Cosa significa esattamente "raggruppare i dati"?

16

Ho pensato che "raggruppare i dati" significava semplicemente combinare i dati precedentemente suddivisi in categorie ... essenzialmente, ignorando le categorie e rendendo i dati un gigantesco "pool" di dati. Immagino che questa sia una domanda più sulla terminologia che sull'applicazione delle statistiche.

Ad esempio: voglio confrontare 2 siti e all'interno di ogni sito ho due tipi di anni (buoni e poveri). Se voglio confrontare i due siti "complessivi" (ovvero, ignorando i tipi di anno), è corretto dire che sto raggruppando i dati all'interno di ciascun sito? Inoltre, poiché diversi anni di dati comprendono i tipi di anni buoni e poveri, è anche corretto affermare che sto raggruppando i dati tra anni per raggiungere il set di dati "anno buono" e "anno scadente" all'interno di ciascun sito? Grazie per l'aiuto! Mog

terminology

— Mog
fonte

13

Sì, i tuoi esempi sono corretti.

Il dizionario inglese di Oxford definisce pool come:

piscina, v.

(PUL)

1.1 trans. Gettare in azioni o fondi comuni da distribuire secondo l'accordo; combinare (capitale o interessi) per il beneficio comune; spec. di compagnie ferroviarie concorrenti, ecc .: per condividere o dividere (traffico o entrate).

Un altro esempio potrebbe essere:

si misurano i livelli ematici di sostanza X in maschi e femmine. Non vedi differenze statistiche tra i due gruppi, quindi metti insieme i dati , ignorando il sesso del soggetto sperimentale.

Se sia statisticamente corretto farlo dipende molto dal caso specifico.

— nico
fonte

12

Il pooling può fare riferimento alla combinazione di dati, ma può anche fare riferimento alla combinazione di informazioni anziché ai dati non elaborati. Uno degli usi più comuni del pooling è nella stima di una varianza. Se riteniamo che 2 popolazioni abbiano la stessa varianza, ma non necessariamente la stessa media, allora possiamo calcolare le 2 stime della varianza dai campioni dei 2 gruppi, quindi raggrupparle (prendere una media ponderata) per ottenere una singola stima di la varianza comune. Non calcoliamo una singola stima della varianza dai dati combinati perché se le medie non sono uguali, ciò gonfia la stima della varianza.

— Greg Snow
fonte

Grazie @Greg. Per chiarire (perché sto cercando di combinare anche varianze dalla letteratura), quello che stai dicendo è che per ottenere una varianza "media" per più popolazioni, posso prendere una media ponderata delle varianze calcolate? Come dovrei ponderare queste variazioni? Ogni popolazione non è = 1?

— Nebbia

Se le dimensioni del campione sono uguali, la media semplice tende a funzionare. Generalmente attribuiamo a ciascun punto dati lo stesso peso, la formula standard è di moltiplicare ogni varianza per i gradi di libertà (o il numero nel denominatore per rispetto al gruppo, n-1), quindi sommare tutti i pezzi, quindi dividere per la somma di i gradi di libertà (tutto il n_i-1).

— Greg Snow,