方法を参照してください:
- もともとメアリー・エレノア・スピアによって人々の人口に関する情報を提示する方法として提案された箱ひげ図と統計を見てみましょう。
- Sealy Gosset によって最初に提示されたスチューデントの t 検定を使用して、平均が目標と異なるかどうか、または 2 つの平均が統計的に同じかどうかを判断します。たとえば、異なるロットの穀物サンプルのタンパク質含有量が同じかどうか (許容可能な) かどうかを判断します。目標値
- John Tukey によって成文化され洗練された探索的データ分析 (EDA) を実行して、潜在的な関連性のあるデータを調べ、その関係性の理解に役立ついくつかの統計を調査します。
Barley Box PlotBarley Box Plot大麦箱ひげ図
Petal Length vs WidthPetal Length vs Width花びらの長さと幅
リソース
こんにちはJMPユーザーコミュニティ
ありがとうございました@gail_massari 、 @MikeD_Anderson 2021 年 10 月 15 日のマスタリング JMP セッションを主催していただき、制作と通訳の基礎統計。
あなたがデモした「ノッチ付き」箱ひげ図機能は、右クリックしてグラフ ビルダーで利用でき、非常にクールな (そして便利な) 機能です。
セッション中、仮説検定と、仮説検定のコンテキストにおける p 値の正しく/意味のある解釈について、いくつかの質問が出ました。まず最初に、仮説検定はオッカムの剃刀のインスタンス化に基づいた、不確実性の下で最適な決定を行うための規範的な規範的なフレームワークであることを述べておきたかったのです (以下に引用するリンクをクリックしてください)。標本誤差は、治療効果がないこと（帰無仮説の下で我々が置かれている状況）を説明するための最も単純な（最も倹約的な）説明です。常に存在する- これは、母集団からサンプルを繰り返し採取したときに得られる固有の変動にすぎません。
p 値は単に帰無仮説に基づく分布内の面積の割合であり、その割合 (カバーされる面積) は単なる確率です。
形式的には、仮説検定の枠組みにおいて、p 値は統計 (またはより極端な) を取得する確率です。帰無仮説が正しい場合。
確率が「低い」場合、帰無仮説を棄却する理由があります。
確率が「高」であれば、帰無仮説を棄却する理由はありません。
Q. 確率が「高い」か「低い」かは何で決まるのでしょうか？A. 私たちが確立する基準は通常、前に実験を行っています。
その基準は何ですか？その基準は単なるカットオフ値であり、そのカットオフをどのようにするかを決定し、そのカットオフは慣例的に = 0.05 (または一般的な経験則として 5%) に設定されます。
この基準を何と呼ぶのでしょうか? 正式には、このカットオフは「アルファ」（α）と呼ばれ、「証拠の標準」としても知られています。
p < α の場合、帰無仮説を棄却します。
p ≥ α の場合、帰無仮説は棄却されません。
帰無仮説は決して受け入れられません。なぜ？ 特定の実験における効果の証拠の欠如 (言い換えれば、p ≥ α) は、その効果が母集団に存在しないという証拠にはなりません。科学や産業実験では、私たちは「探し続ける」のです。特にサンプルサイズが小さい場合、および/または実験結果を再現できないことが判明した場合。統計学では、通常、帰無に関する拒絶声明 (p < α) は、非拒絶声明 (p ≧ α) よりもはるかに「強力な」証拠であると考えられます。「帰無仮説を棄却しない」という決定は、事実上、「何も見つかりませんでした」という決定と同じです。そこに何もないことを証明するものではありません。もしそうだと仮定していたら、私たちは科学や産業実験を行っていないでしょう（人生は非常に退屈になるでしょう）。
ジュリアン・パリス（ @ジュリアン）は、次のような優れた治療を提供します。仮説検証のロジックとフレームワーク彼の (2015 年の) JMP 主導の統計コースで重要な統計的手法、
仮説検定と p 値も JMP で十分にカバーされています。スティックモジュール:データによる意思決定、SAS Virtual Learning Environment で利用できます (SAS ユーザー名とパスワードを登録すれば無料です)。
見るセクション 4.2統計検定の基礎( 「帰無仮説と対立仮説を理解する」そして「p 値と統計的有意性」 ）
これがお役に立てば幸いです!
@パトリックジュリアーノ
