12710_fr-FR

liliconcom

détection de valeurs aberrantes multivariées<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Bonjour,

J'ai la question suivante d'un client (Freescale) sur la détection des valeurs aberrantes JMP12 et sur les valeurs aberrantes multivariées robustes:

• Y a-t-il un moyen de savoir quelles sont les variables qui ont le plus grand impact sur la distance de Mahalanobis (en tant que discriminante avec les pas à pas)?

• Est-ce que cela équivaut à faire un PCA suivi d'une distance de mahalanobis? -> à mon sens, c'est un peu différent en raison d'une analyse robuste.

• Valeur aberrante multivariée KNN: est-il équivalent à effectuer une analyse de cluster avec une évaluation k-mean à 1 (plus d’option dans la plate-forme de clustering)?

Merci pour votre réponse,

Florence

Détection de valeurs aberrantes multivariées

Salut Florence,

Il semble que Freescale soit peut-être déjà en train de faire cela ou quelque chose de similaire. Une façon d'atténuer ce problème de détection de valeurs aberrantes multivariées de grande dimension pourrait être:

1) Utilisez le tracé de Mahalanobis pour détecter les événements aberrants, puis

2) Examinez le diagramme SPC individuel de chaque cluster PCA pour déterminer quel (s) cluster (s) sont des valeurs aberrantes pour chaque événement aberrant dans (1), puis

3) Examinez le graphique SPC individuel des variables dans les grappes aberrantes pour chaque événement aberrant dans (2) afin d'identifier les variables aberrantes.

Si cette procédure leur convient, ils souhaiteront peut-être créer un script pour le flux de travail afin de faciliter son application à un plus grand nombre d'utilisateurs.

Malcolm

Détection de valeurs aberrantes multivariées

Salut Peter!

Merci beaucoup pour votre suggestion. Le problème principal de la matrice du diagramme de dispersion est le fait qu’elle se trouve dans la zone des semi-conducteurs, de sorte qu’elle dispose de plus de 300 variables. Pas si facile d'utiliser des outils graphiques…

En ce qui concerne PCA, elle a JMP Pro, alors je pense qu’elle utilise l’option de clustering…

Florence

De: peter.bartell@jmp.com

Envoyé: lundi 8 juin 2015 17:26

À: Florence Kussener

Objet: Re: - Détection de valeurs aberrantes multivariées

Communauté d'utilisateurs JMP <>

détection de valeurs aberrantes multivariées

réponse de peter.bartell@jmp.com <> dans la communauté JMP SE - Afficher la discussion complète <>

Détection de valeurs aberrantes multivariées

Florence: Voici quelques réflexions pour votre client ... en ce qui concerne le graphique de Mahalanobis. S'il y a des valeurs aberrantes sur ce graphique, un simple clic sur le point aberrant mettra en évidence cette ligne dans le tableau de données et une vue dynamique de la matrice de diagramme de dispersion. de même, devrait également révéler une ou plusieurs variables qui sont en dehors des ellipses à deux variables. Cela devrait donner quelques indications sur les variables qui sont le ou les coupables.

Ma prochaine pensée concerne votre deuxième question ... un simple rapport de la PCA montrera le graphique double et s’il existe des valeurs aberrantes multivariées, il ya de bonnes chances qu’elles apparaissent comme des points périphériques sur la graphique double, car la graphique double est fondamentalement un graphique résiduel de la variabilité restant après le calcul des deux premières composantes principales.