粒子计数误导科学家：调查建模的 JMP® 和 SAS® 集成案例研究
Kathleen Kiernan，MS，技术支持统计学家； Diane Michelson，博士，统计培训师； Annie Zangi，MS，研究统计学家 – SAS
本文将讨论在实际应用中建模数据的后果，并将展示使用 JMP 和 SAS 的集成功能对非正态数据进行建模的方法和技术。 最常用的统计测试和建模技术基于某些假设。 如果我们正在分析的数据是非正态的或异方差的怎么办？ JMP 提供了一些用于对非正态或异方差数据建模的方法和技术，而 SAS 提供了可以使用的全套程序。 Box-Cox 幂变换通常用于变换非正态或异方差数据。 另一种方法是对非正态分布进行建模。 本文将介绍两个半导体案例研究。 在半导体加工过程中，晶圆尽可能保持清洁。 电路有源区域中的颗粒最终会导致有缺陷的芯片。 第一个例子探讨了一个案例，科学家们试图减少晶片上发生的粒子数量，并发现该模型在识别问题根源方面的效果不如最初想象的那么有效。 半导体芯片是在大晶圆上制造的，每个晶圆可以包含数百个芯片，并且晶圆是分批加工的。 在第二个示例中，我们将调查在传统线性模型设置中尝试查找过程的方差分量中的重要因素时可能出现的误导性结果。 我们将使用 JMP 和 SAS 集成为这两个示例提供解决方案，这些解决方案也可以应用于其他场景。
