안녕
JMP는 가중 표준 편차를 어떻게 계산합니까(배포 플랫폼의 가중치 탭에서 변수를 선택한 경우)?
감사합니다
파니
무지의 문제가 아닙니다. 가중치 표준편차 또는 분산에 대한 정의는 적어도 네 가지가 있습니다. 정의는 사용되는 분모에서만 다릅니다. 즉, 가중 평균과 가중 제곱합은 모든 정의에서 동일합니다. JMP는 네 가지 정의 중 하나만 구현합니다. 다른 소프트웨어는 이 정의 또는 다른 정의 중 하나를 구현할 수 있습니다.
안녕 마크,
자신의 무지에 빠져들고 있습니다...
Excel에서 데이터 세트의 가중 평균을 계산하고 JMP와 비교했습니다. 결과가 일치하지 않았습니다.
내가 사용한 공식은 다음과 같습니다.
이것은 다음을 제외하고 코드에 동의합니다.
var = ss / (N Row( y )-1); // weighted variance, unbiased
해야한다:
var = ss / ((N Row( y )-1/N Row(y))*n; // weighted variance, unbiased
분명히 나는 이것을 이해하지 못한다.
감사합니다
파니
하이마크,
감사합니다. 귀하의 의견에 감사드립니다.
그렇다면 가중치 열 속성이 설정되었을 때 유통 플랫폼에 인쇄된 표준편차를 사용해서는 안 된다고 가정합니까?
계산은 다음과 같이 설명됩니다. 가중 산술 평균 . 이 공식을 사용하여 결과의 양을 이해하십시오.
스크립트를 사용하여 계산 단계를 설명합니다. 스크립트를 실행하기 전에 로그를 여십시오.
Names Default to Here( 1 );
// open examle
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
dt << New Column( "Row Weight", Numeric, Continuous,
Values(
[0.466037725564092, 3.88878780649975, 2.4091640743427, 2.11785415420309,
4.79403748759069, 2.30050488375127, 1.58066931064241, 3.18035316769965,
1.57862229505554, 0.304837201256305, 3.91091752331704, 2.63118736562319,
3.27893625595607, 3.02616479573771, 1.75871466752142, 1.95901472005062,
1.4666282152757, 2.11275573237799, 2.02008433057927, 4.89492299617268,
0.493469994980842, 4.89886545110494, 2.22502982476726, 4.72375275800005,
0.830245516262948, 1.67820788919926, 3.44848407898098, 4.0259948768653,
3.2834971731063, 4.52901363372803, 3.88477634754963, 4.72076337435283,
4.64333190233447, 3.1073961337097, 0.579181439243257, 2.74820194579661,
0.191317443968728, 2.94498334173113, 2.51307534286752, 1.23225981369615]
)
);
// launch distribution analysis
biv = dt << Distribution(
Weight( :row weight ),
Continuous Distribution(
Column( :height ),
Customize Summary Statistics(
Sum Wgt( 1 ),
Variance( 1 ),
Corrected SS( 1 ),
Set Alpha Level( 0.05 )
)
),
SendToReport(
Dispatch( {}, "height", OutlineBox, {Set Title( "weighted height" )} )
)
);
// compute weight standard deviation and show intermediate results
y = :height << Get As Matrix; // data
w = :row weight << Get As Matrix; // weights
n = Sum( w ); // sum of weights
wYBar = (w`*y / n)[1]; // weighted average
ss = (w`*(y-wYBar)^2)[1]; // corrected weighted sum of squares
var = ss / (N Row( y )-1); // weighted variance, unbiased
s = Sqrt( var ); // weighted standard deviation
Show( wYbar, s, ss, var ); // view all results in Log
