Transformation inverse de la valeur transformée SHASHBonjour,
J'essaie de calculer des intervalles de tolérance normaux pour une population de données qui suit une distribution non normale. Après avoir utilisé la transformation SHASH pour transformer les données en données normales, les intervalles de tolérance peuvent-ils être calculés et retransformés en distribution native ? Si tel est le cas, existe-t-il une formule ou un script facilement disponible permettant d'exécuter cette transformation inverse ?
Si cela n'est pas possible, existe-t-il d'autres transformations appropriées pour réaliser ce type d'analyse ? Dans le passé, j'ai utilisé une transformation Johnson Su dans un but similaire.
Toute aide serait grandement appréciée.
Automatisation et scriptsIngénierie de la qualité et des procédésRe: Transformation inverse de la valeur transformée SHASHConsultez cette discussion communautaire antérieure sur la transformation inverse de la distribution t de Student
Re: Transformation inverse de la valeur transformée SHASHBonjour @scappuccio : Je suppose que vous avez utilisé SHASHTrans (x, gamma, delta, theta, sigma) pour passer à une distribution normale. Pourriez-vous ensuite utiliser SHASHInv(z, gamma, delta, theta, sigma) pour effectuer une transformation inverse ? Ou est-ce que j'ai raté quelque chose ?
Re: Transformation inverse de la valeur transformée SHASHSalut @MRB3855 ,
Merci pour votre réponse. Veuillez pardonner ma mauvaise compréhension de JMP et des statistiques en général. J'ai utilisé les menus déroulants de la fenêtre Analyser>Distributions pour transformer mon ensemble de données de sa distribution native en SHASH. La fonction SHASHInv est-elle toujours applicable pour renvoyer une valeur native à partir d'un point singulier (dans ce cas, un intervalle de tolérance calculé à partir de la distribution transformée par SHASH) sur la distribution transformée ?
Re: Transformation inverse de la valeur transformée SHASHBonjour @scappuccio : si vos données brutes ont une distribution SHASH, elles doivent être transformées en données normales avant de calculer les intervalles de tolérance. Vous feriez cela via SHASHTrans (x, gamma, delta, theta, sigma). Quelle fonction avez-vous utilisée pour « transformer » en SHASH ? Si vous avez utilisé « Distribution SHASH » ou « Densité SHASH », aucune des deux ne constitue une transformation vers (ou depuis) SHASH.
Sauf erreur de ma part, ce que vous avez fait semble être la même chose que ce qui se passe dans le lien ci-dessous. Et veuillez lire l'intégralité du fil de discussion, car il s'y passe beaucoup de choses.
https://community.jmp.com/t5/Discussions/Back-transform-of-Student-t-distribution-transformation/mp/801918#M97785
Re: Transformation inverse de la valeur transformée SHASHSalut @MRB3855 ,
Merci d'avoir mis un lien vers ce fil de discussion - il semble que j'essaie d'accomplir presque la même chose que cet utilisateur.
Si j'ai utilisé Ajustement continu > Ajuster SHASH puis Enregistrer les colonnes > Enregistrer les transformées, est-ce la même chose que d'utiliser la fonction que vous avez suggérée sur chaque point de mon ensemble de données ? Comme vous l'avez mentionné dans ce fil de discussion, mon cas d'utilisation est tel que j'essaie de respecter l'hypothèse de normalité d'un modèle linéaire traditionnel.
Si tel est le cas, est-il correct de calculer les intervalles de tolérance normaux sur les nouvelles colonnes et d'utiliser la fonction SHASHInv(z , gamma, delta, theta, sigma) pour renvoyer la sortie à la distribution native ? Si ce n'est pas le cas, le script suggéré par txnelson dans le même fil de discussion est-il la seule option pour renvoyer une valeur ?
Re: Transformation inverse de la valeur transformée SHASHBonjour @scappuccio : Oui, vous faites la même erreur que cet utilisateur... sauf que cet utilisateur considère une distribution t plutôt qu'une distribution SHASH. La formule doit être dans les propriétés de la colonne afin que vous puissiez voir quelle fonction est utilisée.
Vous pouvez utiliser la plateforme de distribution pour voir quelle distribution correspond à vos données, mais cette plateforme ne peut pas être utilisée, comme vous le décrivez, pour transférer vers/depuis n'importe quelle distribution.
Si la plateforme de distribution indique que vos données ont une distribution SHASH , la façon de les transformer en une distribution normale est d'utiliser la fonction SHASHTrans(x, gamma, delta, theta, sigma). Créez une autre colonne (appelons-la Y dans cet exemple) et placez la fonction SHASHTrans(x, gamma, delta, theta, sigma) dans cette colonne Y (x correspond à vos données brutes).
Ensuite, obtenez un intervalle de tolérance sur Y en utilisant la plateforme de distribution.
Ensuite, enregistrez l'intervalle de tolérance dans un ensemble de données JMP (cliquez avec le bouton droit de la souris sur l'intervalle, puis cliquez sur « Convertir en tableau de données »). Ajoutez ensuite trois nouvelles colonnes, chacune avec la fonction SHASHInv(z, gamma, delta, theta, sigma), où z est respectivement la limite inférieure du TI, la moyenne et la limite supérieure du TI. Ces trois colonnes donneront un intervalle de tolérance (et la médiane) pour vos données brutes.
Re: Transformation inverse de la valeur transformée SHASHSalut @MRB3855 ,
Merci encore pour le tutoriel, il est extrêmement utile. Là où je suis perdu, c'est que suivre votre méthodologie semble produire les mêmes valeurs que la méthode que j'ai décrite précédemment. J'ai joint un fichier d'exemple suivant les deux méthodes.
Je n'ai pas confirmé ce comportement sur plusieurs ensembles de données, mais pourriez-vous s'il vous plaît confirmer si ces deux chemins devraient ou non produire les mêmes résultats ?
Re: Transformation inverse de la valeur transformée SHASHBonjour @scappuccio : Il semble qu'il y ait plus d'options disponibles pour les distributions SHASH que pour les autres distributions. Je me suis trompé.
Donc, tout ce que vous avez à faire maintenant est de suivre les étapes décrites ci-dessus.
Re: Transformation inverse de la valeur transformée SHASHSalut @MRB3855 ,
C'est super, merci d'avoir examiné cela. J'apprécie que vous ayez répondu à toutes mes questions !
