Hola
¿Cómo calcula JMP una desviación estándar ponderada (cuando se selecciona una variable en la pestaña de ponderación en la plataforma de distribución?
Gracias
Fanie
No es una cuestión de ignorancia. Hay al menos cuatro definiciones de la desviación o varianza estándar del peso. Las definiciones difieren únicamente en el denominador que se utiliza. Es decir que la media ponderada y la suma ponderada de los cuadrados son iguales en todas las definiciones. JMP solo implementa una de las cuatro definiciones. Otro software podría implementar esta definición o una de las otras.
Hola, Mark,
me ahogo en mi propia ignorancia...
Calculé la media ponderada de un conjunto de datos en Excel y lo comparé con JMP. Los resultados no coincidieron.
La fórmula que utilicé es:
Esto está de acuerdo con el código excepto:
var = ss / (N Row( y )-1); // weighted variance, unbiased
debiera ser:
var = ss / ((N Row( y )-1/N Row(y))*n; // weighted variance, unbiased
Claramente no entiendo esto.
Gracias
Fanie
¿Por qué asumes que no debes usarlo?
Hola, Mark,
Gracias, aprecio tu aporte.
Entonces, supongo que no se debe usar la desviación estándar impresa en la plataforma de distribución cuando se ha establecido una propiedad de columna de peso.
El cálculo se describe aquí: media aritmética ponderada . Utilice estas fórmulas para comprender las cantidades en los resultados.
Utilice el guión para ilustrar los pasos de cálculo. Abra el registro antes de ejecutar los scripts.
Names Default to Here( 1 );
// open examle
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
dt << New Column( "Row Weight", Numeric, Continuous,
Values(
[0.466037725564092, 3.88878780649975, 2.4091640743427, 2.11785415420309,
4.79403748759069, 2.30050488375127, 1.58066931064241, 3.18035316769965,
1.57862229505554, 0.304837201256305, 3.91091752331704, 2.63118736562319,
3.27893625595607, 3.02616479573771, 1.75871466752142, 1.95901472005062,
1.4666282152757, 2.11275573237799, 2.02008433057927, 4.89492299617268,
0.493469994980842, 4.89886545110494, 2.22502982476726, 4.72375275800005,
0.830245516262948, 1.67820788919926, 3.44848407898098, 4.0259948768653,
3.2834971731063, 4.52901363372803, 3.88477634754963, 4.72076337435283,
4.64333190233447, 3.1073961337097, 0.579181439243257, 2.74820194579661,
0.191317443968728, 2.94498334173113, 2.51307534286752, 1.23225981369615]
)
);
// launch distribution analysis
biv = dt << Distribution(
Weight( :row weight ),
Continuous Distribution(
Column( :height ),
Customize Summary Statistics(
Sum Wgt( 1 ),
Variance( 1 ),
Corrected SS( 1 ),
Set Alpha Level( 0.05 )
)
),
SendToReport(
Dispatch( {}, "height", OutlineBox, {Set Title( "weighted height" )} )
)
);
// compute weight standard deviation and show intermediate results
y = :height << Get As Matrix; // data
w = :row weight << Get As Matrix; // weights
n = Sum( w ); // sum of weights
wYBar = (w`*y / n)[1]; // weighted average
ss = (w`*(y-wYBar)^2)[1]; // corrected weighted sum of squares
var = ss / (N Row( y )-1); // weighted variance, unbiased
s = Sqrt( var ); // weighted standard deviation
Show( wYbar, s, ss, var ); // view all results in Log
