Quantiles : méthode inclusive vs exclusive ?JMP semble utiliser la méthode exclusive comme méthode par défaut pour calculer les quantiles, quelle que soit la taille de l'échantillon (c'est-à-dire pair ou impair).
Excel offre une option (QUANTILE.INC contre QUANTILE.EXC).
Qu'est-ce qui est correct lorsque la taille de l'échantillon est, disons, inférieure à 50 ?
JMP autorise-t-il l'utilisation de la méthode inclusive ?
17.1.0
Exploration et visualisation des donnéesmacOSRe : Quantiles : méthode inclusive ou exclusive ?Salut @34Sud : Qui est correct"? Au risque d'être accusé d'être pédant, je vais peser.L'estimation (en tant que concept différent du "calcul") des quantiles peut être un défi trompeur (en particulier avec des échantillons de petite taille). B y définition, toutes les estimations sont fausses ! Quelle est la "meilleure" estimation est la vraie question. Bon article ici.
https://www.amherst.edu/media/view/129116/original/Sample%2BQuantiles.pdf
Re : Quantiles : méthode inclusive ou exclusive ?Cher @MRB3855
Merci pour ça. Bon à savoir que ma confusion n'est pas injustifiée. Cependant, et je dois admettre que je ne suis qu'un utilisateur intermédiaire de JMP et un «statisticien» largement autodidacte, je trouve certaines références qui suggèrent que la méthode inclusive est peut-être le choix le plus logique. JMP ne semble pas autoriser l'utilisation de méthodes alternatives et utilise exclusivement la méthode exclusive (pardonnez le jeu de mots). En tant que fanatique de JMP, comment justifier l'utilisation de cette méthode alors que d'autres packages semblent faire autrement ?
Re : Quantiles : méthode inclusive ou exclusive ?Salut @34Sud : Justification d'une méthode plutôt qu'une autre ? Bonne question.JMP ( Détails statistiques pour les quantiles (jmp.com) ) utilise la définition 6 dans le lien que j'ai fourni plus tôt. Ce lien montre 9 méthodes différentes (voici une description basée sur un exemple de huit d'entre elles https://www.resacorp.com/quartiles.htm ) pour calculer les centiles, et tout peut être justifié à un certain niveau.
Vous remarquerez que le tableau 1 de mon lien précédent fournit "six propriétés souhaitables pour un quantile d'échantillon". La définition 6, telle qu'utilisée par le JMP, satisfait cinq d'entre eux (voir le tableau 3 et la section "5. résumé et conclusions"). Comme "justification", je fournirais cet article de mon post précédent. Quant à répondre peut-être "pourquoi est-ce différent d'Excel?", Ma première pensée est; pour un travail statistique rigoureux, d'une manière générale, "je fais bien plus confiance à JMP qu'à Excel" ; il y a beaucoup de raisons à cela (bien que j'utilise Excel pour faire plein d'autres choses utiles et merveilleuses).Juste mes 2 centimes...
Re : Quantiles : méthode inclusive ou exclusive ?La distinction calcul/estimation peut être importante (avec un peu de chance, quelqu'un pourra commenter cela avec plus d'autorité).JMP fait des modèles de régression quantile (ils sont quelque peu cachés dans la plate-forme de régression généralisée sous le choix "Distribution") et je pense que l'estimation des quantiles serait importante ici (au lieu du calcul).Alors, peut-être que le choix est lié à une modélisation plus sophistiquée que de simplement vouloir un nombre qui représente le Xe centile ?
Re : Quantiles : méthode inclusive ou exclusive ?Salut @dale_lehman et @34Sud : Je dirais que le " distinction calcul/estimation" est toujours important; il met en évidence la différence entre l'échantillon et la population. L'inférence statistique consiste à inférer d'un échantillon à la population. Si vous ne faites pas cela, vous ne faites que calculer des nombres (par exemple, des statistiques descriptives utilisées pour résumer un échantillon, qui peuvent être tout ce dont vous avez besoin selon les objectifs). Comme quelqu'un l'a dit un jour à propos des statistiques; ce qui est observé est intéressant...mais ce qui est caché est crucial .OK, je vais descendre de ma caisse à savon...
