Come confrontare gli eventi osservati con quelli previsti?


9

Supponiamo di avere un campione di frequenze di 4 possibili eventi:

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

e ho le probabilità attese dei miei eventi:

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

Con la somma delle frequenze osservate dei miei quattro eventi (18) posso calcolare le frequenze attese degli eventi giusto?

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

Come posso confrontare i valori osservati con i valori previsti? verificare se le mie probabilità calcolate sono buoni predittori?

Ho pensato a un test chi-quadrato, ma il risultato cambia con la dimensione del campione (n = 18), intendo, se moltiplico i valori osservati per 1342 e utilizzo lo stesso metodo il risultato è diverso. Forse un test accoppiato wilcox funziona, ma cosa mi consigliate?

Se può suggerire in R, sarebbe meglio.

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 

Risposte:


4

13421342

χ2520%χ2


Grazie, quale è meglio per questo: solo il test del pescatore? o il test del pescatore con p valore simulato? e perché?
Juan,

kn 107(n+k1n)107
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.