jmp 13.2.1 OutlinersSalut à tous,
J'utilise le programme JMP pour générer des statistiques sur les résultats des essais. Je me demandais s'il était possible de définir les plages dans un programme stat, par exemple parce que j'ai peu de représentants pour chaque entraînement, je suppose que je pourrais avoir une plage plus large de résultats de plume à plume, et moins de réplications pour obtenir une signification moyenne et statistique - si j'ai un stylo qui a un très haut ratio de conversion alimentaire (FCR) par exemple qui n'est pas une valeur aberrante sur JMP, il va fausser les résultats plus et réduire ma signification statistique - donc je me demandais si je devais réduire la plage de FCR afin que cela soit alors considéré comme une valeur aberrante et donc que je puisse l'exclure des résultats? Je sais que cela réduirait encore plus mes représentants, mais ils pourraient être plus fidèles au résultat réel? Faites-moi savoir si je peux configurer des plages dans JMP et comment le faire.
Merci d'avance
Re: jmp 13.2.1 OutlinersMila:
La question de l'identification des valeurs aberrantes est à la fois facile: en utilisant certains critères, définissez une valeur numérique (s) pour les valeurs basse et haute si nécessaire, puis si une observation ne correspond pas aux valeurs, elle est par définition une valeur aberrante. Le défi consiste à définir les valeurs. Il existe différentes constructions numériques pouvant être utilisées. JMP a plusieurs approches, telles qu'une approche quantile et des méthodes multivariées.
Mais la vraie question que je pose est une question de praticité et d’expertise dans le domaine… pas une question de méthode statistique. Puisque vous utilisez les données pour faire des inférences statistiques, sélectionnez sélectivement NON, certaines observations doivent avoir une raison valable d’exclusion, et pas seulement un simple, "oh, la valeur est au-delà d’une plage ... nous allons donc la supprimer." Par exemple, "Oh, nous savons que le système de mesure a échoué lorsque cet objet spécifique a été mesuré ... nous avons une cause assignable, il est donc logique d'exclure l'observation". Mais si vous ne faites que supprimer des observations qui dépassent un certain nombre de valeurs pour cette seule raison ... cela pourrait conduire à, et je vous en prie, je ne vous l'accuse pas, y compris la fraude à la sécurité des données résultat indéterminé.
Re: jmp 13.2.1 OutlinersJe ne veux pas manipuler les données et ce n'est pas mon intention, même s'il serait utile de vérifier quel serait le résultat global avec et sans valeur aberrante et de voir si cela a un impact sur la conclusion globale.
Occasionnellement, il existe une grande variabilité dans les données et je réfléchis à la manière de traiter ce "bruit".
J'aimerais pouvoir consulter les résultats de différents "persepctives" avec JMP.
Re: jmp 13.2.1 OutlinersJMP, il est facile de masquer et exclure des lignes et voir l'impact numériquement et graphiquement.
Mais bien que la mécanique de ceci soit facile, comme @P_Bartell souligne, l'interprétation de savoir si une ligne spécifique est une «valeur aberrante» ne l'est pas, du moins pas toujours.
Si vous ne le connaissez pas, vous pouvez aussi regarder le filtre de données local.
