創建抽樣分佈我想從我的資料集中創建一個真實的抽樣分佈，但我不確定在 JMP 中使用什麼公式來創建它。我有一個 10,000 人的人口資料集，想要建立 n=100 的抽樣分佈，這樣會得到 100 個樣本平均值。我應該使用什麼公式在 JMP 中建立此公式？
回覆：創建抽樣分佈謝謝你！！ 是的，我會按照JSL學習的建議去做。回覆：創建抽樣分佈下面是我之前回覆的腳本的簡單修改。下面的方法只是解決此問題的方法之一。如果您打算進入 JMP Scripting 的世界，您需要閱讀 JMP Scripting Guide，這樣您就可以開始學習 JSL 的道路。
names defalut to here( 1 );
dt = New Table( "test",
New Column( "BPN",
values(
{103.2, 100.3, 99.2, 103.6, 102.1, 100.6, 100.1, 99.6, 99, 102.6, 101.2, 97.6, 102.1,
100, 102.4, 101.7, 105.3, 103.7, 99.1, 103.1, 99.3, 99.2, 98.5, 101.7, 106.3, 97.8,
104.6, 102.9, 103.1, 101.8, 101.8, 99.9, 102, 100.6, 106.6, 100.6, 104.7, 98.4, 95.6,
103.2, 103.5, 101, 102.8, 100.5, 97, 104, 99.8, 103, 103.4, 101.6, 100.6, 101.9,
101.2, 99.7, 101.1, 101.1, 99.2, 104.9, 103.4, 106.4}
)
)
);
dtSamples = New Table( "Samples", New Column( "Sample Means" ) );
For( i = 1, i <= 10, i++, // change this line to produce as many subsets as you want
dt2 = dt << Subset( invisible, Sample Size( 3 ), Selected columns only( 0 ) );
dtSamples << add Rows( 1 );
dtSamples:Sample Means[N Rows( dtSamples )] = Col Mean( dt2:BPN );
Close( dt2, nosave );
);回覆：創建抽樣分佈謝謝特克斯尼爾森。 腳本輸出提供 10 個隨機樣本，每個樣本大小為 3。 根據建議，可以更改所需的樣本數量和/或樣本大小。 腳本僅限於重新取樣（或樣本大小的隨機子集 3、10 次）。
實際上，我需要可以提供樣本大小平均值為 3 的資料表的腳本，該腳本排列在單列中，假設 10 個隨機樣本，我將進一步使用它來理解觀察不同平均值的機率。回覆：創建抽樣分佈Subset 平台具有內建隨機功能。下面是一個簡單的腳本，使用
表==>子集
產生一個包含 3 行的隨機樣本資料表。它位於 For() 迴圈中，因此您可以指定產生任意數量的隨機樣本
dt = New Table( "test",
New Column( "BPN",
values(
{103.2, 100.3, 99.2, 103.6, 102.1, 100.6, 100.1, 99.6, 99, 102.6,
101.2, 97.6, 102.1, 100, 102.4, 101.7, 105.3, 103.7, 99.1, 103.1,
99.3, 99.2, 98.5, 101.7, 106.3, 97.8, 104.6, 102.9, 103.1, 101.8,
101.8, 99.9, 102, 100.6, 106.6, 100.6, 104.7, 98.4, 95.6, 103.2,
103.5, 101, 102.8, 100.5, 97, 104, 99.8, 103, 103.4, 101.6, 100.6,
101.9, 101.2, 99.7, 101.1, 101.1, 99.2, 104.9, 103.4, 106.4}
)
)
);
For( i = 1, i <= 10, i++, // change this line to produce as many subsets as you want
dt << Subset( Sample Size( 3 ), Selected columns only( 0 ) )
);回覆：創建抽樣分佈您好，txnelson，感謝您提供範例方法的腳本。 我是 JSL 新手，需要您的幫助來修正我在資料上嘗試過的腳本。 附上數據表和腳本供參考。 我只是按照（基於有限的理解）您發布的腳本進行操作。 然而，觀察到的最終表格是空白的。 請建議..
我需要最終表，其中包含來自原始數據表的 100 個樣本平均值，每個樣本 3 個。
資料表（表名稱：BPN）包含 60 個單獨單位/瓶的 BPN 含量值（以 % 為單位）。
巴布亞紐幾內亞
103.2
100.3
99.2
103.6
102.1
100.6
100.1
99.6
99
102.6
101.2
97.6
102.1
100
102.4
101.7
105.3
103.7
99.1
103.1
99.3
99.2
98.5
101.7
106.3
97.8
104.6
102.9
103.1
101.8
101.8
99.9
102
100.6
106.6
100.6
104.7
98.4
95.6
103.2
103.5
101
102.8
100.5
97
104
99.8
103
103.4
101.6
100.6
101.9
101.2
99.7
101.1
101.1
99.2
104.9
103.4
106.4
腳本：（打開數據表，我嘗試使用下面的腳本）
dtMeans = 新表（“BPN 平均值”，新列（“樣本”），新列（“BPN 3 樣本平均值”））；
dtMeans << 加行( 100 );
對於( i = 1, i <= 60, i++,
dt2 = dt << 子集( 不可見, 樣本大小( 3), 列( : BPN ) );
dtMeans:樣本[i] = i;
dtMeans:BPN 3 樣本平均值[i] = Col 平均值( dt2:BPN );
關閉( dt2, nosave );
）；
謝謝！！回覆：創建抽樣分佈然後，如果您想真正變得瘋狂，如果您可以訪問書面的通話記錄（例如在.txt 文件中）和JMP Pro...那麼文本分析和預測/探索性建模工作的整個世界就在您的指尖。 借助 JMP Pro，您可以使用簡單的單字/短語計數來分析座席對話的自由格式文本，最多包括潛在類別分析、主題分析和潛在語義分析以進行探索。 從文件術語矩陣或其他降維方法之間，可以短暫跨越到廣義回歸平台和分位數回歸功能，用於對文本（或其替代項）進行建模，以獲取中位數或第95 個分位數的接觸時間分位數。 現在您已經在單字和通話時間之間建立了聯繫！ 如果您有關於參與度的客戶滿意度得分，您也可以對其進行建模。 以下是掌握 JMP 事件的鏈接，該事件說明了此工作流程的大部分內容：
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/using_text_explorer_to_extend_analysis.html
回覆：創建抽樣分佈是的。
如果方差不相等，但誤差呈常態分佈，則您可以使用 Welch 變異數分析，如果您從 Oneway 平台選單（紅色小三角）中選擇不等方差，JMP 會自動提供該變異數分析。
據我所知，生命分佈在這種情況下是正確的工具。
回覆：創建抽樣分佈謝謝-這很有幫助。 它絕對對我想做的事情有幫助。最後一個問題 - 如果變異數相等且總體呈常態分佈（或我的樣本量夠大），我可以像過去一樣使用變異數分析，對嗎？我只是想確保我沒有使用錯誤的工具來完成這項工作。
回覆：創建抽樣分佈您可以使用「生命分佈」中的刻畫器來獲得比平均值或中位數更多的資訊。 您可以估計您喜歡的任何分位數（時間）或機率。
回覆：創建抽樣分佈您是對的，Oneway 平台中沒有類似的多重比較選擇。
Wilcoxon 檢定是任何差異的綜合指標。 它並不是特定於均值或變異數等某一參數。 不過，頂部的情節可以提供幫助。 平行線具有相同的變異數或尺度。 位移線有不同的平均值或位置。 因此，如果一名客服人員持續更快地完成呼叫，他們的曲線就會向左移動。
您還擁有每個組（代理）的參數點估計值和置信區間以進行比較，儘管該資訊與多重比較測試不同。
您也可以使用探查器來提取有關每個群組的資訊。 這些答案以點估計和區間估計的形式提供。
我並不是道歉，而是簡單地認識到這裡的方法來自可靠性工程領域。 在醫療死亡率和發病率方面也獨立發現了相同的方法。 因此，術語屬於這些領域，但方法仍然相關。 它只需要一點翻譯。 有時還需要逆轉目標。 在可靠性方面，增加風險函數是不好的。 不過，就你而言，這很好。 這意味著某件事發生的可能性更大。 但就您而言，事件不是失敗，而是已完成的呼叫。
對於事件資料的時間迴歸模型也有類似的方法。 因此，如果您有協變量，您可以將它們包含在模型中並進行測試。 這裡有很大的靈活性。
回覆：創建抽樣分佈非常真實且很好的評論。 我通常會專注於資料的中位數和分佈，以確定製程是否受控。感謝您的回饋。
回覆：創建抽樣分佈感謝您的建議和指示。我從未使用過這個平台，但在閱讀了更多相關資訊後，我發現它在這種情況下非常有用。但是，我在閱讀輸出時遇到一些困難。我在 Wilcoxon 組同質性檢定中看到 p 值 <.0001，因此變異數絕對不是同質的。透過變異數分析，我通常會查看成對比較並進行比較，但我在如何比較威布爾方面遇到了困難。正如您所提到的，我可以直觀地評估「比較分佈」下的擬合優度，但是有沒有一種方法可以像我們使用變異數分析一樣統計確定差異（如 p 值）？
回覆：創建抽樣分佈太添加一點@馬克貝利推薦的解決方案，我將提出另一個問題。 關注平均值（或您是否考慮過中位數？）和變異數/分佈怎麼樣？ 回想一下傑克·韋爾奇（Jack Welch）的名言，他解釋道：“客戶很少體驗到平均值……他們感受到並體驗到差異。” 因此，如果您的最終目標是提高或更一致的平均接觸長度…當您的最終目標是透過減少接觸長度變異數來提高客戶滿意度時，我鼓勵您也考慮最小化/減少變異數。
回覆：創建抽樣分佈現在我明白了。 變異數分析假設隨機誤差呈常態分佈。 所以我們不要使用變異數分析！
有一個簡單的方法可以解決您的所有問題。 首先，通話時間長度一般不呈常態分佈。 它是衡量生活通話或簡單地壽命數據。 更一般地說，它是事件發生時間數據（事件是通話結束）。 你想使用分析>可靠性和生存>壽命分佈而不是方差分析。 選擇比較組啟動對話方塊頂部的選項卡。 選擇包含呼叫值長度的列，然後按一下Y，事件發生時間。 選擇具有標識代理的值的列，然後按一下分組。 （目前是一個很大的假設，但讓我們開始吧：所有呼叫都已完成。 也就是說，呼叫觀察的長度都不代表不完整的呼叫。 這種情況稱為審查。 如果有必要，我們可以稍後妥善處理該情況。）現在單擊去。
我建議使用威布爾分佈模型和縮放。 點選複選框在威布爾和單選按鈕威布爾之後。 你將會得到很多資訊。
首先，比較分佈中頂部的圖表對於直觀地評估擬合優度和評估代理之間的差異非常有用。 其次，摘要報告向您介紹每個代理的資訊。 打開並檢查 Wilcoxon 組均勻性檢定。 它假設所有代理的分佈是相同的，但如果任何代理不同，則很重要。 第三，有一個選項卡包含每個代理的分析。 每份報告都詳細而具體。 您可能不需要或不想要所有資訊。
我將在這裡停下來看看我們是否朝著好的方向前進，以及您是否還有其他問題。
回覆：創建抽樣分佈這是創建樣本均值的一種方法。如果您儲存並連接了表格，而不是刪除它們，您實際上可以使用樣本進行分析。
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/semiconductor capability.jmp" );
dtMeans = New Table( "Final", New Column( "Sample" ), New Column( "NPN1 Mean" ) );
dtMeans << add rows( 100 );
For( i = 1, i <= 100, i++,
dt2 = dt << Subset( invisible, Sample Size( 100 ), columns( :NPN1 ) );
dtMeans:Sample[i] = i;
dtMeans:NPN1 Mean[i] = Col Mean( dt2:npn1 );
Close( dt2, nosave );
);
回覆：創建抽樣分佈嗯，我想我需要對此提供一些額外的背景知識。我想做的是查看不同的呼叫中心代理並執行變異數分析測試，以確定代理之間的平均呼叫時間長度是否存在統計上的顯著差異。但是，當您查看每個代理程式的呼叫資料長度時，資料集不是正態分佈的，並且在比較資料集時違反了變異數同質性。根據中心極限定理，如果我對每個代理人在該月執行的 10,000 個（大約）呼叫進行抽樣分佈（n=100），那麼它應該更正態分佈。我還考慮過使用韋爾奇 t 檢定來檢定不等方差，但我不確定這是否能完全解決問題。我知道還有其他方法可以對資料進行標準化，但我也認為了解如何使用 JMP 執行一般抽樣分佈會很有用。我可能會以錯誤的方式處理這個問題，所以任何額外的建議都會很棒！
回覆：創建抽樣分佈我剛剛又讀了一遍你的原文。 您想要計算 Y 的樣本平均值，無論該資料是什麼？ 只要計算一下就可以了。 樣本平均值仍然是總體平均值的無偏估計量。
抽樣分佈對您有何幫助？ 您將如何處理 N = 100 的許多子樣本的所有估計值？
另外，您想做什麼來假設常態分佈？
回覆：創建抽樣分佈感謝您的回覆。因此，我從呼叫中心獲得了有關一個月內通話時長的人口數據，並且該數據不是正態分佈的。我的想法是對每個樣本執行 n=100 的隨機抽樣，這將有助於創建常態分佈。我知道還有其他方法可以做到這一點，但我想了解如何在 JMP 中做到這一點。我沒有 JMP Pro，因此根據您下面的文字，這可能無法實現。這讓我問的更有意義嗎？
回覆：創建抽樣分佈首先，抽樣分佈是什麼？ 我們通常會考慮相對於估計值的抽樣分佈，例如樣本平均值或斜率。 這是你所追求的嗎？ 如果有的話，估計是多少？
其次，抽樣分佈假設放回抽樣。 使用列公式該操作會很困難。
第三，通常需要多次抽籤才能很好地了解抽樣分佈。 同樣，使用列公式進行此迭代會很困難。
第四，你有JMP Pro嗎？ 有一個內建的引導功能，可以重新採樣您的資料以獲得新的統計估計值。 我不記得您是否可以指定抽籤的大小，或者它是否始終使用原始樣本大小。
我認為可能需要一個腳本。
