मनाया बनाम अपेक्षित घटनाओं की तुलना कैसे करें?


9

मान लीजिए कि मेरे पास 4 संभावित घटनाओं की आवृत्तियों का एक नमूना है:

Event1 - 5
E2 - 1
E3 - 0
E4 - 12

और मुझे होने वाली मेरी घटनाओं की संभावित संभावनाएं हैं:

p1 - 0.2
p2 - 0.1
p3 - 0.1
p4 - 0.6

मेरी चार घटनाओं (18) के देखे गए आवृत्तियों के योग से मैं सही घटनाओं की अपेक्षित आवृत्तियों की गणना कर सकता हूं?

expectedE1 - 18 * 0.2 = 3.6
expectedE2 - 18 * 0.1 = 1.8
expectedE1 - 18 * 0.1 = 1.8
expectedE1 - 18 * 0.6 = 10.8

मैं देखे गए मूल्यों बनाम अपेक्षित मूल्यों की तुलना कैसे कर सकता हूं? परीक्षण करने के लिए कि क्या मेरी गणना की संभावनाएं अच्छे भविष्यवक्ता हैं?

मैंने ची-स्क्वेर्ड परीक्षण के बारे में सोचा, लेकिन नमूना आकार (n = 18) के साथ परिणाम बदल जाता है, मेरा मतलब है, अगर मैं 1342 तक मानों को गुणा करता हूं और उसी पद्धति का उपयोग करता हूं तो परिणाम भिन्न होता है। शायद एक wilcox युग्मित परीक्षण कार्य करता है, लेकिन आप क्या सुझाव देते हैं?

यदि आर में सुझाव दे सकते हैं, तो बेहतर होगा।

r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

जवाबों:


4

यदि आप सभी मानों को गुणा करते हैं, तो आप अलग-अलग परिणाम प्राप्त करते हैं । ये कोई समस्या नहीं है। आपको बहुत अलग परिणाम प्राप्त करने चाहिए । यदि आप एक सिक्का फ्लिप करते हैं और यह सिर पर आता है, तो यह बहुत अधिक नहीं कहता है। यदि आप एक सिक्का बार फ्लिप करते हैं और आपको हर बार सिर मिलते हैं, तो आपके पास बहुत अधिक जानकारी है जो सुझाव देती है कि सिक्का उचित नहीं है।13421342

आम तौर पर आप एक के लिए विकल्प का उपयोग करना चाहते परीक्षण जब घटनाओं की अपेक्षित संख्या बहुत कम है (अर्थात, किया जा रहा है ) अपनी श्रेणियों का एक बड़ा प्रतिशत में (जैसे कि, कम से कम )। एक संभावना फिशर का सटीक परीक्षण है , जिसे आर में लागू किया गया है । आप फिशर के सटीक परीक्षण के लिए एक सन्निकटन के रूप में परीक्षण देख सकते हैं , और अनुमान केवल तभी अच्छा होता है जब अपेक्षित काउंट अधिक होते हैं।χ2520%χ2


धन्यवाद, कौन सा इसके लिए बेहतर है: बस फिशर टेस्ट? या पी नकली मूल्य के साथ फिशर परीक्षण? और क्यों?
जुआन

सिमुलेशन त्रुटियों का परिचय देता है जो छोटे हो सकते हैं, लेकिन जो छोटे मूल्यों के लिए आवश्यक नहीं होने चाहिए। यदि आपके पास हैk श्रेणियां और nऑब्जेक्ट, फिर संभावित परिणामों की संख्या । जब यह कंप्यूटर के मानकों से छोटा होता है (शायद से कम ) तो मैं सिर्फ सटीक गणना का उपयोग करूंगा। यदि सटीक गणना धीमी है, तो सिमुलेशन की त्रुटियों का परीक्षण करें और देखें कि क्या वे गति में वृद्धि के लिए स्वीकार्य हैं। (n+k1n)107
डगलस ज़रे
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.