Quantili: metodo inclusivo vs esclusivo?JMP sembra utilizzare il metodo esclusivo come impostazione predefinita per il calcolo dei quantili, indipendentemente dalla dimensione del campione (vale a dire, pari o dispari).
Excel offre un'opzione (QUANTILE.INC contro QUANTILE.EXC).
Quale è corretto quando la dimensione del campione è, diciamo, inferiore a 50?
JMP consente l'uso del metodo inclusivo?
17.1.0
Esplorazione e visualizzazione dei datiMac OSRi: Quantili: metodo inclusivo vs esclusivo?CIAO @34Sud : Che è corretto"? A rischio di essere accusato di essere pedante, interverrò.La stima (in quanto concettualmente diversa dal "calcolo") dei quantili può essere ingannevolmente impegnativa (specialmente con campioni di piccole dimensioni). B y definizione, tutte le stime sono sbagliate! Qual è la stima "migliore" è la vera domanda. Buon articolo qui.
https://www.amherst.edu/media/view/129116/original/Sample%2BQuantiles.pdf
Ri: Quantili: metodo inclusivo vs esclusivo?Caro @MRB3855
Grazie per questo. Buono a sapersi che la mia confusione non è ingiustificata. Tuttavia, e devo ammettere di essere solo un utente JMP intermedio e uno "statistico" in gran parte autodidatta, trovo alcuni riferimenti che suggeriscono che il metodo inclusivo sia forse la scelta più logica. JMP non sembra consentire l'uso di metodi alternativi e utilizza esclusivamente il metodo esclusivo (scusate il gioco di parole). Come fanatico di JMP, come posso giustificare l'utilizzo di questo metodo quando altri pacchetti sembrano fare diversamente?
Ri: Quantili: metodo inclusivo vs esclusivo?CIAO @34Sud : Giustificazione per un metodo piuttosto che un altro? Buona domanda.JMP ( Dettagli statistici per quantili (jmp.com) ) utilizza la definizione 6 nel collegamento fornito in precedenza. Quel collegamento mostra 9 diversi metodi (ecco una descrizione basata su un esempio di otto di essi https://www.resacorp.com/quartiles.htm ) per il calcolo dei percentili e tutto può essere giustificato a un certo livello.
Noterai che la tabella 1 del mio collegamento precedente fornisce "sei proprietà desiderabili per un quantile campione". La definizione 6, utilizzata da JMP, ne soddisfa cinque (vedere la tabella 3 e la sezione "5. Riepilogo e conclusioni"). Come "giustificazione" fornirei quell'articolo dal mio post precedente. Per quanto riguarda forse la risposta "perché è diverso da Excel?", Il mio primo pensiero è; per un lavoro statistico rigoroso, in generale, "mi fido di JMP molto più che di Excel"; ci sono molte ragioni per questo (anche se uso Excel per fare un sacco di altre cose utili e meravigliose).Solo i miei 2 centesimi...
Ri: Quantili: metodo inclusivo vs esclusivo?La distinzione calcolo/stima può essere importante (si spera che qualcuno possa commentare in modo più autorevole).JMP fa modelli di regressione quantile (sono in qualche modo nascosti nella piattaforma di regressione generalizzata sotto la scelta "Distribuzione") e penso che la stima dei quantili sarebbe importante lì (invece del calcolo).Quindi, forse la scelta è correlata a una modellazione più sofisticata rispetto al semplice desiderio di un numero che rappresenti l'X° percentile?
Ri: Quantili: metodo inclusivo vs esclusivo?CIAO @dale_lehman E @34Sud : direi che il " distinzione calcolo/stima" è Sempre importante; indica la differenza tra campione e popolazione. L'inferenza statistica consiste nell'inferire da un campione alla popolazione. Se non lo fai, stai solo calcolando numeri (ad esempio, statistiche descrittive utilizzate per riassumere un campione, che potrebbe essere tutto ciò di cui hai bisogno a seconda degli obiettivi). Come qualcuno ha detto una volta di Statistica; ciò che si osserva è interessante...ma ciò che si nasconde è determinante .OK, scendo dalla mia scatola di sapone...
