¿Cómo comparar los eventos observados con los esperados?


9

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles:

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

y tengo las probabilidades esperadas de que ocurran mis eventos:

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

Con la suma de las frecuencias observadas de mis cuatro eventos (18) puedo calcular las frecuencias esperadas de los eventos, ¿verdad?

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

¿Cómo puedo comparar los valores observados con los valores esperados? para probar si mis probabilidades calculadas son buenos predictores?

Pensé en una prueba de ji cuadrado, pero el resultado cambia con el tamaño de la muestra (n = 18), quiero decir, si multiplico los valores observados por 1342 y utilizo el mismo método, el resultado es diferente. Tal vez una prueba emparejada wilcox funciona, pero ¿qué sugieres?

Si puede sugerir en R, sería mejor.

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 

Respuestas:


4

13421342

χ2520%χ2


Gracias, ¿cuál es mejor para esto: solo la prueba del pescador? o la prueba de pescador con valor simulado p? ¿y por qué?
Juan

kn(n+k1n)107
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.