Estimation d'une erreur

Bonjour,

Je m'y connais peu en statistique et j'ai un problème pour estimer des erreurs dans mon jeu de donnée.

J'ai environs 300 000 données que j'appelle Q1 sur lesquelles j'ai une erreur dQ1 qui a déjà été estimée.

Pour diminuer mon nombre de données, j'ai décidé de les regrouper à l'aide d'un paramètre extérieur x : Quand x est proche sur deux données, je les met dans le même groupe et je calcule la moyenne des Q2=somme(Q1 du groupe)/n (n étant le nombre de donnée dans mon groupe) qui sera ma nouvelle donnée. Je me retrouve alors avec un nouveau jeu d'environs 100 000 données Q2. Mon problème est que j'ai besoin d'estimer une erreur dQ2 sur chaque donnée de ce nouveau jeu.

Ma première idée était de calculer l'écart-type sigma de chaque groupe, et d'utiliser l'estimation de la moyenne sigma/sqrt(n) comme nouvelle erreur dQ2. Malheureusement, j'ai énormément de groupes où j'ai 1 seul rai, et pour lesquels je ne peux pas calculer d'écart-type.

Ma question est est-ce qu'il existe une solution pour estimer cette nouvelle erreur dQ2 qui pourrait prendre en compte :
- de l'erreur initiale que j'avais sur chaque donnée dQ1;
- de l'écart-type de mes données dans chaque groupe (c'est-à-dire que si mes données sont proches l'une de l'autre, je peux diminuer mon erreur finale) ?

Voilà, j'espère que c'est assez clair. Je remercie d'avance tous ceux qui veulent bien m'aider. <3

Cheers,
LaliBaba

Bonjour.

Quand il y a un seul rai (??), pas de souci, l'erreur est connue.
Pour un groupe de données, tout dépend de la façon conventionnelle d'estimer l'erreur. J'ai une petite idée si les données sont des moyennes de mesures et qu'on a pris comme estimation de l'erreur non pas une incertitude, mais l'écart type de la série de mesures.

Cependant je suis très dubitatif sur cette démarche qui aboutit à une forte hétérogénéité des nombres obtenus : données simples, moyennes de 2 données, moyennes de 25 données, ... Je ne vois pas trop quel raisonnement utile on peut faire avec ce type de valeurs sans rapport les unes avec les autres.

Cordialement.

Un rai est une donnée oui. Désolé, je me suis emmêlé.

Mes données Q1 et mes erreurs dQ1 ne proviennent pas de mesures mais d'une inversion. L'erreur dQ1 correspond à la distance entre la réalité et le modèle a priori du processus d'inversion, ensuite j'ajuste mon modèle sur la réalité (je suis pas exactement sûre, il faudrait que je vérifie).

Justement, mon problème est que si je prend l'écart-type dans mon groupe de donnée, je ne sais pas comment traiter mes groupes contenant une seule donnée, et je perd l'information sur les erreurs dQ1 de mes n données contenues dans un groupe.

Je me demandais juste s'il existait un processus qui me permettrait d'obtenir une erreur dQ2 à partir des deux informations (dQ1 et écart-type), et qui me permettrait de traiter le problème des groupes de 1 rai.

Merci !

Mais pour un groupe de 1 rai, il n'y a pas de problème, puisque tu sais déjà tout sur ta donnée. dQ2=dQ1 puisque ta donnée est un Q1.

D'accord, je peux utiliser l'ancienne erreur pour les groupes de 1 rai. Ma question est : comment je fait pour que mes nouvelles erreurs sur les groupes de plusieurs rais soient cohérents avec celle contenant 1 rai ?
L'écart-type dans un groupe de plusieurs rai et mon ancienne erreur ne sont pas compatibles entre elles, elle sont trop différentes les unes des autres.

Il n'y a pas de réponse; vu que tes données sont hétérogènes, les dispersions n'ont aucune raison d'être cohérentes.

Cordialement.

C'est pour ça que je cherche une manière de calculer une erreur qui soit différente. ET qui prenne les deux en compte, l'écart-type et l'erreur initiale.

Je pensais essayer de pondérer mes écart-types par la moyenne des erreurs initiales de mon groupe. Et dans le cas où j'aurais qu'un seul rai dans mon groupe, je multiplierai l'erreur par une moyenne des écart-type de tous les autres groupes. Est-ce que ça aurait un sens ?

Tu peux continuer à trafiquer les données, mais si toi-même, tu n'y trouves pas de sens, comment justifier ta démarche ?

Cordialement.

C'est justement ce que je cherche à faire en expliquant mon problème et en demandant des conseils à d'autre personnes.