Comment comparer les événements observés aux événements attendus?


9

Supposons que j'ai un échantillon de fréquences de 4 événements possibles:

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

et j'ai les probabilités attendues que mes événements se produisent:

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

Avec la somme des fréquences observées de mes quatre événements (18), je peux calculer les fréquences attendues des événements, n'est-ce pas?

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

Comment comparer les valeurs observées aux valeurs attendues? tester si mes probabilités calculées sont de bons prédicteurs?

J'ai pensé à un test du chi carré, mais le résultat change avec la taille de l'échantillon (n = 18), je veux dire, si je multiplie les valeurs observées par 1342 et utilise la même méthode, le résultat est différent. Peut-être qu'un test pairé wilcox fonctionne, mais que proposez-vous?

Si je peux suggérer en R, ce serait mieux.

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 

Réponses:


4

13421342

χ2520%χ2


Merci, lequel est le meilleur pour cela: juste le test du pêcheur? ou le test de Fisher avec p valeur simulée? et pourquoi?
Juan

kn(n+k1n)107
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.