします。 そして、その結果をグラフに結合します。
Names Default To Here( 1 );
// about the role of weight and frequency for calculation of mean and stddev
//
// web("https://www.jmp.com/support/help/en/16.1/?os=win&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/summary-statistics.shtml");
//
nelem_lst = {100, 500, 200, 400};
table_lst = {};
For Each( {value, index}, nelem_lst,
Eval(
Eval Expr(
table_lst[index] = New Table( "Table " || Char( index ),
add rows( nelem_lst[index] ),
New Column( "Group", "Character", set each value( "Group " || Char( index ) ) ),
New Column( "Type", "Character", set each value( If( index <= 2, "Type 1", "Type 2" ) ) ),
New Column( "DV", "Continuous", formula( Random Normal( Expr( Mod( index, 2 ) ), Expr( Mod( index, 2 ) + 1 ) ) ) )
)
)
);
Wait( 0.1 );
table_lst[index]:DV << delete formula;
);
Wait( 0 );
dt = table_lst[1] << concatenate( Table Name( "All" ), table_lst[2 :: 4] );
For Each( {value}, table_lst, Close( value, "NoSave" ) );
Summarize( dt, group_lst = by( :group ) );
ngroups = N Items( group_lst );
dt << New Column( "ColMean[Group]", formula( Col Mean( :DV, :group ) ) );
dt << New Column( "ColStd[Group]", formula( Col Std Dev( :DV, :group ) ) );
Eval( Eval Expr( dt << New Column( "weight[Group]", formula( Col Number( :DV ) / Expr( ngroups ) / Col Number( :DV, :group ) ) ) ) );
nw = New Window( "oneway comparison",
H List Box(
Panel Box( "w/o weight",
dt << Oneway( Y( :DV ), X( :Group ), Means and Std Dev( 1 ), Mean Error Bars( 1 ), Std Dev Lines( 1 ) );
),
Panel Box( "weight in role frequency",
dt << dt << Oneway(
Y( :DV ),
X( :Group ),
Freq( :"weight[Group]"n ),
Means and Std Dev( 1 ),
Mean Error Bars( 1 ),
Std Dev Lines( 1 )
);
),
Panel Box( "weight in role weight",
dt << dt << Oneway(
Y( :DV ),
X( :Group ),
Weight( :"weight[Group]"n ),
Means and Std Dev( 1 ),
Mean Error Bars( 1 ),
Std Dev Lines( 1 )
);
)
)
);
nw = New Window( "Tabulate comparison",
H List Box(
Panel Box( "w/o weight",
dt << Tabulate(
Change Item Label( Grouping Columns( :Type( "All" ), "All" ) ),
Show Control Panel( 0 ),
Add Table(
Column Table( Statistics( N ) ),
Column Table( Analysis Columns( :"weight[Group]"n ), Statistics( Sum ) ),
Column Table( Analysis Columns( :DV ), Statistics( Mean ) ),
Column Table( Statistics( Std Dev ), Analysis Columns( :DV ) ),
Row Table( Grouping Columns( :Type, :Group ), Add Aggregate Statistics( :Type, :Group ) )
)
)
),
Panel Box( "weight in role frequency",
dt << Tabulate(
Change Item Label( Grouping Columns( :Type( "All" ), "All" ) ),
Freq( :"weight[Group]"n ),
Show Control Panel( 0 ),
Add Table(
Column Table( Statistics( N ) ),
Column Table( Analysis Columns( :"weight[Group]"n ), Statistics( Sum ) ),
Column Table( Analysis Columns( :DV ), Statistics( Mean ) ),
Column Table( Statistics( Std Dev ), Analysis Columns( :DV ) ),
Row Table( Grouping Columns( :Type, :Group ), Add Aggregate Statistics( :Type, :Group ) )
)
)
),
Panel Box( "weight in role weight",
dt << Tabulate(
Change Item Label( Grouping Columns( :Type( "All" ), "All" ) ),
weight( :"weight[Group]"n ),
Show Control Panel( 0 ),
Add Table(
Column Table( Statistics( N ) ),
Column Table( Analysis Columns( :"weight[Group]"n ), Statistics( Sum ) ),
Column Table( Analysis Columns( :DV ), Statistics( Mean ) ),
Column Table( Statistics( Std Dev ), Analysis Columns( :DV ) ),
Row Table( Grouping Columns( :Type, :Group ), Add Aggregate Statistics( :Type, :Group ) )
)
)
)
)
);
dt << Summary( Group( :Group, :Type, :"ColMean[Group]"n, :"ColStd[Group]"n, :"weight[Group]"n ), Freq( "None" ), Weight( "None" ) );元の投稿に誤りがありました。方法がわかれば削除します。 正しいバージョンは次のとおりです。
サンプルサイズがかなり異なるいくつか (22?) のサンプルからのデータがあります。 サンプル数が多いほどパラメーターがより適切に推定されることは理解していますが、それはここで取り上げたい問題ではありません。 グループ/サンプル間でサンプルサイズが変わらないかのように、グラフの分布とパラメーターの推定の両方を行いたいということです。 これは、大きなサンプルの重みを減らし、小さなサンプルの重みを増やす必要があることを意味します。
次のように、「Fit Y by X」でこれを実行しようとしました。グループのサンプル サイズを合計サンプル サイズで割った値として、新しい変数 WEIGHT を計算しました。 では、次の 4 つのグループがあるとします。
グループ 1: N1=100
グループ 2: N1=500
グループ 3: N1=200
グループ 4: N1=400
また、グループ 1 と 2 はタイプ 1、グループ 3 と 4 はタイプ 2 です。
重量は次のとおりです。
グループ 1: 1200/100
グループ 2: 1200/500
グループ 3: 1200/200
グループ 4: 1200/400
Y が DV、X が「タイプ」、重みが WEIGHT の場合、「Fit Y by X」を実行すると、「Compare Densities」を使用して重なり合う密度のプロットを取得すると、正しく表示されます。 ただし、続けて DV の標準偏差を取得すると、これらはどのグループの標準偏差よりもはるかに大きくなります。 これは、自分が何をしているのか理解していないと思います。
ヘルプ？
