這個一般話題之前已經討論過了這裡但我不滿意。 JMP 專家發布了一個公式，或許可以解釋發生了什麼。 但我有一個概念性的問題。 我認為，如果有人想給某些子樣本賦予比其他子樣本更多的權重，那麼加權對於調整估計值很有用。 就像如果有 100 名男性和 1,000 名女性，並且想要估計男性和女性人數相等的樣本的均值和標準差，則可以分別按 1100/100 和 1100/1000 對觀察值進行加權。
事情是這樣的：如果我從 JMP 中的任何觀測值分佈開始並將權重從“1”更改，均值將保持不變（它應該如此——如果我用 1、2、3 對所有觀測值進行加權，這應該無關緊要，或 6,000），這不應改變分佈均值，但標準差確實會改變。 為什麼這有任何意義？ JMP 專家，請不要只提供顯示這種情況發生的公式。 為什麼它在概念上有意義？ 在我看來，如果您將權重增加 2（這實際上只是使您的樣本量增加一倍）或 3（使其增加三倍），均值和 SD 都不應該改變。 當然它會增加平方和，但 SD 是平均平方和的函數。
謝謝。
邁克·貝利
ps 我附上了一個文件“Weightsdata”，你可以用它來驗證你是否需要。 變量“Weight”的值為 1，因此用它加權不會改變任何東西； “權重 2”的值為 2，“權重 3”的值為 3。
