Questo argomento generale è stato discusso in precedenza Qui ma sono insoddisfatto. L'esperto di JMP ha pubblicato una formula che forse spiega cosa sta succedendo. Ma ho una domanda concettuale. Penso che la ponderazione sia utile per aggiustare le stime se si vuole pesare, diciamo, alcuni sottocampioni più di altri. Ad esempio, se uno avesse 100 uomini e 1.000 donne e volesse stimare la media e la deviazione standard di un campione con un numero uguale di uomini e donne, si potrebbero ponderare le osservazioni rispettivamente di 1100/100 e 1100/1000.
Ecco il punto: se inizio con qualsiasi distribuzione di osservazioni in JMP e cambio il peso da "1", la media rimane la stessa (come dovrebbe, non dovrebbe importare se peso tutte le osservazioni di 1, 2, 3, o 6.000), questo non dovrebbe cambiare la media della distribuzione, ma la deviazione standard CAMBIA. Perché questo ha senso? Esperti di JMP, non limitatevi a fornire la formula che mostra, in tal caso, che ciò accade. Perché avrebbe senso concettualmente? Mi sembra che né la media né la SD dovrebbero cambiare se pesi di 2 (che in effetti raddoppia solo la dimensione del tuo campione) o 3 (che lo triplica). Sicuramente aumenta le somme dei quadrati, ma SD è una funzione della somma MEDIA dei quadrati.
Grazie.
Mike Bailey
ps allego un file "Weightsdata" che puoi usare per verificare se vuoi. La variabile "Peso" ha valore 1, quindi pesare con essa non dovrebbe cambiare le cose; "Peso 2" ha un valore di 2 e "Peso 3" ha un valore di 3.
