Intervalles de tolérance après transformation des donnéesJe calcule des intervalles de tolérance normaux et je dois parfois d'abord transformer les données. J'essaie généralement SHASH et Johnson SL. Ma question concerne SHASH : qu'est-ce que cela signifie lorsque la distribution SHASH ne correspond pas mais que les données transformées résultantes sont normales ? À l’inverse, qu’est-ce que cela signifie lorsque SHASH s’ajuste mais que les données transformées résultantes ne sont pas normales ? Je suis les directives d'un organisme de normalisation régissant mon travail qui permettent une transformation monotone vers la Normalité, donc je pense que puisque le premier cas aboutit à un résultat Normal, je devrais pouvoir utiliser SHASH. même si je suis mal à l'aise de ne pas être bien ajusté. Pour le deuxième cas, mais je suis curieux de savoir ce que cela signifie pour SHASH de s'adapter lorsque le résultat n'est pas normal. Merci.
Analyse et modélisation des données de baseles fenêtresRe : Intervalles de tolérance après la transformation des donnéesSalut @jayg001 : Pour que je puisse parfaitement comprendre votre (vos) question(s) et y répondre de manière appropriée, pouvez-vous me dire si je comprends vos deux situations.
Étant donné une colonne de données, X :
1. " Qu'est-ce que cela signifie lorsque la distribution SHASH ne correspond pas mais que les données transformées résultantes sont normales ? "
Donc, dans ce cas, X n'a pas de distribution SHASH et vous appliquez une transformation (j'appellerai cette fonction SHASH) à X pour obtenir une deuxième colonne Y. Donc, Y = SHASH[X]. De plus, Y semble être normalement distribué. Est-ce que j'ai raison ? Quelle fonction (j'ai appelée SHASH[X]) utilisez-vous pour transformer X ? Je connais la distribution SHASH, mais je cherche juste de la clarté ici.
2. « Inversement, qu'est-ce que cela signifie lorsque SHASH s'ajuste mais que les données transformées qui en résultent ne sont pas normales ? »
Dans ce cas, X a une distribution SHASH. Ensuite, en appliquant la transformation SHASH (comme dans 1 ci-dessus), vous avez Y = SHASH[X]. Et de plus, Y ne semble pas avoir une distribution normale.
Est-ce que j'ai raison ?
Re : Intervalles de tolérance après la transformation des donnéesOui tu as raison. Je sauvegarde les valeurs transformées après avoir installé SHASH dans la plateforme de distribution. La formule des valeurs enregistrées contient la fonction SHASHTrans (x, gamma, delta, theta, sigma) utilisant les paramètres de la distribution SHASH ajustée.
Re : Intervalles de tolérance après la transformation des donnéesSalut @jayg001 : Il y a quelques éléments qui entrent en jeu ici. Dans aucun ordre particulier:
1. Taille de l’échantillon :
-Pour les échantillons de petite taille, il est moins probable que vous rejetiez une distribution plausible via un test d'adéquation de l'ajustement, même si
la distribution n'est pas correcte (c'est-à-dire faible puissance). Cela conduit à accepter une mauvaise distribution.
-À l’inverse, pour des échantillons de grande taille, vous pouvez rejeter une distribution parce qu’elle est trop puissante. c'est-à-dire des départs, même négligeables
de la distribution testée entraînera le rejet de la distribution. Cela conduit à rejeter une distribution qui est, pour tous
intentions et objectifs, adéquats.
2. Nous ne savons jamais vraiment si la distribution est Normale, SHASH ou toute autre distribution. Le test Good-of-Fit ne peut pas rejeter un
distribution donnée, mais cela ne prouve pas que la distribution est correcte ; cela signifie simplement qu'il n'y a pas suffisamment de preuves pour le rejeter.
C'est comme la façon dont l'hypothèse ou l'innocence est appliquée dans un procès. « Non coupable » ne veut pas dire innocent. Non coupable signifie qu'il y avait
pas assez de preuves pour condamner...
3. Une transformation peut modifier l'influence d'un ou plusieurs points individuels sur les tests d'adéquation.
FWIW Edit : De manière générale, je ne suis pas un grand fan des tests d'adéquation de l'ajustement (voir ci-dessus pour pourquoi). J'ai tendance à regarder les tracés QQ, etc.
Ce sont mes premières réflexions. J'espère qu'ils sont serviables.
Re : Intervalles de tolérance après la transformation des donnéesMerci. Je ne suis pas non plus fan de la qualité de l'ajustement parce que je suis un bayésien pur et dur, mais je dois développer une procédure pour un grand nombre d'ingénieurs ayant peu de formation en statistiques, donc je suis coincé avec en essayant de garder les choses simples. L'aide de JMP indique que SHASHTrans transforme une variable distribuée SHASH en une variable normale standard. J'exigerai donc probablement que la distribution SHASH s'adapte aux données d'origine et que la distribution normale s'adapte aux données transformées avant de procéder au calcul et à l'inversion des intervalles de tolérance.
