创建抽样分布我想从我的数据集中创建一个真实的抽样分布，但我不确定在 JMP 中使用什么公式来创建它。我有一个 10,000 人的人口数据集，想要创建 n=100 的抽样分布，这样会得到 100 个样本均值。我应该使用什么公式在 JMP 中创建此公式？
回复：创建抽样分布谢谢你！！ 是的，我会按照JSL学习的建议去做。回复：创建抽样分布下面是我之前回复的脚本的简单修改。下面的方法只是解决此问题的方法之一。如果您打算进入 JMP Scripting 的世界，您需要阅读 JMP Scripting Guide，这样您就可以开始学习 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 );
);回复：创建抽样分布谢谢特克斯尼尔森。 脚本输出提供 10 个随机样本，每个样本大小为 3。 根据建议，可以更改所需的样本数量和/或样本大小。 脚本仅限于重新采样（或样本大小的随机子集 3、10 次）。
实际上，我需要可以提供样本大小平均值为 3 的数据表的脚本，该脚本排列在单列中，假设 10 个随机样本，我将进一步使用它来理解观察不同平均值的概率。回复：创建抽样分布Subset 平台具有内置随机功能。下面是一个简单的脚本，使用
表==>子集
生成一个包含 3 行的随机样本数据表。它位于 For() 循环中，因此您可以指定生成任意数量的随机样本
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 ) )
);回复：创建抽样分布您好，txnelson，感谢您提供示例方法的脚本。 我是 JSL 新手，需要您的帮助来纠正我在数据上尝试过的脚本。 附上数据表和脚本供参考。 我只是按照（基于有限的理解）您发布的脚本进行操作。 然而，观察到的最终表格是空白的。 请建议..
我需要最终表，其中包含来自原始数据表的 100 个样本平均值，每个样本 3 个。
数据表（表名称：BPN）包含 60 个单独单位/瓶的 BPN 含量值（以 % 为单位）。
巴布亚新几内亚
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
脚本：（打开数据表，我尝试使用下面的脚本）
dtMeans = 新表（“BPN 平均值”，新列（“样本”），新列（“BPN 3 样本平均值”））；
dtMeans << 添加行( 100 );
对于( i = 1, i <= 60, i++,
dt2 = dt << 子集( 不可见, 样本大小( 3), 列( : BPN ) );
dtMeans:样本[i] = i;
dtMeans:BPN 3 样本平均值[i] = Col 平均值( dt2:BPN );
关闭( dt2, nosave );
）；
谢谢！！回复：创建抽样分布然后，如果您想真正变得疯狂，如果您可以访问书面的通话记录（例如在 .txt 文件中）和 JMP Pro...那么文本分析和预测/探索性建模工作的整个世界就在您的指尖。 借助 JMP Pro，您可以使用简单的单词/短语计数来分析座席对话的自由格式文本，最多包括潜在类分析、主题分析和潜在语义分析以进行探索。 从文档术语矩阵或其他降维方法之间，可以短暂跨越到广义回归平台和分位数回归功能，用于对文本（或其替代项）进行建模，以获取中位数或第 95 个分位数的接触时间分位数。 现在您已经在单词和通话时间之间建立了联系！ 如果您有关于参与度的客户满意度得分，您也可以对其进行建模。 以下是掌握 JMP 事件的链接，该事件说明了此工作流程的大部分内容：
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/using_text_explorer_to_extend_analysis.html
回复：创建抽样分布是的。
如果方差不相等，但误差呈正态分布，则您可以使用 Welch 方差分析，如果您从 Oneway 平台菜单（红色小三角）中选择不等方差，JMP 会自动提供该方差分析。
据我所知，生命分布在这种情况下是正确的工具。
回复：创建抽样分布谢谢-这很有帮助。 它绝对对我想做的事情有帮助。最后一个问题 - 如果方差相等并且总体呈正态分布（或者我的样本量足够大），我可以像过去一样使用方差分析，对吗？我只是想确保我没有使用错误的工具来完成这项工作。
回复：创建抽样分布您可以使用“生命分布”中的刻画器来获得比平均值或中位数更多的信息。 您可以估计您喜欢的任何分位数（时间）或概率。
回复：创建抽样分布您是对的，Oneway 平台中没有类似的多重比较选择。
Wilcoxon 检验是任何差异的综合指标。 它并不特定于均值或方差等某一参数。 不过，顶部的情节可以提供帮助。 平行线具有相同的方差或尺度。 位移线具有不同的平均值或位置。 因此，如果一名客服人员持续更快地完成呼叫，他们的曲线就会向左移动。
您还拥有每个组（代理）的参数点估计值和置信区间以进行比较，尽管该信息与多重比较测试不同。
您还可以使用探查器来提取有关每个组的信息。 这些答案以点估计和区间估计的形式提供。
我并不是在道歉，而是简单地认识到这里的方法来自可靠性工程领域。 在医疗死亡率和发病率方面也独立发现了相同的方法。 因此，术语属于这些领域，但方法仍然相关。 它只需要一点翻译。 有时还需要逆转目标。 在可靠性方面，增加风险函数是不好的。 不过，就你而言，这很好。 这意味着某件事发生的可能性更大。 但就您而言，事件不是失败，而是已完成的调用。
对于事件数据的时间回归模型也有类似的方法。 因此，如果您有协变量，您可以将它们包含在模型中并进行测试。 这里有很大的灵活性。
回复：创建抽样分布非常真实且很好的评论。 我通常会重点关注数据的中位数和分布，以确定过程是否受控。感谢您的反馈。
回复：创建抽样分布感谢您的建议和指示。我从未使用过这个平台，但在阅读了更多相关信息后，我发现它在这种情况下非常有用。但是，我在阅读输出时遇到一些困难。我在 Wilcoxon 组同质性检验中看到 p 值 <.0001，因此方差绝对不是同质的。通过方差分析，我通常会查看成对比较并进行比较，但我在如何比较威布尔方面遇到了困难。正如您所提到的，我可以直观地评估“比较分布”下的拟合优度，但是有没有一种方法可以像我们使用方差分析一样统计确定差异（如 p 值）？
回复：创建抽样分布太添加一点@马克贝利推荐的解决方案，我将提出另一个问题。 关注平均值（或者您是否考虑过中位数？）和方差/分布怎么样？ 回想一下杰克·韦尔奇（Jack Welch）的名言，他解释道：“客户很少体验到平均值……他们感受到并体验到差异。” 因此，如果您的最终目标是提高或更一致的平均接触长度……当您的最终目标是通过减少接触长度方差来提高客户满意度时，我鼓励您也考虑最小化/减少方差。
回复：创建抽样分布现在我明白了。 方差分析假设随机误差呈正态分布。 所以我们不要使用方差分析！
有一个简单的方法可以解决您的所有问题。 首先，通话时间长度一般不呈正态分布。 它是衡量生活通话或简单地寿命数据。 更一般地说，它是事件发生时间数据（事件是通话结束）。 你想使用分析>可靠性和生存>寿命分布而不是方差分析。 选择比较组启动对话框顶部的选项卡。 选择包含调用值长度的列，然后单击Y，事件发生时间。 选择具有标识代理的值的列，然后单击分组。 （目前是一个很大的假设，但让我们开始吧：所有调用都已完成。 也就是说，呼叫观察的长度都不代表不完整的呼叫。 这种情况被称为审查。 如果有必要，我们可以稍后妥善处理该情况。）现在单击去。
我建议使用威布尔分布模型和缩放。 点击复选框在威布尔和单选按钮威布尔之后。 你将会得到很多信息。
首先，比较分布中顶部的图对于直观地评估拟合优度和评估代理之间的差异非常有用。 其次，摘要报告向您介绍每个代理的信息。 打开并检查 Wilcoxon 组均匀性检验。 它假设所有代理的分布是相同的，但如果任何代理不同，则很重要。 第三，有一个选项卡包含每个代理的分析。 每份报告都详细而具体。 您可能不需要或不想要所有信息。
我将在这里停下来看看我们是否朝着好的方向前进，以及您是否还有其他问题。
回复：创建抽样分布这是创建样本均值的一种方法。如果您保存并连接了表格，而不是删除它们，您实际上可以使用样本进行分析。
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 );
);
回复：创建抽样分布嗯，我想我需要对此提供一些额外的背景知识。我想做的是查看不同的呼叫中心代理并执行方差分析测试，以确定代理之间的平均呼叫时间长度是否存在统计上的显着差异。但是，当您查看每个代理的呼叫数据长度时，数据集不是正态分布的，并且在比较数据集时违反了方差同质性。根据中心极限定理，如果我对每个代理在该月执行的 10,000 个（大约）呼叫进行抽样分布（n=100），那么它应该更正态分布。我还考虑过使用韦尔奇 t 检验来检验不等方差，但我不确定这是否能完全解决问题。我知道还有其他方法可以对数据进行标准化，但我也认为了解如何使用 JMP 执行一般抽样分布会很有用。我可能会以错误的方式处理这个问题，所以任何额外的建议都会很棒！
回复：创建抽样分布我刚刚又读了一遍你的原帖。 您想要计算 Y 的样本均值，无论该数据是什么？ 只要计算一下就可以了。 样本平均值仍然是总体平均值的无偏估计量。
抽样分布对您有何帮助？ 您将如何处理 N = 100 的许多子样本的所有估计值？
另外，您想做什么来假设正态分布？
回复：创建抽样分布感谢您的回复。因此，我从呼叫中心获得了有关一个月内通话时长的人口数据，并且该数据不是正态分布的。我的想法是对每个样本执行 n=100 的随机抽样，这将有助于创建正态分布。我知道还有其他方法可以做到这一点，但我想了解如何在 JMP 中做到这一点。我没有 JMP Pro，因此根据您下面的文字，这可能无法实现。这让我问的更有意义吗？
回复：创建抽样分布首先，抽样分布是什么？ 我们通常会考虑相对于估计值的抽样分布，例如样本平均值或斜率。 这是你所追求的东西吗？ 如果有的话，估计是多少？
其次，抽样分布假设放回抽样。 使用列公式该操作会很困难。
第三，通常需要多次抽签才能很好地了解抽样分布。 同样，使用列公式进行此迭代会很困难。
第四，你有JMP Pro吗？ 有一个内置的引导功能，可以重新采样您的数据以获得新的统计估计值。 我不记得您是否可以指定抽签的大小，或者它是否始终使用原始样本大小。
我认为可能需要一个脚本。
