漏斗圖是一種散佈圖，顯示從各種樣本大小（X 軸）收集的測量值（Y 軸）的比例。 漏斗圖的目的是幫助區分資料中的隨機變化和非隨機變化。 極限曲線內的點更有可能因隨機性而有所不同，而曲線外的點更有可能是某些非隨機性引起的特殊情況的結果。
此範例向您展示如何使用漏斗圖外掛程式根據「樣本大小」列和「出現次數」列建立具有 z 分數分佈的漏斗圖。 應設定這些列，以便當「出現次數」列中的任何給定值除以「樣本大小」列中的對應值時，所繪製的比例值將介於0 和1 之間（包括0 和1） 。
首先，開啟一個資料表，其中包含要使用漏斗圖進行分析的出現次數和樣本大小。 開啟資料表後，選擇插件 > 漏斗圖產生器。 從啟動視窗中，將樣本大小和發生次數分配給各自的角色。 見下圖：
圖 1.1 啟動視窗
使用「顯示圖例」和「顯示直方圖」選項來控制繪圖上顯示的內容。
按一下「確定」後，您的圖表將類似於圖 1.2。
圖 1.2 比例與樣本量
落在 95% 限製曲線之外的點表示資料只能在 5% 的情況下歸因於隨機性。 同樣，落在 99.8% 限製曲線之外的點代表只能在 0.2% 的情況下歸因於隨機性的數據（這種情況極為罕見）。
圖1.3
如果您查看漏斗圖中圈出的點，您可能會認為紅色圈出的點比綠色圈出的點具有更高的顯著性；然而，這種情況並非如此。 事實上，綠色圈起來的點代表了一個更極端的數值。 由於紅色圈起來的值的樣本量很小，因此它更有可能是隨機性的結果。 而對於綠色圈起來的點的數據，該比例相對於其餘值而言更為顯著，因此不可能是由於隨機性造成的。 相反，該比例的極端值更有可能是某些重大情況或特殊原因的結果。 （請參閱下面的連結以了解更多資訊。）
右側的直方圖是根據資料計算出的 z 分數的分佈。 鑑於原始資料樣本不來自同一分佈，Z 分數用於對資料進行標準化。 透過使用 z 分數，這些點現在的平均值為 0，標準差為 1，遵循常態分佈。
統計詳情
潛在問題
確保沒有出現大於其對應樣本大小的事件，因為這會擾亂用於產生繪圖和分佈的計算。
有關漏斗圖及其用途的更多信息，請查看以下連結：
http://www.perceptualedge.com/articles/visual_business_intelligence/variation_and_its_discontents.pdf
http://understandinguncertainty.org/fertility
圖表改造：美國同性伴侶居住的地方
很棒的插件！
Ref Steven Moore 的問題：有沒有辦法為點加上標籤？
您可以將極限曲線改為 80% 和 90% 嗎？
謝謝，
羅瑟
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />另一個問題：
z 值是如何計算的？因為，當我使用樣本平均值和標準差對資料進行編碼，並與漏斗圖的 z 分數統計結果進行比較時，它們是不同的。我的結果給出了預期的平均值 0 和標準差 1，但是漏斗圖的平均值是 -0.466405，標準差是 7.6169797...並且診斷圖也有很大不同...???
是否計劃添加一個“選項”來解決過度分散的問題？當分母相對較大時，通常會發生這種情況，導致許多點（錯誤地）位於漏斗圖的控制限之外…這在醫療保健指標中並不罕見。
感謝您的漏斗圖插件！如果您有標籤列，是否有辦法標記限制之外的點？
謝謝！
