চি-স্কোয়ার পরীক্ষার জন্য পি-মানগুলির মন্টি কার্লো সিমুলেশন প্রয়োগ করার নিয়ম


9

আমি chisq.test()আর তে ফাংশনে মন্টি কার্লো সিমুলেশন ব্যবহার বুঝতে চাই

আমার একটি গুণগত পরিবর্তনশীল আছে যার 128 স্তর / শ্রেণী রয়েছে। আমার নমুনার আকার 26 (আমি বেশি "ব্যক্তি" নমুনা দিতে সক্ষম হইনি)। স্পষ্টতই, আমার 0 "ব্যক্তি" সহ কিছু স্তর থাকবে। তবে আসল বিষয়টি হ'ল আমার কাছে সম্ভব মাত্র 127 টির মধ্যে খুব অল্প সংখ্যক শ্রেণীর প্রতিনিধিত্ব রয়েছে। যেমনটি আমি শুনেছি যে চি-স্কোয়ার্ড পরীক্ষা প্রয়োগের জন্য আমাদের প্রতিটি স্তরে কমপক্ষে 5 জন লোক থাকা উচিত (আমি এর কারণটি পুরোপুরি বুঝতে পারি না), আমি ভেবেছিলাম simulate.p.valueবিতরণটি অনুমান করার জন্য আমাকে মন্টি কার্লো সিমুলেশন ব্যবহার করার বিকল্পটি ব্যবহার করতে হবে এবং একটি পি-মান গণনা। মন্টি কার্লো সিমুলেশন ছাড়াই আর আমাকে পি-ভ্যালু দেয় < 1e-16। মন্টি কার্লো সিমুলেশন সহ এটি আমাকে পি-ভ্যালু দেয় 4e-5

আমি 26 টি এবং 101 জেরোর ভেক্টরের সাথে পি-ভ্যালুটি গণনা করার চেষ্টা করেছি এবং মন্টে-কার্লো সিমুলেশন দিয়ে আমি 1-তে একটি পি-মান পাই।

আপনার বক্তব্যটি কি ঠিক আছে যে, আমার নমুনার আকারটিও সম্ভাব্য শ্রেণীর সংখ্যার তুলনায় ছোট হলেও পর্যবেক্ষিত বিতরণটি এমন যে খুব কমই সম্ভব যে সমস্ত সম্ভাব্য শ্রেণীর প্রকৃত জনসংখ্যায় একই সম্ভাবনা (1/127) এ উপস্থিত রয়েছে ?


3
যদি আপনার ডেটা সত্যিই এমন হয় যে আপনি 26 টির নমুনার মধ্যে 26 স্বতন্ত্র শ্রেণি পর্যবেক্ষণ করেছেন, তবে আপনার কাছে এই অনুমানের বিরুদ্ধে মূলত কোনও প্রমাণ নেই যে সমস্ত 127 শ্রেণির সমান সম্ভাবনা রয়েছে। এটি বহুজাতিক বিতরণ গণনার সাথে মূল্যায়ন করা যেতে পারে।
হোবার

1
" যেমনটি আমি শুনেছি চি-স্কোয়ার্ড পরীক্ষা প্রয়োগের জন্য আমাদের প্রতিটি স্তরে কমপক্ষে 5 জন লোক থাকা উচিত (আমি এর কারণটি পুরোপুরি বুঝতে পারি না) " - যথেষ্ট নয়। মূল পরামর্শটি ছিল যে প্রত্যাশিত গণনাটি হবে না, আসল গণনা কমপক্ষে 5 হওয়া উচিত that যে (এখন দীর্ঘকালীন) বিধিটি সহ লক্ষ্যটি ছিল যে চি-বর্গ বিতরণটি তার বিস্তৃত বিতরণের একটি যুক্তিসঙ্গত সান্নিধ্য হয় তা নিশ্চিত করার চেষ্টা করা পরীক্ষা পরিসংখ্যান। গত 4 দশক বা তারও বেশি সময় ধরে বেশ কয়েকটি কাগজপত্র জুড়ে পরামর্শ দেওয়া 'এই নিয়মটি কিছুটা কঠোর'।
গ্লেন_বি -রিনস্টেট মনিকা

উত্তর:


6

অনুসন্ধান করে মনে হয় যে মন্টে-কার্লো সিমুলেশনটির বিন্দুটি এলোমেলোভাবে উত্পন্ন নমুনাগুলির উপর ভিত্তি করে একটি রেফারেন্স বিতরণ তৈরি করা হবে যা পরীক্ষার শর্তগুলি সন্তুষ্ট না হলে পি-ভ্যালুগুলি গণনা করার জন্য পরীক্ষিত নমুনার সমান আকার ধারণ করবে।

এটি হোপ এ। জে রয়্যাল স্ট্যাট সোসাইটি সিরিজ বি (1968) এ ব্যাখ্যা করা হয়েছে যা জেএসটিওআরে পাওয়া যাবে ।

আশা পত্রের একটি প্রাসঙ্গিক উদ্ধৃতি এখানে:

মন্টে-কার্লো তাত্পর্য পরীক্ষা পদ্ধতিতে অনুমান অনুসারে পরীক্ষিত র্যান্ডম নমুনাগুলির সাথে পর্যবেক্ষণ করা তথ্যের তুলনা করা থাকে। ... বিকল্প পরিসংখ্যান অনুমান সম্পূর্ণরূপে নির্দিষ্ট করা যেতে পারে এই ধরে নিয়ে মন্টে-কার্লো পরীক্ষা পদ্ধতির পরিবর্তে ভাল দক্ষতার জ্ঞাত পরীক্ষাটি ব্যবহার করা ভাল। তবে, এই জাতীয় পরীক্ষা ব্যবহার করা সর্বদা সম্ভব নয় কারণ পরীক্ষা প্রয়োগের জন্য প্রয়োজনীয় শর্তগুলি সন্তুষ্ট হতে পারে না, বা অন্তর্নিহিত বিতরণ অজানা হতে পারে বা উপযুক্ত পরীক্ষার মানদণ্ডের বিষয়ে সিদ্ধান্ত নেওয়া কঠিন হতে পারে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.