Salut tout le monde,
1. Pouvons-nous générer des données aléatoires à partir d’une moyenne donnée et d’une plage de confiance de 95 % ? Par exemple, j'ai besoin de générer 100 données avec une moyenne (50) et un intervalle de confiance de 95 % (45-56).
2. D'une autre manière, avec la moyenne et l'écart type, des données peuvent être générées, mais l'écart type peut-il être calculé à partir d'une plage d'IC à 95 % ?
Salutations,
Yogeshl
Cela me semble bizarre, je ne sais pas à quoi cela sert.
Cela pourrait peut-être être un moyen de le faire, voir le script JSL.
Comme @P_Bartel Nous l'avons déjà souligné, nous avons besoin de beaucoup plus de lignes pour voir exactement (environ 2 chiffres) les nombres souhaités. Et nous devons manipuler la distribution pour montrer les valeurs que vous souhaitez (asymétrie).
L'étirement a modifié la moyenne de 0,2, je n'en ai pas tenu compte...
Bien sûr, vous pouvez calculer 100 lignes seulement et les manipuler de manière à obtenir les nombres exacts que vous souhaitez...
Ou vous pouvez travailler avec des valeurs aléatoires pour générer exactement les mêmes nombres aléatoires la prochaine fois.
Vous voyez, JMP peut tout faire..., bienvenue dans la communauté.
Bonne chance.
Names Default To Here( 1 );
// Generate data with 95 % Confidence between 45 and 56 with mean of 50
//
// returns the probability that a normally distributed random variable is less than q (45)
Normal Distribution( 45, 50, 5 );
// 0.158655, i.e. roughly 15 % of values are below 45 for a normal distribution with Average=50 and sigma=5
// Returns the quantile from a Normal distribution, the value for which the probability is p that a random value would be lower
quantile = Normal Quantile( 0.025 );
// -1.959964, i.e. 2.5 % of the values are below -1.959964, or smaller than Average minus -1.959964*sigma
// we need this quantile and have the absolute difference 2.5 % left + 2.5 % right = 5 % out, i.e. 95 % in
sigma = Abs( (50 - 45) / quantile );
Normal Distribution( 45, 50, sigma );
// 0.025, this is what we want
// now we can generate a table with that distribution
// and will scale the upper half by 6/5 to have the probability of 55 at 56 in a second column value_rightstretched
dt = New Table( "random confidence 45 50 56 95%",
add rows( 1000000 ),
New Column( "value", set each value( Random Normal( 50, sigma ) ) , Set Property("Spec Limits", {LSL(45), USL(55), Target(50), Show Limits(1)}),),
New Column( "value_rightstretched", formula( If( :value > 50, (:value - 50) * 6 / 5 + 50, :value ) ) , Set Property("Spec Limits", {LSL(45), USL(56), Target(50), Show Limits(1)}),)
);
dt << Distribution(
Continuous Distribution(
Column( :value ),
Outlier Box Plot( 0 ),
Process Capability( Use Column Property Specs ),
Customize Summary Statistics( Set Alpha Level( 0.01 ) )
),
Continuous Distribution(
Column( :value_rightstretched ),
Outlier Box Plot( 0 ),
Process Capability( Use Column Property Specs ),
Customize Summary Statistics( Set Alpha Level( 0.01 ) )
)
);
Merci, je les ai aussi vus en cherchant sur Google mais cela n'a pas fonctionné pour moi.
Merci pour l'explication, je comprends que les possibilités sont moindres, mais je voulais savoir si quelqu'un l'avait déjà essayé ou pouvait suggérer un chemin pour générer des données qui pourraient être utilisées davantage.
je suis d'accord avec @jthi L'idée de recalculer votre chemin vers un écart type qui donnera une moyenne de population avec un certain niveau de confiance souhaité. Mais vous n’y parviendrez qu’à mi-chemin. Je vois deux problèmes... puisque vous vous limitez à seulement N = 100. Chaque fois que vous exécutez le générateur de nombres aléatoires de JMP pour une distribution normale avec une moyenne et un écart type prescrits, vous obtiendrez 100 nombres... mais la moyenne et l'intervalle de confiance ne seront pas exactement ceux que vous désirez... ils seront proches. ..mais pas exact. Réexécutez le générateur de nombres aléatoires et vous obtiendrez une réponse différente. Vous ne pouvez donc pas y arriver exactement. L'autre problème que je vois, et peut-être que je suis trop littéral ici... mais dans votre message d'origine, l'intervalle de confiance que vous recherchez n'est pas symétrique par rapport à la moyenne... votre moyenne déclarée = 50 et la limite inférieure est de 45, la limite supérieure est de 56. Encore une fois... cela ne peut pas être fait en utilisant les méthodes standard d'intervalle de confiance de la population.
