Cuantiles: ¿método inclusivo vs exclusivo?JMP parece utilizar el método exclusivo como predeterminado para calcular los cuantiles, independientemente del tamaño de la muestra (es decir, pares o impares).
Excel ofrece una opción (QUANTILE.INC versus QUANTILE.EXC).
¿Cuál es la correcta cuando el tamaño de la muestra es, digamos, menos de 50?
¿JMP permite el uso del método inclusivo?
17.1.0
Exploración y visualización de datosMac OSRe: Cuantiles: ¿método inclusivo vs exclusivo?Hola @34Sur : Cual es correcta"? A riesgo de que me acusen de pedante, intervendré.Estimar (como conceptualmente diferente de "calcular") los cuantiles puede ser engañosamente desafiante (especialmente con tamaños de muestra pequeños). B y definición, ¡todas las estimaciones son incorrectas! Cuál es la "mejor" estimación es la verdadera pregunta. Buen artículo aquí.
https://www.amherst.edu/media/view/129116/original/Sample%2BQuantiles.pdf
Re: Cuantiles: ¿método inclusivo vs exclusivo?Estimado @MRB3855
Gracias por esto. Es bueno saber que mi confusión no es injustificada. Sin embargo, y debo admitir que solo soy un usuario intermedio de JMP y un 'estadístico' en gran parte autodidacta, encuentro algunas referencias que sugieren que el método inclusivo quizás sea la opción más lógica. JMP no parece permitir el uso de métodos alternativos y utiliza exclusivamente el método exclusivo (perdón por el juego de palabras). Como fanático de JMP, ¿cómo justifico el uso de este método cuando otros paquetes parecen hacer lo contrario?
Re: Cuantiles: ¿método inclusivo vs exclusivo?Hola @34Sur : ¿Justificación de un método sobre otro? Buena pregunta.JMP ( Detalles estadísticos para cuantiles (jmp.com) ) usa la definición 6 en el enlace que proporcioné anteriormente. Ese enlace muestra 9 métodos diferentes (aquí hay una descripción basada en ejemplos de ocho de ellos https://www.resacorp.com/cuartiles.htm ) para calcular percentiles, y todo se puede justificar en algún nivel.
Notará que la Tabla 1 de mi enlace anterior proporciona "seis propiedades deseables para un cuantil de muestra". La definición 6, tal como la usa JMP, satisface cinco de ellos (ver Tabla 3 y sección "5. Resumen y conclusiones"). Como "justificación" proporcionaría ese artículo de mi publicación anterior. En cuanto a quizás responder "¿por qué es diferente a Excel?", Mi primer pensamiento es; para un trabajo estadístico riguroso, en términos generales, "confío mucho más en JMP que en Excel"; hay muchas razones para eso (aunque uso Excel para hacer muchas otras cosas útiles y maravillosas).Solo mis 2 centavos...
Re: Cuantiles: ¿método inclusivo vs exclusivo?La distinción cálculo/estimación puede ser importante (con suerte, alguien podrá comentar sobre esto con más autoridad).JMP hace modelos de regresión de cuantiles (están algo ocultos en la plataforma de Regresión generalizada en la opción "Distribución") y creo que la estimación de los cuantiles sería importante allí (en lugar del cálculo).Entonces, ¿tal vez la elección esté relacionada con un modelado más sofisticado que simplemente querer un número que represente el percentil X?
Re: Cuantiles: ¿método inclusivo vs exclusivo?Hola @dale_lehman y @34Sur : Yo diría que el " distinción cálculo/estimación" es siempre importante; apunta a la diferencia entre muestra y población. La inferencia estadística se trata de inferir de una muestra a la población. Si no está haciendo eso, solo está calculando números (por ejemplo, estadísticas descriptivas utilizadas para resumir una muestra, que pueden ser todo lo que necesita según los objetivos). Como alguien dijo una vez de Estadística; lo que se observa es interesante...pero lo que se oculta es crucial .OK, saldré de mi tribuna...
