Ce sujet général a déjà été abordé ici mais je suis insatisfait. L'expert JMP a posté une formule qui explique peut-être ce qui se passe. Mais j'ai une question conceptuelle. Je pense que la pondération est utile pour ajuster les estimations si l'on veut pondérer, disons, certains sous-échantillons plus que d'autres. Comme si l'on avait 100 hommes et 1 000 femmes, et que l'on voulait estimer la moyenne et l'ET d'un échantillon qui avait un nombre égal d'hommes et de femmes, on pourrait pondérer les observations par 1100/100 et 1100/1000, respectivement.
Voici le problème : si je commence par n'importe quelle distribution d'observations dans JMP et que je change le poids de "1", la moyenne reste la même (comme il se doit - cela ne devrait pas avoir d'importance si je pondère toutes les observations par 1, 2, 3, ou 6 000), cela ne devrait pas changer la moyenne de distribution, mais l'écart type change. Pourquoi cela a-t-il un sens ? Experts JMP, veuillez ne pas simplement fournir la formule montrant, si c'est le cas, que cela se produit. Pourquoi cela aurait-il un sens conceptuellement ? Il me semble que ni la moyenne ni l'écart-type ne devraient changer si vous pondérez par 2 (ce qui ne fait que doubler la taille de votre échantillon) ou 3 (ce qui la triple). Bien sûr, cela augmente les sommes des carrés, mais SD est fonction de la somme MOYENNE des carrés.
Merci.
Mike Bailey
ps Je joins un fichier "Weightsdata" que vous pouvez utiliser pour vérifier si vous le souhaitez. La variable « Poids » a une valeur de 1, donc la pondération avec elle ne devrait pas changer les choses ; "Poids 2" a une valeur de 2 et "Poids 3" a une valeur de 3.
