Este tema general ha sido discutido antes. aquí pero estoy insatisfecho. El experto de JMP publicó una fórmula que quizás explica lo que está pasando. Pero tengo una pregunta conceptual. Creo que la ponderación es útil para ajustar las estimaciones si uno quiere ponderar, digamos, algunas submuestras más que otras. Por ejemplo, si tuviera 100 hombres y 1000 mujeres, y quisiera estimar la media y la SD de una muestra que tuviera el mismo número de hombres y mujeres, podría ponderar las observaciones en 1100/100 y 1100/1000, respectivamente.
Aquí está la cosa: si empiezo con cualquier distribución de observaciones en JMP y cambio el peso de "1", la media permanece igual (como debería, no debería importar si peso todas las observaciones por 1, 2, 3, o 6,000), eso no debería cambiar la media de distribución, pero la desviación estándar SÍ cambia. ¿Por qué tiene esto algún sentido? Expertos de JMP, por favor, no solo proporcionen la fórmula que muestre, si es así, que esto sucede. ¿Por qué tendría sentido conceptualmente? Me parece que ni la media ni la desviación estándar deberían cambiar si ponderas por 2 (lo que efectivamente solo duplica el tamaño de la muestra) o 3 (lo que lo triplica). Claro que aumenta las sumas de cuadrados, pero SD es una función de la suma PROMEDIO de cuadrados.
Gracias.
mike bailey
pd Adjunto un archivo "Weightsdata" que puedes usar para verificar si quieres. La variable "Peso" tiene un valor de 1, por lo que ponderar con ella no debería cambiar las cosas; "Peso 2" tiene un valor de 2 y "Peso 3" tiene un valor de 3.
