这个一般话题之前已经讨论过这里但我不满意。 JMP 专家发布了一个公式，或许可以解释发生了什么。 但我有一个概念性的问题。 我认为，如果有人想给某些子样本赋予比其他子样本更多的权重，那么加权对于调整估计值很有用。 就像如果有 100 名男性和 1,000 名女性，并且想要估计男性和女性人数相等的样本的均值和标准差，则可以分别按 1100/100 和 1100/1000 对观察值进行加权。
事情是这样的：如果我从 JMP 中的任何观察分布开始并将权重从“1”更改，均值将保持不变（因为它应该——如果我用 1、2、3 对所有观察进行加权应该无关紧要，或 6,000），这不应改变分布均值，但标准差确实会改变。 为什么这有任何意义？ JMP 专家，请不要只提供显示这种情况发生的公式。 为什么它在概念上有意义？ 在我看来，如果您将权重增加 2（这实际上只是使您的样本量增加一倍）或 3（使其增加三倍），均值和 SD 都不应该改变。 当然它会增加平方和，但 SD 是平均平方和的函数。
谢谢。
迈克·贝利
ps 我附上了一个文件“Weightsdata”，你可以用它来验证你是否需要。 变量“Weight”的值为 1，因此用它加权不会改变任何东西； “权重 2”的值为 2，“权重 3”的值为 3。
