오차 막대가 무슨 소용이 있습니까?인지 심리학 블로그는 최근 과학 출판물의 중요하고 오래된 문제에 대한 흥미로운 게시물을 게시했습니다. 대부분의 연구원은 오차 막대를 이해하지 못합니다. .
오차 막대 샘플 통계의 불확실성을 나타내기 위해 통계 플롯에 포함된 그래픽 요소입니다. 오류 막대는 사용자가 다음 버전의 소프트웨어에서 어떤 새로운 기능을 보고 싶은지 물을 때 일반적으로 언급되기 때문에 JMP 사용자에게 중요합니다.
오랫동안 사용되어 왔지만 이에 대한 실제 표준은 없습니다. 많은 간행물이 시간이 지남에 따라 일부 규칙을 채택했지만 현재까지 조화가 이루어지지 않았습니다. "오차 막대"라는 이름은 그것이 하나의 표준 오차를 나타낸다는 것을 암시할 수 있지만 실제로 오차 막대는 다양한 형태를 취하며 표본 표준 편차 또는 표본 평균의 신뢰 구간과 같은 다른 수량을 나타냅니다. 그것들을 만들거나 해석하는 방법에 대한 다른 "경험 법칙"이 많이 있습니다. 플롯에 대한 오류 막대를 선택하는 저자이든 기사에서 오류 막대를 해석하는 독자이든 관계없이 오류 막대의 목적과 형식에 대해 약간의 혼란을 경험할 수 있습니다.
블로그 작성자인 Dave Munger는 항목을 작성하기 전에 독자들이 이러한 통계 그래픽을 사용하는 방법을 알고 있는지, ~ 아니다 많은 참가자들이 어려움을 겪고 있다는 사실에 놀랐습니다. 그는 심리학, 신경과학 및 의학 저널의 저자들에게 동일한 결과를 발견한 Sarah Belia의 대규모 출판 연구를 인용했습니다. 지능적이고 고도로 훈련되고 경험이 풍부한 연구자들이 그렇게 오래되고 일반적이며 단순해 보이는 장치로 어떻게 어려움을 겪을 수 있습니까?
이 일반적인 직업병의 이유는 우리가 다른 목적을 위해 같은 장치를 사용했고, 같은 것을 표현하기 위해 다른 그래픽을 사용했으며, 이를 계산하기 위해 다른 공식을 사용했기 때문이라고 생각합니다. 이를 확인하려면 오차 막대를 샘플 통계의 불확실성을 나타내는 데 사용되는 다른 그래픽 장치인 Shewhart 컨트롤 차트 . 이 차트 계열에는 명백한 모델 각 샘플 통계의 종류(예: 개별 데이터, 샘플 평균, 샘플 범위).
컨트롤 차트에는 엄밀한 제어 한계를 계산하고 차트를 만드는 규칙. 예를 들어 표본 평균 차트(Xbar 차트)를 읽는 방법을 배우면 비율 불량 차트(P 차트)도 읽을 수 있도록 모든 차트는 동일한 구성 요소로 구성됩니다. 차트 유형은 데이터에 따라 다르지만 차트는 동일한 방식으로 생성되고 해석되므로 서로 다른 컨트롤 차트가 유사한 형식을 유지하고 유사한 정보를 전달할 수 있습니다. 반면에 오류 막대는 동일한 사치를 갖지 않습니다. 그들은 같은 형태를 가지지 않거나 같은 정보를 전달하지 않아 종종 모호하게 만듭니다.
그렇다면 무엇을 위해 오차 막대를 사용합니까? 제 요점을 충분히 설명할 수 있는 세 가지 일반적인 목적을 생각해 볼 수 있습니다.
1. 샘플에 대한 설명 요약으로 제시되는 데이터 샘플의 변동을 나타냅니다.
2. 모집단에 대해 추론하는 데 사용되는 표본 통계의 불확실성을 나타냅니다.
3. 모집단을 비교하는 데 사용되는 여러 표본 통계의 불확실성을 나타냅니다.
이러한 목적은 매우 다르기 때문에 모든 경우에 작동하는 한 가지 종류의 오차 막대는 없습니다. JMP는 이에 대해 어떻게 합니까? JMP는 별개의 각 목적에 고유하게 적합한 각 목적에 대한 그래픽. 검사 큰 수업 에서 찾은 데이터 세트 샘플 데이터 JMP와 함께 제공되는 폴더. 사용 일방 통행 다양한 연령대의 키를 탐색하는 플랫폼입니다. 이러한 혼동을 없애기 위한 핵심은 각각의 목적에 맞는 올바른 그래픽을 사용하는 것입니다.
1. JMP는 데이터의 산포를 표준 편차 선으로 표시합니다.
각 연령 그룹의 변동에 대해 질문이 있는 경우 다음을 사용할 수 있습니다. 불평등 분산 답을 얻기 위한 명령. 표준 편차에 대한 가설 검정을 포함하는 수치 보고서 외에도 JMP는 다음을 추가합니다. 표준편차선 샘플 평균 위와 아래의 하나의 표준 편차를 나타내는 플롯에. 각 그룹의 변동에 대해 알고 싶기 때문에 이러한 그룹 통계는 통합되지 않습니다.
2. JMP는 표본 평균의 위치를 다이아몬드로 표시합니다.
각 그룹의 위치에 대한 질문이 있는 경우 다음을 사용할 수 있습니다. 수단 명령. 다시 한 번 수치 보고서에 더해 새로운 그래픽을 얻게 됩니다. 그만큼 다이아몬드를 의미 표본 평균을 점 추정치(중심선) 및 신뢰 구간(다이아몬드의 상단 및 하단 점)으로 표시합니다. 기본 신뢰 수준은 95%입니다. 언제든지 다음을 사용하여 이 수준을 변경할 수 있습니다. 알파 레벨 설정 명령을 실행하면 모든 보고서가 업데이트됩니다. 또한 다이아몬드의 너비는 그룹의 크기에 비례합니다. 이 그래픽은 이전 표준 편차 선과 구별되며 더 풍부하고 각 그룹의 위치에 대해 더 나은 답변을 제공합니다.
3. JMP는 샘플 평균을 원과 비교합니다.
그룹의 위치를 비교하려면 다이아몬드라는 의미를 다시 사용할 수 있습니다. 그들은 포함합니다 겹치는 선 상단과 하단 근처. 한 그룹에 대한 이러한 선 사이의 간격이 다른 그룹에 대한 이러한 선 사이의 간격과 겹치지 않으면 그룹 평균이 상당히 다릅니다. 이러한 비교에서는 기본적으로 알파 = 0.05인 신뢰 구간과 동일한 유의 수준을 사용합니다.
멍거의 블로그 게시물은 "경험 법칙"을 언급하면서 "신뢰 구간은 전체 길이의 25%까지 겹칠 수 있으며 여전히 각 그룹의 평균 사이에 상당한 차이를 보일 수 있습니다."라고 제안합니다. 첫째, 신뢰 구간의 목적은 그룹 평균의 불확실성을 표시하는 것입니다. 반면에 겹치는 선은 특히 그러한 비교를 위한 것입니다.
둘째, 오차 막대가 신뢰 구간을 나타낸다는 것도 알아야 합니다. 셋째, 이 규칙에 대한 가정은 완전히 명확하지도 않고 실제로 항상 충족되지도 않습니다. 넷째, 중첩 정도를 육안으로 판단하기 어렵다. 오류 막대가 대신 표준 오류를 나타내는 경우에 대해 또 다른 경험 법칙이 제안되며 이 규칙에도 유사한 약점이 있습니다. 우리가 플롯을 만들기 위해 소프트웨어를 사용한다면 더 나은 그래픽을 만들고 적절한 가설 테스트를 생성하는 데 소프트웨어를 사용하는 것이 어떻습니까? 피 -가치, 중요성을 결정하는 더 좋은 방법은 무엇입니까?
그러나 그룹이 세 개 이상인 경우 겹치는 선은 인플레이션 에 내재된 실험적 알파의 다중 비교 . JMP는 비교 횟수를 고려하여 그룹 평균을 비교하는 두 번째 방법을 제공합니다. 다음 명령 중 하나를 사용하십시오. 수단 비교 와 같은 그룹 모든 페어, Tukey HSD 명령. 이 명령은 각 그룹에 대한 새 그래픽을 생성합니다. 다이아몬드를 의미하는 것처럼, 비교 원 샘플 통계의 위치(중심) 및 산포(반지름)에 대해 알려주지만 비교 횟수를 고려하여 추가로 조정됩니다. 그룹 평균을 비교하려면 해당 원을 클릭하여 그룹을 선택하면 JMP가 답을 그래픽으로 표시합니다. 원이 겹치는지 여부를 확인하는 것만으로는 충분하지 않습니다.
이 예에서 이 그룹(나이=12)이 다른 그룹과 다른지 묻기 위해 가장 낮은 원을 선택했습니다. 세 그룹(연령=14,15,17)의 원이 회색으로 바뀌어 이들이 상당히 다르다는 것을 나타냅니다.
당신은 또한 사용할 수 있습니다 연결 문자 그룹 평균이 같거나 다른지 확인합니다. 편지를 공유하지 않는 그룹은 크게 다릅니다. 다시 당신은 (나이=12, 그룹 
가 (나이=14,15,17, 그룹 A)와 다르다는 것을 알 수 있습니다.
그렇다면 오차 막대가 무슨 소용이 있습니까? 유용한 정보를 모호하지 않은 방식으로 명확하게 전달할 때 유용합니다. 그러나 그들은 과세될 수 있으며 더 나은 그래픽이 발명된 목적으로 사용될 수 있습니다. JMP는 사용자가 원하는 정보를 고려하고 이를 전달하는 데 사용할 수 있는 최상의 그래픽을 사용합니다.
2008년 11월 24일 추가:
JMP에서 오류 막대의 또 다른 관련 예를 찾았습니다. 모델 적합을 사용하여 표준 최소 제곱 회귀를 사용하여 선형 모델을 분석할 때 다음과 같은 경우 모델의 각 항에 대한 레버리지 도표를 자동으로 얻습니다. 중요성 ~이다 효과 레버리지 . (다른 강조를 사용하는 경우 창 상단의 응답 옆에 있는 빨간색 삼각형을 클릭하고 행 진단 > 플롯 효과 레버리지 . 이제 개별 효과에 대한 효과 세부 정보 및 보고서를 엽니다.) 범주 효과에는 다음이 포함됩니다. 최소 제곱 평균 표 레버리지 플롯 아래. 이 보고서에는 이 효과의 각 수준에 대한 LS 평균, 표준 오차 및 평균이 포함됩니다. 보고서를 마우스 오른쪽 버튼으로 클릭하고 열 > 하위 95% 그리고 열 > 상위 95% LS의 95% 신뢰 구간에 대한 한계를 얻으려면 추정치를 의미합니다. 결과는 다음과 같습니다.
(참고: 이 결과는 Big Class 데이터 세트를 사용하고 모델은 체중 = 연령 + 성별 + 키입니다. 이 사진은 나이 효과용입니다.)
이제 레버리지 플롯 상단의 빨간색 삼각형을 클릭하고 LS Means Plot을 선택합니다. 플롯은 비교를 위해 95% 신뢰 구간에 대한 오차 막대와 함께 LS 평균의 그래픽을 보여줍니다. 줄거리는 다음과 같습니다.
JMP에서 오차 막대의 다른 예를 찾으면 알려주세요!
2009년 3월 30일 추가:
오차 막대는 일부 JMP 플랫폼에서 선택 사항입니다. 예를 들어 막대 차트에 오류 막대를 표시할 수 있습니다. 이 예에서는 추가하는 방법을 보여줍니다.
1. 선택 돕다 > 샘플 데이터 . 교육용 예 섹션을 열고 선택하십시오. 큰 수업 .
2. 선택 그래프 > 차트 . 높이 선택 > 통계 > 평균 . 선택하다 나이 > 카테고리, X, 레벨 . 선택하다 좋아요 .
3. 차트 옆의 빨간색 삼각형을 클릭하고 선택 평균에 오차 막대 추가 .
4. 사용할 수량과 배수를 선택할 수 있습니다. 평균의 하나의 표준 오차를 사용하여 추정의 불확실성을 보여줍니다.
5. 선택 좋아요 .
그게 전부입니다.
Mark Bailey는 다음과 같이 썼습니다. 귀하의 혼란을 이해합니다. 그게 씨...마크 베일리 쓴 :
나는 당신의 혼란을 이해합니다. 그것이 일반적이고 내가 처음에 이 글을 쓴 이유입니다. 불행하게도 답은 오차 막대에 표시된 수량에 따라 다르다는 것입니다. (이러한 의존성은 작성자가 주어진 플롯에서 오차 막대가 무엇을 나타내는지 설명하는 것이 중요한 이유입니다.) 오차 막대가 하나의 표준 편차를 나타내는 경우 관측치와 평균 간의 일반적인 차이에 대해 알려줍니다. 하나의 표준 오차를 나타내는 경우 추정치와 실제 매개변수 간의 일반적인 차이에 대해 알려줍니다. 신뢰 구간을 나타내는 경우 주어진 신뢰 수준으로 실제 매개변수의 값 범위를 알려줍니다.
귀하의 의견에 따르면 실험실 데이터의 표준 편차 하나를 사용하여 오류 막대를 표시하라는 지시를 받은 것 같습니다. 이 경우 오차 막대는 관찰과 평균 사이의 일반적인 거리를 알려줍니다.
Emily는 다음과 같이 썼습니다. 이 게시물 전체를 읽었지만 저는 아닙니다...에밀리 쓴 :
이 게시물 전체를 읽었고 지금은 통계에 매우 관심이 있지만 오류 막대를 해석하는 방법에 대해서는 여전히 명확하지 않습니다. 저는 제임스 매디슨 대학에서 생물학을 공부하는 신입생으로 현재 많은 통계를 접하고 있습니다. 실험실 결과를 해석할 때 발생하는 문제. 이것이 맞습니까? 오차 막대는 데이터 분포가 평균에서 어떻게 떨어지는지 알려줍니다.
Mark Bailey는 다음과 같이 썼습니다. 예, 샘플 통계의 변형은...마크 베일리 쓴 :
예, 샘플 통계(평균 추정치)의 변동은 평균의 표준 오차로 표시되며 표준 오차는 평균 마커에 대한 오차 막대를 그리는 데 사용해야 합니다. 이러한 오차 막대의 사용은 오류 막대가 무엇을 나타내는지 추측하거나 추측하도록 독자에게 맡기는 대신 저자가 사용할 때마다 설명해야 합니다.
Christie는 다음과 같이 썼습니다. 평균 오차 막대가 표준을 표시합니까?크리스티 쓴 :
평균 오차 막대가 표준 오차 평균을 표시합니까?
Mark Bailey는 다음과 같이 썼습니다. 이것은 훌륭한 질문입니다.마크 베일리 쓴 :
이것은 이러한 다양한 간격이 무엇을 나타내고 어떤 용도로 사용되는지에 대한 일반적인 혼란을 표면화하기 때문에 좋은 질문입니다.
그만큼 신뢰 구간 진정한 의미에 대한 진술입니다. 실제 평균의 위치에 대한 주어진 수준의 신뢰도를 전달합니다. (실제 평균이 구간 내에 있을 확률에 대한 진술이 아닙니다.) 표본 통계 추정치의 불확실성을 인식합니다. 구간은 실제 모집단 평균과 분산이 고정되어 있고 추정된 평균과 분산이 단순 무작위 표본에 따라 다르다고 가정합니다. 불확실성에 대해 양쪽에 대칭 마진이 있는 점 추정치로 계산됩니다. 마진은 다음의 배수(예: 1.96)입니다. 표준 에러 통계의. (표준 오차는 표준 편차가 데이터의 변동을 측정하는 것과 같은 통계의 변동을 측정합니다.) 분석 모델이 단일 공통 분산을 제공하기 때문에 표준 오차는 모든 그룹에서 합산됩니다. 승수는 원하는 사례 비율(예: 95%)이 간격으로 표시되도록 합니다. 승수는 Student t 분포의 분위수와 그룹 크기의 함수입니다.
이 간격은 추론에 사용할 수 있습니다. Student's t-test의 일표본 버전과 동일합니다. 이 경우 표본 평균을 가정된 모집단 평균과 비교합니다. 구간에 가설 평균이 포함되어 있으면 귀무 가설을 기각하지 않습니다. 구간에 가설 평균이 포함되어 있지 않으면 귀무 가설을 기각하고 모집단 평균이 가설 평균과 다르다고 결정할 것입니다. 그만큼 평균 다이아몬드 점(가운데 가로선)과 간격 추정치(다이아몬드의 세로 끝)를 모두 나타냅니다. 1-표본 t-검정은 표본 평균과 가설 평균 간의 차이를 평균의 표준 오차로 나눈 값으로 계산되는 통계량을 기반으로 합니다.
바로 위에서 설명한 대로 다른 그룹의 신뢰 구간을 사용하여 한 그룹의 평균에 대해 추론하고 싶지 않습니다. 대신 2-표본 t-검정, 등가 일원 분산 분석(ANOVA) 또는 비교 원에 기반한 네 가지 방법 중 하나를 사용할 수 있습니다. 2-표본 t-검정은 표본 평균 간의 차이를 표본 평균 차이의 표준 오차로 나눈 값으로 계산되는 통계를 기반으로 합니다. 차이의 표준 오차를 사용하여 차이에 대한 신뢰 구간을 계산할 수도 있습니다. 평균 다이아몬드는 이 신뢰 구간을 겹침 표시 . 차이의 표준 오차는 그룹 평균의 제곱 표준 오차 합계의 제곱근입니다. JMP는 마진 계산을 단순화하기 위해 평균의 표준 오차가 모든 그룹에 대해 동일하다고 가정합니다. 즉, 평균의 표준 오차 제곱의 2배의 제곱근입니다. 이 가정은 그룹의 크기가 동일한 경우에만 해당되므로 이 시각적 평가는 이러한 경우에만 사용해야 합니다.
자세한 내용은 다음을 참조하십시오. JMP 기본 분석 및 그래프 작성 가이드(JMP > 도움말 > 책) 및 1996년 호에 있는 이 기사 JMPer 케이블 뉴스레터. . Ann Lehman의 â The Value of Cut Diamondsâ라는 제목의 기사에서는 조정이 적절한 이유에 대해 설명합니다.
Aris는 다음과 같이 썼습니다. 오버랩 마크를 사용해야 하는 이유는...아리스 쓴 :
두 수단을 분리하기 위해 수단 다이아몬드의 겹침 표시를 사용해야 하는 이유는 무엇입니까? 두 평균이 다르지 않다는 것을 보여주기에 신뢰 구간 중첩이 충분하지 않습니까? 겹침 표시를 계산하는 공식 2^0.5 * CI/2는 어디에서 오는 것입니까? JMP 설명서에는 설명되어 있지 않습니다.
2011년 상위 10개 JMP 블로그 게시물 - JMP Blog 작성: [...] 뭐...2011년 최고의 JMP 블로그 게시물 10개 - JMP Blog 쓴 :
[...] 오차 막대가 무슨 소용이 있습니까? (2008) [...]
Don Gregory는 다음과 같이 썼습니다. 원래 블로그 게시물에는 â Standard...돈 그레고리 쓴 :
원본 블로그 게시물에 "표준 오차는 일반적으로 신뢰 구간보다 작습니다."라고 되어 있습니다. 이것들이 모두 정규 분포라고 가정하면(언급되지는 않았지만 가정한다고 생각합니다) CI가 언제나 std.err보다 큽니다. 평균의. 나는 std.err. 평균은 Std.Dev였습니다. 많은 표본 평균의 모집단(데이터에서 추정됨) 따라서 95% CI는 std.err?의 배수(약 2 시그마)가 됩니다.
Don Gregory는 다음과 같이 썼습니다. 또한 블로그 게시물 작성자는 다음을 언급합니다.돈 그레고리 쓴 :
또한 블로그 게시물 작성자는 상관 샘플의 경우 오류 막대가 부적절하다고 언급합니다. 두 개의 â 샘플이 anova에 대해 독립적이어야 한다는 요구 사항을 이해할 수 있지만 â before와 â after 측정이 적합하지 않은 경우 anova 플랫폼(비교 수단 포함)을 잘못 사용하는 많은 사람들이 있다고 생각합니다.
내 생각에 많은 그 목적을 위해 그것을 사용하는 사람들; 그래서 문제는 그것이 옳지 않다면 측정 전과 후의 의미를 평가하는 '올바른' 방법은 무엇인가입니다.
중간 수준의 생물학 연구원은 다음과 같이 썼습니다. 정말 감사합니다...중급 생물학 연구원 쓴 :
이 게시물에 감사드립니다. 동료들에게 일종의 절대적인 기준이 있다고 확신하는 동료들에게 오차 막대의 의미를 설명하기가 너무 어렵습니다. 이 게시물로 안내하는 것이 도움이 되기를 바랍니다.
Mark Bailey는 다음과 같이 썼습니다. 95% 신뢰 구간이...마크 베일리 쓴 :
alpha=0.05에 대한 임계 t 값이 항상 1보다 크기 때문에 95% 신뢰 구간이 1 표준 오차의 구간보다 넓다는 데 동의합니다. 그러나 신뢰도가 낮은 경우 승수가 1보다 작을 수 있습니다. 예를 들어 두 모집단의 평균을 각각 3개의 표본과 비교할 때 60%만 필요한 경우 승수는 0.94에 불과합니다. 그러나 이 경우는 가능성이 없습니다.
Mark Bailey는 다음과 같이 썼습니다.마크 베일리 쓴 :
이것은 쌍을 이룬 관찰과 관련된 비교의 또 다른 경우입니다. 이 경우 관측치의 상관 관계가 높거나 블록 간 변동이 크면 샘플 평균의 신뢰 구간이 쌍 차이에 대한 신뢰 구간보다 커집니다. 이 경우는 자주 발생합니다. 불행하게도 많은 조사자들이 짝짓기를 인식하지 못하고 덜 강력한 평균 2표본 검정을 사용합니다.
다시 한 번 JMP는 더 나은 솔루션을 제공합니다. 페어링을 인식하는 경우 분석 > 일치하는 쌍입니다.
dave는 다음과 같이 썼습니다: 저는 오랫동안 점프 사용자지만 최근에 f...데이브 쓴 :
나는 오랫동안 점프 사용자이지만 최근에 이 블로그를 찾았습니다. 이런 게시물이 가장 흥미롭다고 말하고 싶습니다.
특정 통계 문제/문제와 JMP가 이러한 문제를 해결하는 방법에 대한 더 많은 게시물을 보고 싶습니다.
Mark Bailey는 다음과 같이 썼습니다. 귀하의 의견에 감사드립니다. 이 블로그...마크 베일리 쓴 :
귀하의 의견에 감사드립니다. 이 블로그는 활발하고 다양합니다. 우리는 그것을 많은 청중에게 흥미롭게 만들려고 노력합니다. 관심 있는 특정 문제나 문제가 있으면 알려주십시오.
Mark Bailey는 다음과 같이 썼습니다. 귀하의 의견에 감사드립니다. 돕다...마크 베일리 쓴 :
귀하의 의견에 감사드립니다. 우리가 당신을 도울 수 있도록 도와주세요! 귀하(및 다른 모든 독자)는 우리에게 발생하지 않을 수 있는 주제를 제안하거나 주어진 주제가 여기에서 다루는 우선 순위가 되어야 함을 표시하는 것을 환영합니다.
다시 한 번 귀하의 의견에 감사드립니다!
Walter R. Paczkowski는 다음과 같이 썼습니다.월터 R. 파츠코프스키 쓴 :
오차 막대와 비교를 위한 JMP의 도구에 대한 좋은 토론이었습니다. 정보 또는 교육에 대한 두 가지 질문이 있습니다. 첫째, 다이아몬드의 중첩 영역 구성에 대한 참조가 있습니까? 둘째, 문자 할당은 해석에 혼란을 줄 수 있으므로 해석에 대한 지침이 있습니까? 예를 들어, X가 Y와 다르지 않고 Y가 Z와 다르지 않으면 X도 Z와 다르지 않도록 전이적입니까?
Mark Bailey는 다음과 같이 썼습니다.마크 베일리 쓴 :
방법에 대한 정보가 있습니다. 겹침 표시 에서 다이아몬드를 의미 계산됩니다. 참조 JMP 통계 및 그래픽 가이드 7장에서는 일방 통행 플랫폼. (참조 설명서는 다음을 통해 PDF 문서로 제공됩니다. 도움말 > 도서 메뉴.) 섹션 참조 다이아몬드와 x축 비례를 의미합니다. 자세한 내용은 이 장에서.
귀하의 전이성 예가 반드시 사실은 아니며 예외를 보았습니다. 문자 그룹화는 서로 다른 수준에 대한 평균 간의 중요한 차이를 쉽게 해석하기 위한 것입니다. 문자 지정은 기반이 되는 기본 다중 비교 방법과 동일한 원칙에 따라 작동합니다. 간단히 말해서 두 그룹이 동일한 문자를 공유하는 경우 지정된 수준에서 크게 다르지 않습니다. 그렇지 않고 두 그룹에 서로 다른 문자가 할당되면 지정된 수준에서 크게 다릅니다. 일부 레벨은 둘 이상의 문자에 할당될 수 있습니다.
Florian은 다음과 같이 썼습니다. 오차 막대를 추가하는 방법을 아는 사람이 있습니까?플로리안 쓴 :
JMP에서 막대 그래프에 오차 막대를 추가하는 방법을 아는 사람이 있습니까?
Mark Bailey는 다음과 같이 썼습니다. 원본에 대한 부록을 참조하십시오...마크 베일리 쓴 :
원래 블로그 항목에 대한 부록을 참조하십시오.
Mark Bailey는 다음과 같이 썼습니다. 봇에 추가된 답변을 참조하십시오...마크 베일리 쓴 :
블로그 항목 하단에 추가된 답변을 참조하십시오.
Anger Management는 다음과 같이 썼습니다. 유용한 정보입니다. 감사합니다...분노 조절 쓴 :
유용한 정보. 매우 감사합니다.
Elizabeth Salas는 다음과 같이 썼습니다. 분석-적합 모델을 사용하여...엘리자베스 살라스 쓴 :
적합 분석 모델을 사용하여 혼합 모델 3원 ANOVA를 실행하는 경우 출력의 모든 테이블에 표준 오차가 표시됩니다. 이것을 표준 편차로 바꾸는 방법이 있습니까?
어떤 도움이라도 대단히 감사하겠습니다!
감사해요
Mark Bailey는 다음과 같이 썼습니다. 귀하의 질문은 좋은 질문입니다! 간단한...마크 베일리 쓴 :
당신의 질문은 좋은 것입니다! 간단한 대답은 Fit Model이 이미 결과에 대한 표준 편차를 제시하고 있다는 것입니다.
긴 대답은 혼합 효과 모델의 분석과 관련된 두 종류의 모집단이 있다는 것입니다. 첫 번째 종류는 표준 편차를 사용하여 데이터 값(예: 응답, 예측 변수)의 확산을 설명하는 데이터 모집단입니다. 두 번째 종류는 표준 오류를 사용하여 통계(예: 매개변수, LS MEANS)의 확산을 설명하는 통계 모집단입니다. 표준오차는 사실 추정통계의 표본분포의 표준편차이다.
데이터의 표준 편차는 추정된 통계의 불확실성과 관련이 있지만 직접적으로 나타내지는 않습니다. 데이터가 다양할수록(표준 편차가 클수록) 표본 통계량도 다양합니다(표준 오차가 커짐). 그러나 정확한 관계는 모델, 매개변수화 및 통계를 추정하는 데 사용되는 방법에 따라 다릅니다. 따라서 통계의 불확실성을 가장 잘 나타내는 지표는 관련된 표준 오차입니다.
