Dieses allgemeine Thema wurde bereits besprochen Hier aber ich bin unzufrieden. Der JMP-Experte hat eine Formel gepostet, die vielleicht erklärt, was los ist. Aber ich habe eine konzeptionelle Frage. Ich würde denken, dass die Gewichtung nützlich ist, um Schätzungen anzupassen, wenn man beispielsweise einige Teilstichproben stärker gewichten möchte als andere. Wenn man beispielsweise 100 Männer und 1.000 Frauen hätte und man den Mittelwert und die Standardabweichung einer Stichprobe mit der gleichen Anzahl von Männern und Frauen schätzen möchte, könnte man die Beobachtungen mit 1100/100 bzw. 1100/1000 gewichten.
Hier ist die Sache: Wenn ich mit einer beliebigen Verteilung von Beobachtungen in JMP beginne und die Gewichtung von „1“ ändere, bleibt der Mittelwert gleich (wie es sollte – es sollte keine Rolle spielen, ob ich alle Beobachtungen mit 1, 2, 3, oder 6.000), das sollte den Verteilungsmittelwert nicht ändern, aber die Standardabweichung ändert sich. Warum macht das Sinn? JMP-Experten, geben Sie bitte nicht nur die Formel an, die zeigt, dass dies der Fall ist. Warum sollte es konzeptionell sinnvoll sein? Es scheint mir, dass sich weder der Mittelwert noch die SD ändern sollten, wenn Sie mit 2 (was effektiv nur Ihre Stichprobengröße verdoppelt) oder 3 (was sie verdreifacht) gewichten. Sicher, es erhöht die Quadratsummen, aber SD ist eine Funktion der DURCHSCHNITTLICHEN Quadratsumme.
Danke schön.
Mike Bailey
ps Ich hänge eine Datei "Weightsdata" an, die Sie zur Überprüfung verwenden können, wenn Sie möchten. Die Variable "Gewicht" hat einen Wert von 1, also sollte die Gewichtung damit nichts ändern; „Gewicht 2“ hat einen Wert von 2 und „Gewicht 3“ hat einen Wert von 3.
