Remplacement des NA par des nombres générés aléatoirementSalut,
Je suis très nouveau dans JMP et je travaille avec un ensemble de données de concentrations d'éléments mesurées qui comportent quelques non-détections étiquetées « ND » dispersées dans l'ensemble de données. On m'a demandé de remplacer tous les ND par une valeur tirée au hasard à partir d'une distribution uniforme.
entre 0 et la limite quotidienne de détection (LOD) par un étalonnage en deux points. J'ai les valeurs des différents LOD pour chaque élément, je suis simplement coincé avec le problème de la mise en œuvre de la génération de nombres aléatoires à remplir à la place des ND.
Tout conseil est grandement appréciée!
Analyse et modélisation des données de baseMélange et nettoyage des donnéesExploration et visualisation des donnéesles fenêtresRe : Remplacer les NA par des nombres générés aléatoirementBienvenue dans la Communauté.Voici un petit script qui vous montrera une approche pour changer les valeurs NA en une valeur aléatoire.
Names Default To Here( 1 );
LOD = 99; // Change to be the actual LOD value
randomMean = Mean( 0, LOD );
randomSTD = (LOD - randomMean) / 3;
col = "Age"; // Change to the actual column name
For Each Row(
If( As Column( col ) == "NA",
randomVal = LOD + 1; // Set the target value outside of the acceptable range
While( 0 < randomVal | randomVal > LOD, randomVal = Random Normal( randomMean, randomSTD ) );
As Column( col ) = Char( randomVal );
)
);
// Convert column to numeric
Column( col ) << data type( numeric ) << modeling type( continuous );
Re : Remplacer les NA par des nombres générés aléatoirementVous pouvez vous attendre à une grande aide de la part des autres pour mettre en œuvre votre idée. Je veux aborder la validité de l’approche en premier lieu. Ce projet est l'un des nombreux ad hoc approches sans rigueur ni support théorique. Cela biaisera les réponses. Il peut sembler que la sélection d'une valeur de remplacement à partir d'une distribution uniforme aléatoire [0...LOD] empêcherait les biais. Ça ne sera pas.
Une approche rigoureuse et fondée sur des principes consiste à considérer la LOD comme une observation censurée à gauche (c'est-à-dire une limite supérieure de la valeur vraie) et à utiliser l'estimation du maximum de vraisemblance pour l'analyse. JMP ne fournit pas le MLE pour tout, mais il le fait pour de nombreuses analyses. Quel type d’analyse prévoyiez-vous pour ces données ?
