jmp 13.2.1 GliederungHallo zusammen,
Ich verwende das JMP-Programm, um eine Statistik über die Testergebnisse auszuführen, und ich habe darüber nachgedacht, ob es möglich ist, die Bereiche innerhalb eines Statistikprogramms festzulegen. Zum Beispiel, weil ich für jede Trainingseinheit nur wenige Wiederholungen habe Ergebnisse von Stift zu Stift und weniger Wiederholungen, um eine durchschnittliche und statistische Signifikanz zu erhalten. Wenn ich also einen Stift mit einem wirklich hohen Feed Conversion Ratio (FCR) habe, der bei JMP keinen Ausreißer darstellt, wird dies die Ergebnisse verzerren mehr und meine statistische Signifikanz reduzieren - daher habe ich mich gefragt, ob ich den FCR-Bereich senken sollte, damit dies als Ausreißer betrachtet wird und ich ihn daher von den Ergebnissen ausschließen könnte. Ich weiß, das würde dann meine Wiederholungen noch weiter reduzieren, aber sie können dem tatsächlichen Ergebnis eher entsprechen. Bitte lassen Sie mich wissen, ob ich Bereiche in JMP einrichten kann und wie das geht.
Vielen Dank im Voraus
Re: jmp 13.2.1 GliederungMila:
Die Frage nach der Identifizierung von Ausreißern ist gleichzeitig einfach, dh, setzen Sie bei Bedarf anhand einiger Kriterien einen oder mehrere numerische Werte für den unteren und oberen Bereich. Wenn eine Beobachtung außerhalb der Werte liegt, ist der Wert per Definition ein Ausreißer. Die Herausforderung besteht darin, die Werte festzulegen. Es gibt verschiedene numerisch basierte Konstrukte, die verwendet werden können. JMP verfügt über mehrere Methoden, z. B. einen Quantil-Ansatz und multivariate Methoden.
Aber die eigentliche Frage, die ich frage, ist eine Frage der Praktikabilität und der Fachkenntnis der Domäne ... und nicht der statistischen Methode. Da Sie die Daten verwenden, um statistische Schlüsse zu ziehen, sollte das gezielte NICHT einschließen bestimmter Beobachtungen einen gültigen Ausschlussgrund haben, nicht nur einen einfachen "Oh, der Wert liegt außerhalb eines Bereichs ... daher werden wir ihn löschen." Zum Beispiel: "Oh, wir wissen, dass das Messsystem versagt hat, als dieses bestimmte Objekt gemessen wurde ... wir haben eine zuweisbare Ursache, daher ist es sinnvoll, die Beobachtung auszuschließen". Aber wenn Sie nur Beobachtungen löschen, die nur aus diesem Grund über einen bestimmten Wertebereich hinausgehen ... kann dies dazu führen, dass ich Sie nicht beschuldige, bis hin zum Datenbetrug, um einen Erfolg zu erzielen festes Ergebnis.
Re: jmp 13.2.1 GliederungIch möchte die Daten nicht manipulieren, und dies ist nicht meine Absicht, obwohl es von Vorteil wäre, das Gesamtergebnis mit und ohne Ausreißer zu prüfen und zu sehen, ob dies Auswirkungen auf die Gesamtergebnisse hat.
Occaisonlly gibt es eine große Variabilität in den Daten und ich denke darüber nach, wie ich mit diesem "Rauschen" umgehen sollte.
Ich möchte gerne die Ergebnisse verschiedener "persepctive" mit JMP betrachten.
Re: jmp 13.2.1 GliederungJMP macht es einfach Zeilen ausblenden und ausschließen und sehen Sie die Auswirkungen numerisch und grafisch.
Aber auch wenn die Mechanik leicht ist @P_Bartell weist darauf hin, dass die Interpretation, ob eine bestimmte Reihe ein "Ausreißer" ist, zumindest nicht immer gilt.
Wenn Sie nicht damit vertraut sind, können Sie auch die lokaler Datenfilter.
