不使用PSI的地方

Question

据我所知，PSI用于连续数据。通常，创建等大小的回收箱是为了比较两个数据集，而桶的数量通常是10个。这是出于某种原因吗，为什么是10个桶？另外，我想知道PSI是否也可以使用小于10值的分类数据？在绝对变量的情况下，怎样才能最好地估计人口的变化呢？

Answer 1

在我的经验中，10或20经常被使用，因为它们对应于十分之一或二十。人们往往对十分之一或二十岁有直觉的理解。这种理解往往是错误的，但我们认为我们知道这一点。所以使用10或20是很舒服的。

使用太多的桶，会引入太多的噪音，数据中的变化很小，会导致PSI发生较大的变化。但是太少的桶隐藏了信号。10或20是最佳选择吗？也许不是从统计的角度对所有的变量，但它是一致和舒适的。还有其他的方法，但要确保观众知道，或者你是在教观众这些方法。

有了分类，你就不需要敲诈了。如果你愿意的话，每个类别都是它自己的“桶”。对于许多类别，您可能想要组合，但这取决于您谁知道数据。

PSI公式需要离散的概率分布。如果所有类别或n块都被计算，并且数量被标准化，那么你就有了一个离散的概率分布。我在我的PSI函数中检查了这个案例。我看到水桶出了问题，尤其是在边缘。