Ajustement de la distribution compte tenu des données cumulées (quantiles) ?Salut,
J'ai des données sous forme de quantiles (centiles en fait) et j'aimerais estimer les paramètres de distribution et faire un tracé QQ à partir de cela. J'ai déjà utilisé la plateforme Life Distribution pour l'ajustement, mais cela ne fonctionnait que pour les données de probabilité en utilisant la probabilité comme variable de fréquence.
C'est peut-être une tâche triviale dans JMP mais je ne vois pas comment je pourrais le faire.
Björn
Analyse et modélisation des données de baseExploration et visualisation des donnéesRe : Ajustement de la distribution compte tenu des données cumulées (quantiles) ?Laissez-moi imaginer à quoi ressemblent vos données. Vous avez 1% à x01, 2% à x02, 50% à x50, 99% à x99.
Maintenant, vous mettez simplement x01, x02, ... x99 dans une colonne et utilisez Life Distribution pour adapter une distribution à cette colonne, rien d'autre.
Quel est alors le résultat ? Vous pouvez également le faire avec Distribution.
Et si vous n’avez pas de centiles régulièrement espacés ? Disons qu'il n'y a pas de x02, x03, x04. Il y a x01, qui passe directement à x05. Comment traiteriez-vous x05, est-ce la même chose que x01 et x06 ? Cela ne devrait pas être le cas.
Mais la stratégie ci-dessus est toujours applicable. Le résultat final dépendra de la façon dont vous traitez x05, et il n’existe pas de méthode unique. Une solution consiste à créer un nouveau x05 = (x01 + x06)/2, il se situe donc au milieu entre x01 et x06. Pendant ce temps, vous avez besoin d'une nouvelle colonne de fréquence, qui est remplie avec 0,01, à l'exception de l'entrée correspondant à x05, qui devrait être 0,04. Et maintenant, utilisez les valeurs x, ainsi que la colonne de fréquence, pour ajuster une distribution en utilisant soit la distribution de vie, soit la distribution.
Re : Ajustement de la distribution compte tenu des données cumulées (quantiles) ?Votre évaluation correspond à l'apparence de mes données. Et les quantiles ne sont pas uniformément espacés.
Concernant la distribution de la durée de vie, c'est ce dont je suis/étais incertain : si je faisais une analyse de défaillance, je pourrais enregistrer pour chaque élément combien de temps il a fallu jusqu'à ce qu'il se brise et j'ai donc une colonne de N éléments où chaque ligne contient la durée de vie de l'article et je m'attendais à ce type de données en entrée de la plateforme Life Distribution.
Concernant votre point sur les quantiles inégalement espacés, à mon avis, on devrait pouvoir dériver mathématiquement la distribution. Pour mes valeurs N percentile (PC), j'ai N équations de la forme P(x <= xPC | dist. params) = PC. Maintenant, quelle que soit la méthode utilisée, vous pourriez exécuter une optimisation pour trouver la distribution la mieux adaptée. paramètres. Je me demande donc s'il existe une plateforme JMP qui le fait directement, sans reconstruire les quantiles régulièrement espacés ?
Pensez-vous que vous pourriez configurer un exemple de tableau JMP montrant cela ?
Re : Ajustement de la distribution compte tenu des données cumulées (quantiles) ?Ce que vous décrivez dans le deuxième paragraphe me préoccupe. Si vos données sont temporelles jusqu'à l'événement et que vous ne savez pas quelles sont les données d'origine, mais que quelqu'un fournit un résumé sous forme de « quantile », vous ne devez pas faire confiance au formulaire « quantile » si vous soupçonnez qu'il y a une censure dans le données originales avec la moindre intuition. Ma suggestion précédente et les suivantes ne supposent aucune censure.
Avec vos données de formulaire "quantile", peu importe que les données d'origine aient ou non une colonne N, qui enregistre le nombre d'observations avec la même valeur. Celui qui vous donne le formulaire "quantile" aurait dû s'occuper correctement de cette colonne. Sinon, les données du formulaire "quantile" sont inutiles pour vous.
Ce que vous avez décrit dans votre troisième paragraphe est une approche appropriée. Pensez au test de Kolmogorov. C'est la même idée.
Mais comme vous l'imaginez, vous devez configurer quelque chose dans JMP. La réponse est d'utiliser Non linéaire plate-forme. Supposons que vos données comportent une colonne de valeurs d'observation (quantiles) et une colonne de probabilités (associée au quantile). Pour utiliser la plate-forme non linéaire à cet effet, vous devez écrire une colonne de formule, qui prend une valeur quantile et renvoie une probabilité calculée. Vous pouvez ensuite utiliser la nouvelle colonne avec la colonne de probabilité d'origine pour ajuster un modèle non linéaire. Je joins un tableau de données qui l'illustre.
Re : Ajustement de la distribution compte tenu des données cumulées (quantiles) ?Merci pour le fichier exemple ! Concernant le montage de la distribution, cela conduit au résultat que je compte avoir. Cependant, j'espérais qu'il existe une plate-forme qui pourrait (a) comprendre cette forme de données immédiatement et s'adapter à une distribution et (b) fournir ultérieurement une option de tracé QQ, où je pourrais sélectionner quelle est la distribution estimée pour avoir un visuel représentation des données.
Je suppose que je dois écrire un script pour avoir une solution pratique. Vous ne savez pas s'il est judicieux de le présenter comme une proposition de nouvelle fonctionnalité dans JMP ?
Concernant la qualité des données, je vais bien. La comparaison avec les données de distribution de vie n'a été faite que par moi pour rester dans la langue de la plateforme. Les données originales sont une distribution de probabilité discrète, calculée à partir d'un PDF physiquement continu. Comme la distribution de probabilité ne peut pas être stockée dans son intégralité, elle doit être agrégée et ce que j'obtiens, ce sont ces quantiles. Bien sûr, il y a une perte d'informations mais pour l'application, c'est suffisant.
Merci pour votre aide!
