粒子計數誤導科學家：調查建模的 JMP® 和 SAS® 集成案例研究
Kathleen Kiernan，MS，技術支持統計學家； Diane Michelson，博士，統計培訓師； Annie Zangi，MS，研究統計學家 – SAS
本文將討論在實際應用中建模數據的後果，並將展示使用 JMP 和 SAS 的集成功能對非正態數據進行建模的方法和技術。 最常用的統計測試和建模技術基於某些假設。 如果我們正在分析的數據是非正態的或異方差的怎麼辦？ JMP 提供了一些用於對非正態或異方差數據建模的方法和技術，而 SAS 提供了可以使用的全套程序。 Box-Cox 冪變換通常用於變換非正態或異方差數據。 另一種方法是對非正態分佈進行建模。 本文將介紹兩個半導體案例研究。 在半導體加工過程中，晶圓盡可能保持清潔。 電路有源區域中的顆粒最終會導致有缺陷的芯片。 第一個例子探討了一個案例，科學家們試圖減少晶片上發生的粒子數量，並發現該模型在識別問題根源方面的效果不如最初想像的那麼有效。 半導體芯片是在大晶圓上製造的，每個晶圓可以包含數百個芯片，並且晶圓是分批加工的。 在第二個示例中，我們將調查在傳統線性模型設置中嘗試查找過程的方差分量中的重要因素時可能出現的誤導性結果。 我們將使用 JMP 和 SAS 集成為這兩個示例提供解決方案，這些解決方案也可以應用於其他場景。
