Was nützen Fehlerbalken?Ein Blog der kognitiven Psychologie hat kürzlich einen interessanten Beitrag über ein wichtiges und seit langem bestehendes Problem mit wissenschaftlichen Veröffentlichungen veröffentlicht: Die meisten Forscher verstehen Fehlerbalken nicht .
Fehlerbalken sind grafische Elemente, die in einem statistischen Diagramm enthalten sind, um die Unsicherheit in einer Stichprobenstatistik darzustellen. Sie sind wichtig für JMP-Benutzer, da Fehlerbalken häufig erwähnt werden, wenn Benutzer gefragt werden, welche neuen Funktionen sie in der nächsten Version der Software sehen möchten.
Sie werden seit langem verwendet, aber es gibt keinen wirklichen Standard für sie. Viele Veröffentlichungen haben im Laufe der Zeit einige Konventionen übernommen, aber bis heute ist keine Harmonisierung erfolgt. Der Name „Fehlerbalken“ könnte bedeuten, dass er einen Standardfehler darstellt, aber in der Praxis nehmen Fehlerbalken verschiedene Formen an und stellen andere Größen dar, wie z. B. die Standardabweichung der Stichprobe oder ein Konfidenzintervall des Stichprobenmittelwerts. Es gibt verschiedene "Faustregeln", wie man sie macht oder interpretiert. Unabhängig davon, ob Sie ein Autor sind, der Fehlerbalken für Ihre Diagramme auswählt, oder ein Leser, der Fehlerbalken in einem Artikel interpretiert, werden Sie möglicherweise über ihren Zweck und ihre Form verwirrt sein.
Der Autor des Blogs, Dave Munger, befragte die Leser, bevor er seinen Eintrag schrieb, um zu sehen, ob sie wussten, wie man diese statistischen Grafiken verwendet und ob sie es waren nicht überrascht, dass viele Teilnehmer Schwierigkeiten hatten. Er zitierte eine große veröffentlichte Studie von Sarah Belia, die das gleiche Ergebnis für Autoren in psychologischen, neurowissenschaftlichen und medizinischen Fachzeitschriften ergab. Wie konnten intelligente, gut ausgebildete und erfahrene Forscher Schwierigkeiten mit einem so alten, gewöhnlichen und scheinbar einfachen Gerät haben?
Ich denke, dass der Grund für diese häufige berufliche Krankheit darin besteht, dass wir dasselbe Gerät für unterschiedliche Zwecke verwendet haben, wir haben unterschiedliche Grafiken verwendet, um dasselbe darzustellen, und wir haben unterschiedliche Formeln verwendet, um sie zu berechnen. Um dies zu sehen, vergleichen Sie Fehlerbalken mit einem anderen grafischen Gerät, das auch zur Darstellung von Unsicherheiten in Stichprobenstatistiken verwendet wird, dem Shewhart-Kontrollkarte . Diese Familie von Diagrammen hat eine explizit Modell für jede Art der Stichprobenstatistik (z. B. Einzeldaten, Stichprobendurchschnitt, Stichprobenspanne).
Regelkarten haben streng Regeln für die Berechnung der Eingriffsgrenzen und die Erstellung des Diagramms. Jedes Diagramm besteht aus den gleichen Komponenten, so dass Sie, wenn Sie beispielsweise lernen, ein Beispielmittelwertdiagramm (X-quer-Diagramm) zu lesen, auch ein Proportionalfehlerdiagramm (P-Diagramm) lesen können. Während der Diagrammtyp von den Daten abhängt, wird das Diagramm auf die gleiche Weise generiert und interpretiert, sodass diese verschiedenen Regelkarten eine ähnliche Form behalten und ähnliche Informationen vermitteln können. Auf der anderen Seite haben Fehlerbalken nicht den gleichen Luxus; Sie haben nicht die gleiche Form oder übermitteln die gleichen Informationen, was sie oft mehrdeutig macht.
Wofür verwenden Sie also Fehlerbalken? Ich kann mir drei allgemeine Zwecke vorstellen, genug, um meinen Standpunkt zu veranschaulichen.
1. Variationen in einer Stichprobe von Daten darstellen, die als beschreibende Zusammenfassung der Stichprobe präsentiert werden.
2. Stellen Sie die Unsicherheit in einer Stichprobenstatistik dar, die verwendet wird, um auf etwas über die Grundgesamtheit zu schließen.
3. Stellen Sie die Unsicherheit in mehreren Stichprobenstatistiken dar, die zum Vergleich von Populationen verwendet werden.
Diese Zwecke sind sehr unterschiedlich, daher gibt es nicht die eine Art von Fehlerbalken, die in jedem Fall funktioniert. Was tut JMP dagegen? JMP verwendet a unterscheidbar Grafik für jeden Zweck, die für jeden Zweck einzigartig geeignet ist. Untersuchen die Große Klasse Datensatz gefunden in der Beispieldaten Ordner, der JMP beiliegt. Verwenden Sie die Einweg Plattform, um die Höhen verschiedener Altersgruppen zu erkunden. Der Schlüssel zur Beseitigung dieser Verwirrung besteht darin, für jeden Zweck die richtige Grafik zu verwenden.
1. JMP zeigt die Streuung der Daten mit Standardabweichungslinien.
Wenn Sie eine Frage zur Variation in den einzelnen Altersgruppen haben, können Sie die verwenden Ungleiche Varianzen Befehl, um die Antwort zu erhalten. Zusätzlich zu einem numerischen Bericht, der Hypothesentests über die Standardabweichungen enthält, fügt JMP hinzu Standardabweichungslinien zum Diagramm, die eine Standardabweichung über und unter dem Stichprobendurchschnitt darstellen. Diese Gruppenstatistiken werden nicht gepoolt, da Sie mehr über die Variation in jeder Gruppe erfahren möchten.
2. JMP zeigt die Position des Probendurchschnitts mit einer Raute an.
Wenn Sie eine Frage zum Standort der einzelnen Gruppen haben, können Sie die verwenden Bedeutet Befehl. Auch hier erhalten Sie neben einem numerischen Bericht eine neue Grafik. Der bedeutet Diamanten Präsentieren Sie die Stichprobenmittelwerte als Punktschätzungen (Mittellinien) und als Konfidenzintervalle (obere und untere Punkte der Rauten). Das Standardkonfidenzniveau beträgt 95 %. Sie können diese Stufe jederzeit mit ändern Alpha-Level einstellen Befehl, und alle Berichte werden aktualisiert. Außerdem ist die Breite der Raute proportional zur Größe der Gruppe. Diese Grafik unterscheidet sich von den vorherigen Standardabweichungslinien und ist reichhaltiger und gibt eine bessere Antwort auf die Position jeder Gruppe.
3. JMP vergleicht Probenmittelwerte mit Kreisen.
Wenn Sie die Standorte von Gruppen vergleichen möchten, können Sie wieder die Mittelrauten verwenden. Sie beinhalten Linien überlappen in der Nähe von oben und unten. Wenn das Intervall zwischen diesen Linien für eine Gruppe das Intervall zwischen diesen Linien für eine andere Gruppe nicht überlappt, sind die Gruppenmittelwerte signifikant unterschiedlich. Diese Vergleiche verwenden dasselbe Signifikanzniveau wie das Konfidenzintervall, das standardmäßig Alpha = 0,05 ist.
Der Blogbeitrag von Munger erwähnte eine „Faustregel“, die vorschlug: „Die Konfidenzintervalle können sich um bis zu 25 % ihrer Gesamtlänge überlappen und dennoch einen signifikanten Unterschied zwischen den Mittelwerten für jede Gruppe aufweisen.“ Beachten Sie zunächst, dass der Zweck eines Konfidenzintervalls als solches darin besteht, die Unsicherheit im Gruppenmittelwert darzustellen. Die Überlappungslinien hingegen sind speziell für solche Vergleiche gedacht.
Zweitens müssen wir auch wissen, dass die Fehlerbalken ein Konfidenzintervall darstellen. Drittens sind die Annahmen für diese Regel nicht ganz klar und werden in der Praxis nicht immer erfüllt. Viertens ist das Ausmaß der Überlappung visuell schwer zu beurteilen. Für die Fälle, in denen die Fehlerbalken stattdessen den Standardfehler darstellen, wird eine andere Faustregel vorgeschlagen, und diese Regel leidet unter ähnlichen Schwächen. Wenn wir Software verwenden, um ein Diagramm zu erstellen, warum verwenden wir sie nicht auch, um eine bessere Grafik zu erstellen und den richtigen Hypothesentest zu erstellen? P -Wert, was ist ein besserer Weg, um die Signifikanz zu bestimmen?
Wenn Sie jedoch mehr als zwei Gruppen haben, bieten die Überlappungslinien keinen Schutz gegen die Inflation des experimentellen Alphas, das inhärent ist mehrere Vergleiche . JMP bietet eine zweite Möglichkeit zum Vergleichen von Gruppendurchschnitten, die die Anzahl der durchzuführenden Vergleiche berücksichtigt. Verwenden Sie einen der Befehle in der Mittel vergleichen Gruppe, wie die Alle Paare, Tukey HSD Befehl. Dieser Befehl erzeugt für jede Gruppe eine neue Grafik. Wie die Mitteldiamanten, die Vergleichskreise informieren Sie über den Ort (Mitte) und die Streuung (Radius) der Stichprobenstatistik, werden jedoch weiter angepasst, um die Anzahl der Vergleiche zu berücksichtigen. Um Gruppenmittelwerte zu vergleichen, wählen Sie eine Gruppe aus, indem Sie auf ihren Kreis klicken, und JMP antwortet grafisch mit der Antwort; es reicht nicht aus festzustellen, ob sich Kreise überschneiden.
Ich habe den untersten Kreis ausgewählt, um zu fragen, ob sich diese Gruppe (Alter = 12) in diesem Beispiel von anderen Gruppen unterscheidet. Die Kreise für drei Gruppen (Alter = 14, 15, 17) werden grau, um anzuzeigen, dass sie signifikant unterschiedlich sind.
Sie können auch die verwenden Buchstaben verbinden um festzustellen, welche Gruppenmittelwerte gleich oder unterschiedlich sind. Gruppen, die keinen Buchstaben teilen, unterscheiden sich erheblich. Wieder sehen Sie, dass sich (Alter=12, Gruppe 
von (Alter=14,15,17, Gruppe A) unterscheidet.
Was nützen also Fehlerbalken? Sie sind gut, wenn sie nützliche Informationen klar und unmissverständlich vermitteln. Sie könnten jedoch überfordert sein und für Zwecke verwendet werden, für die bessere Grafiken erfunden wurden. JMP berücksichtigt die gewünschten Informationen und verwendet die beste verfügbare Grafik, um sie zu vermitteln.
Hinzugefügt am 24. November 2008:
Ich habe ein weiteres relevantes Beispiel für Fehlerbalken in JMP gefunden. Wenn Sie Modell anpassen verwenden, um ein lineares Modell mit der standardmäßigen Regression der kleinsten Quadrate zu analysieren, erhalten Sie automatisch ein Diagramm der Hebelwirkung für jeden Term im Modell, falls dies der Fall ist Schwerpunkt Ist Wirkungshebel . (Wenn Sie eine andere Betonung verwenden, können Sie trotzdem das Leverage-Diagramm abrufen, indem Sie auf das rote Dreieck oben im Fenster neben „Response“ klicken und auswählen Zeilendiagnose > Plot-Effekt-Hebelwirkung . Öffnen Sie nun die Effektdetails und die Berichte für einzelne Effekte.) Ein kategorischer Effekt beinhaltet a Kleinste Quadrate bedeutet Tabelle unter dem Leverage-Plot. Dieser Bericht enthält den LS-Mittelwert, den Standardfehler und den Mittelwert für jede Stufe dieses Effekts. Sie können mit der rechten Maustaste in den Bericht klicken und auswählen Säulen > Untere 95 % Und Säulen > Obere 95 % um die Grenzen für das 95%-Konfidenzintervall der LS-Mittelwertschätzung zu erhalten. Das Ergebnis wird in etwa so aussehen:
(Hinweis: Dieses Ergebnis verwendet den Big Class-Datensatz und das Modell ist Gewicht = Alter + Geschlecht + Größe. Dieses Bild ist für den Alterseffekt.)
Klicken Sie nun auf das rote Dreieck oben im Leverage-Plot und wählen Sie LS Means Plot. Das Diagramm zeigt eine Grafik der LS-Mittelwerte zusammen mit Fehlerbalken für das 95 %-Konfidenzintervall zum Vergleich. Die Handlung sieht in etwa so aus:
Lassen Sie mich wissen, wenn Sie weitere Beispiele für Fehlerbalken in JMP finden!
Hinzugefügt am 30. März 2009:
Fehlerbalken sind auf einigen JMP-Plattformen optional. Beispielsweise möchten Sie möglicherweise Fehlerbalken in einem Balkendiagramm anzeigen. Dieses Beispiel zeigt Ihnen, wie Sie sie hinzufügen.
1. Wählen Hilfe > Beispieldaten . Öffnen Sie den Abschnitt Beispiele für den Unterricht und wählen Sie aus Große Klasse .
2. Wählen Sie Graph > Diagramm . Wählen Sie Höhe > Statistiken > Bedeuten . Wählen Alter > Kategorien, X, Ebenen . Wählen OK .
3. Klicken Sie auf das rote Dreieck neben Diagramm und wählen Sie aus Fehlerbalken zum Mittelwert hinzufügen .
4. Sie haben die Wahl über die zu verwendende Menge und ihr Vielfaches. Verwenden Sie einen Standardfehler des Mittelwerts, um die Unsicherheit in seiner Schätzung anzuzeigen.
5. Wählen Sie OK .
Das ist alles dazu.
Mark Bailey hat geschrieben: Ich verstehe Ihre Verwirrung. Das ist k...Markus Bailey schrieb:
Ich verstehe deine Verwirrung. Das ist üblich und der Grund, warum ich diesen Beitrag überhaupt geschrieben habe. Die Antwort ist leider, dass es von der Menge abhängt, die durch den Fehlerbalken dargestellt wird. (Aufgrund dieser Abhängigkeit ist es wichtig, dass die Autoren angeben, was der Fehlerbalken in einem bestimmten Diagramm darstellt.) Wenn der Fehlerbalken eine Standardabweichung darstellt, sagt er Ihnen etwas über die typische Differenz zwischen einer Beobachtung und dem Mittelwert. Wenn es einen Standardfehler darstellt, sagt es Ihnen etwas über den typischen Unterschied zwischen einer Schätzung und dem wahren Parameter. Wenn es ein Konfidenzintervall darstellt, gibt es Ihnen einen Wertebereich für den wahren Parameter mit einem bestimmten Konfidenzniveau an.
Aus Ihrem Kommentar geht hervor, dass Ihnen gesagt wurde, dass Sie eine Standardabweichung Ihrer Labordaten verwenden sollen, um den Fehlerbalken zu zeichnen. In diesem Fall gibt Ihnen der Fehlerbalken den typischen Abstand zwischen einer Beobachtung und dem Mittelwert an.
Emily hat geschrieben: Ich habe diesen ganzen Beitrag gelesen und obwohl ich kein...Emily schrieb:
Ich habe diesen ganzen Beitrag gelesen und obwohl ich mich jetzt sehr für Statistiken interessiere, bin ich mir immer noch nicht sicher, wie ich Fehlerbalken interpretieren soll. Ich bin ein Neuling an der James Madison University und studiere Biologie, und ich stoße derzeit auf viele Statistiken. Probleme bei der Interpretation meiner Laborergebnisse. Ist das richtig – der Fehlerbalken sagt Ihnen, wie stark Ihre Datenverteilung vom Mittelwert abfällt?
Mark Bailey hat geschrieben: Ja, die Variation in den Stichprobenstatistiken ...Markus Bailey schrieb:
Ja, die Schwankung in der Stichprobenstatistik (Mittelwertschätzung) wird durch den Standardfehler des Mittelwerts dargestellt, und der Standardfehler sollte verwendet werden, um die Fehlerbalken für den Mittelwertmarker zu zeichnen. Diese Verwendung von Fehlerbalken sollte vom Autor erklärt werden, wann immer sie verwendet werden, anstatt es dem Leser zu überlassen, anzunehmen oder zu erraten, was der Fehlerbalken darstellt.
Christie hat geschrieben: Zeigen die mittleren Fehlerbalken den Stan...Christie schrieb:
Zeigt der mittlere Fehlerbalken den Standardfehlermittelwert?
Mark Bailey hat geschrieben: Das ist eine großartige Frage, weil es ...Markus Bailey schrieb:
Dies ist eine großartige Frage, da sie zu einer allgemeinen Verwirrung darüber führt, was diese verschiedenen Intervalle darstellen und für welchen Zweck sie bestimmt sind.
Der Konfidenzintervall ist eine Aussage über den wahren Mittelwert. Es vermittelt ein bestimmtes Maß an Vertrauen in die Lage des wahren Mittelwerts. (Es ist keine Aussage über die Wahrscheinlichkeit, dass der wahre Mittelwert innerhalb des Intervalls liegt.) Es erkennt die Unsicherheit in unseren Schätzungen der Stichprobenstatistik an. Das Intervall geht davon aus, dass Mittelwert und Varianz der wahren Grundgesamtheit fest sind und dass der geschätzte Mittelwert und die Varianz über einfache Zufallsstichproben hinweg variieren. Sie wird als Punktschätzung mit symmetrischen Rändern auf beiden Seiten für die Unsicherheit berechnet. Die Marge ist ein Vielfaches (z. B. 1,96) der Standart Fehler der Statistik. (Der Standardfehler misst die Streuung in einer Statistik, wie die Standardabweichung die Streuung in Daten misst.) Der Standardfehler wird aus allen Gruppen zusammengefasst, da unser Analysemodell eine einzelne, gemeinsame Varianz liefert. Der Multiplikator stellt sicher, dass der gewünschte Anteil der Fälle (z. B. 95 %) durch das Intervall repräsentiert wird. Der Multiplikator ist ein Quantil aus der Student-t-Verteilung und eine Funktion der Gruppengröße.
Dieses Intervall kann zur Inferenz verwendet werden. Er entspricht der Ein-Stichproben-Version des Student-t-Tests. In diesem Fall vergleichen Sie einen Stichprobenmittelwert mit einem hypothetischen Populationsmittelwert. Wenn das Intervall den hypothetischen Mittelwert enthält, würden Sie die Nullhypothese nicht ablehnen. Wenn das Intervall den hypothetischen Mittelwert nicht enthält, würden Sie die Nullhypothese ablehnen und entscheiden, dass sich der Populationsmittelwert vom hypothetischen Mittelwert unterscheidet. Der bedeutet Diamant stellt sowohl den Punkt (mittlere horizontale Linie) als auch die Intervallschätzungen (vertikale Enden der Raute) dar. Der t-Test bei einer Stichprobe basiert auf einer Statistik, die als Differenz zwischen dem Stichprobenmittelwert und dem hypothetischen Mittelwert dividiert durch den Standardfehler des Mittelwerts berechnet wird.
Wir möchten nicht auf den Mittelwert einer Gruppe schließen, indem wir das Konfidenzintervall einer anderen Gruppe verwenden, wie unmittelbar oben beschrieben. Wir können stattdessen einen Zwei-Stichproben-t-Test, die äquivalente Einweg-Varianzanalyse (ANOVA) oder eine der vier auf Vergleichskreisen basierenden Methoden verwenden. Der t-Test bei zwei Stichproben basiert auf einer Statistik, die als Differenz zwischen den Stichprobenmittelwerten dividiert durch den Standardfehler der Differenz der Stichprobenmittelwerte berechnet wird. Der Standardfehler der Differenz kann auch verwendet werden, um ein Konfidenzintervall für die Differenz zu berechnen. Die mittlere Raute stellt dieses Konfidenzintervall als dar Markierungen überlappen . Der Standardfehler der Differenz ist die Quadratwurzel der Summe der quadrierten Standardfehler der Gruppenmittelwerte. JMP geht davon aus, dass der Standardfehler des Mittelwerts für alle Gruppen gleich ist, um die Berechnung der Spanne zu vereinfachen: die Quadratwurzel aus dem Zweifachen des Quadrats des Standardfehlers des Mittelwerts. Diese Annahme trifft nur zu, wenn die Gruppen gleich groß sind, daher sollte diese visuelle Bewertung nur in solchen Fällen verwendet werden.
Weitere Informationen finden Sie unter JMP Basic Analysis and Graphing guide (JMP > Help > Books) sowie diesen Artikel in einer Ausgabe von 1996 des JMPer Cable-Newsletter. . Der Artikel von Ann Lehman mit dem Titel „The Value of Cut Diamonds“ erörtert, warum die Anpassung angemessen ist.
Aris hat geschrieben: Warum ist es notwendig, die Überlappungsmarkierungen zu verwenden...Aris schrieb:
Warum ist es notwendig, die Überlappungsmarkierungen der Mittelrauten zu verwenden, um zwei Mittel zu trennen? Reicht die Überlappung des Konfidenzintervalls nicht aus, um zu zeigen, dass sich zwei Mittelwerte nicht unterscheiden? Woher kommt die Formel 2^0,5 * CI/2 zur Berechnung der Überlappungsmarken? Es wird im JMP-Handbuch nicht erklärt.
Top 10 JMP Blog Posts 2011 - JMP Blog schrieb: [...] Wha...Die 10 besten JMP-Blog-Beiträge des Jahres 2011 - JMP-Blog schrieb:
[...] Was nützen Fehlerbalken? (2008) [...]
Don Gregory hat geschrieben: Der ursprüngliche Blogbeitrag sagt â Standard...Don Gregor schrieb:
Der ursprüngliche Blog-Beitrag besagt, dass „Standardfehler normalerweise kleiner als Konfidenzintervalle sind.“ Angenommen, dies sind alles Normalverteilungen (nicht angegeben, aber ich denke angenommen), ist es nicht wahr, dass CI sind stets größer als die std.err. des Mittelwertes. Ich dachte, dass die std.err. der Mittelwert war der Std.Dev. der Grundgesamtheit der Mittelwerte vieler Stichproben (die aus den Daten geschätzt wird); und dass das 95%-KI daher ein Vielfaches (ca. 2 Sigma) des std.err wäre?
Don Gregory hat geschrieben: Außerdem erwähnt der Autor des Blogposts d...Don Gregor schrieb:
Außerdem erwähnt der Autor des Blogposts, dass Fehlerbalken bei korrelierten Proben unangemessen sind. Ich kann die Anforderung verstehen, dass zwei „Proben“ für Anova unabhängig sein müssen, aber wenn „Vorher“- und „Nachher“-Messungen nicht geeignet sind, dann denke ich, dass es eine ganze Reihe von Leuten gibt, die die Anova-Plattform (mit Vergleichsmitteln) falsch verwenden?
Ich denke, es gibt eine viel von Leuten, die es genau zu diesem Zweck verwenden; Die Frage ist also, wenn das nicht stimmt, wie kann man die Signifikanz einer Reihe von Messungen „vorher“ und „nachher“ „korrekt“ bewerten?
biologischer Forscher auf mittlerer Ebene hat geschrieben: Vielen Dank...biologischer Forscher auf mittlerem Niveau schrieb:
Vielen Dank für diesen Beitrag. Es fällt mir so schwer, Kollegen die Bedeutung von Fehlerbalken zu erklären, die davon überzeugt sind, dass es für sie einen absoluten Standard gibt. Ich hoffe, dass es hilfreich ist, sie auf diesen Beitrag zu verweisen.
Mark Bailey hat geschrieben: Ich stimme zu, dass das 95%-Konfidenzintervall ...Markus Bailey schrieb:
Ich stimme zu, dass das 95%-Konfidenzintervall breiter sein wird als ein Intervall von einem Standardfehler, da der kritische t-Wert für Alpha = 0,05 immer größer als 1 sein wird. Wenn Sie jedoch weniger Vertrauen benötigen, kann der Multiplikator kleiner als eins sein. Wenn Sie zum Beispiel beim Vergleich der Mittelwerte von zwei Grundgesamtheiten mit einer Stichprobe von jeweils 3 nur 60 % benötigen, beträgt Ihr Multiplikator nur 0,94. Dieser Fall ist jedoch nicht wahrscheinlich.
Mark Bailey hat geschrieben: Dies ist ein weiterer Fall, in dem der Vergleich ...Markus Bailey schrieb:
Dies ist ein weiterer Fall, in dem der Vergleich gepaarte Beobachtungen umfasste. Wenn in diesem Fall die Beobachtungen stark korrelieren oder die Variation zwischen den Blöcken groß ist, ist das Konfidenzintervall der Stichprobenmittelwerte größer als das Konfidenzintervall für die gepaarten Differenzen. Dieser Fall kommt häufig vor. Leider erkennen viele Ermittler die Paarung nicht und verwenden den weniger aussagekräftigen Zwei-Stichproben-Test des Mittelwerts.
Auch hier bietet JMP eine bessere Lösung: Analysieren > Passende Paare, wenn Sie die Paarung erkennen.
dave hat geschrieben: Ich bin ein langjähriger Jump-Benutzer, aber erst kürzlich f...dave schrieb:
Ich bin ein langjähriger Jump-Benutzer, habe diesen Blog aber erst kürzlich entdeckt. Ich möchte sagen, dass Beiträge wie dieser höchst interessant sind.
Ich würde gerne mehr Posts zu bestimmten statistischen Problemen/Problemen sehen und wie JMP diese angeht.
Mark Bailey hat geschrieben: Wir freuen uns über Ihre Kommentare. Dieser Blog...Markus Bailey schrieb:
Wir freuen uns über Ihre Kommentare. Dieser Blog ist aktiv und abwechslungsreich. Wir versuchen, es für ein breites Publikum interessant zu machen. Bitte teilen Sie uns mit, wenn es bestimmte Themen oder Probleme gibt, die Sie interessieren.
Mark Bailey hat geschrieben: Ihr Kommentar wird sehr geschätzt. Hilfe...Markus Bailey schrieb:
Ihr Kommentar wird sehr geschätzt. Helfen Sie uns, Ihnen zu helfen! Sie (und jeder andere Leser) sind herzlich eingeladen, Themen vorzuschlagen, die uns möglicherweise nicht einfallen, oder darauf hinzuweisen, dass ein bestimmtes Thema für uns hier vorrangig behandelt werden sollte.
Nochmals vielen Dank für Ihre Kommentare!
Walter R. Paczkowski schrieb: Das war eine gute Diskussion über...Walter R. Paczkowski schrieb:
Dies war eine gute Diskussion über die Fehlerbalken und die Werkzeuge in JMP zum Anstellen von Vergleichen. Ich habe zwei Fragen, die eher zur Information oder Aufklärung dienen. Erstens, gibt es Hinweise auf die Konstruktion der Überlappungsbereiche der Rauten? Zweitens kann die Interpretation der Buchstabenzuweisungen verwirrend sein, gibt es also Richtlinien für die Interpretation? Sind sie zum Beispiel transitiv, so dass, wenn X sich nicht von Y unterscheidet und Y sich nicht von Z unterscheidet, X sich dann nicht von Z unterscheidet?
Mark Bailey hat geschrieben: Es gibt Informationen darüber, wie die Ove...Markus Bailey schrieb:
Es gibt Informationen darüber, wie die Markierungen überlappen im bedeutet Diamanten werden berechnet. Beziehen Sie sich auf die JMP Statistik- und Grafikhandbuch im Kapitel 7, in dem es um die geht Einweg Plattform. (Die Referenzhandbücher sind als PDF-Dokumente über die verfügbar Hilfe > Bücher Menü.) Siehe Abschnitt Bedeutet Diamanten und proportional zur x-Achse in diesem Kapitel für weitere Einzelheiten.
Ihr Transitivitätsbeispiel ist nicht unbedingt wahr, und ich habe Ausnahmen davon gesehen. Die Buchstabengruppierungen sollen die Interpretation signifikanter Unterschiede zwischen den Mittelwerten für verschiedene Niveaus erleichtern. Die Buchstabenbezeichnungen funktionieren nach den gleichen Prinzipien wie die ihnen zugrunde liegende Mehrfachvergleichsmethode. Einfach ausgedrückt, wenn zwei Gruppen den gleichen Buchstaben haben, dann unterscheiden sie sich auf der festgelegten Ebene nicht wesentlich. Andernfalls, wenn zwei Gruppen unterschiedliche Buchstaben zugewiesen werden, unterscheiden sie sich auf der bezeichneten Ebene erheblich. Einige Ebenen können mehr als einem Buchstaben zugeordnet werden.
Florian hat geschrieben: Weiß jemand wie ich Fehlerbalken hinzufügen kann...Florian schrieb:
Weiß jemand, wie ich Fehlerbalken zu einem Balkendiagramm in JMP hinzufügen kann?
Mark Bailey hat geschrieben: Bitte sehen Sie sich den Nachtrag zum Original an...Markus Bailey schrieb:
Bitte beachten Sie den Nachtrag zum ursprünglichen Blogeintrag.
Mark Bailey hat geschrieben: Bitte sehen Sie sich die im Bot hinzugefügte Antwort an ...Markus Bailey schrieb:
Bitte beachten Sie die Antwort, die am Ende des Blogeintrags hinzugefügt wurde.
Anger Management hat geschrieben: Hilfreiche Informationen. Danke ve...Aggressionsbewältigung schrieb:
Hilfreiche Information. Vielen Dank.
Elizabeth Salas hat geschrieben: Bei der Verwendung des Analyse-Fit-Modells, um ...Elisabeth Salas schrieb:
Wenn Sie das Analyse-Fit-Modell verwenden, um eine 3-Weg-ANOVA mit gemischten Modellen auszuführen, zeigen alle Tabellen in der Ausgabe Std Error an. Gibt es eine Möglichkeit, dies auf Standardabweichung umzustellen?
Jede Hilfe wäre sehr willkommen!
Danke
Mark Bailey hat geschrieben: Deine Frage ist gut! Das Einfache...Markus Bailey schrieb:
Deine Frage ist gut! Die einfache Antwort ist, dass Fit Model bereits die Standardabweichung für Ihre Ergebnisse darstellt.
Die lange Antwort lautet, dass zwei Arten von Populationen an der Analyse Ihres Mixed-Effects-Modells beteiligt sind. Die erste Art ist eine Datenpopulation, bei der wir die Streuung von Datenwerten (z. B. Antwort, Prädiktor) unter Verwendung einer Standardabweichung beschreiben. Die zweite Art ist eine statistische Population, bei der wir die Streuung von Statistiken (z. B. Parameter, LS MEANS) unter Verwendung eines Standardfehlers beschreiben. Der Standardfehler ist tatsächlich die Standardabweichung der Stichprobenverteilung der geschätzten Statistik.
Die Standardabweichung der Daten gibt nicht direkt die Unsicherheit der geschätzten Statistik an, obwohl sie damit zusammenhängt. Je stärker die Daten variieren (größere Standardabweichung), desto stärker variiert die Stichprobenstatistik (größerer Standardfehler). Die genaue Beziehung hängt jedoch vom Modell, seiner Parametrisierung und der zur Schätzung der Statistik verwendeten Methode ab. Der beste Indikator für die Unsicherheit der Statistik ist also der zugehörige Standardfehler.
