JMP時系列外れ値分析こんにちは、
JMPに時系列外れ値分析があるかどうか疑問に思いました。 障害と時間のデータセットがあり、外れ値を特定したいと思います。
ありがとう
アダム
分析Re：JMP時系列外れ値分析こんにちはアダム、
私は以下をお勧めし、それがあなたのために働くかどうか私に知らせます。
主成分プラットフォームを使用して、失敗変数と時間変数をY変数として入力します（両方とも数値連続である必要があります）。
PCAレポートメニューから、外れ値分析を選択します。 示されているT²プロットは、障害と時間のデータの構造を説明する多変量平均までの距離を示します。 T²値が高いポイントは、外れ値（UCLラインより上）である可能性があります。
お役に立てれば！
マークRe：JMP時系列外れ値分析ハイマーク、
迅速な対応と解決策をありがとうございます。 私はあなたの提案に従いました、そして私は外れ値を得ることができます。
IQR分析を行うことに対するPCA外れ値検出の利点は何ですか？ IQRも同じ外れ値を見つけます。
JMPの外部でPCAを実行する場合、外れ値を見つけるにはどうすればよいですか？
再度、感謝します。
よろしく、
アダム
Re：JMP時系列外れ値分析こんにちはアダム、
PCAは、IQRが考慮しない主成分軸に沿った共分散を考慮します。 基本的には、多変量空間（1つの次元が時間である）と単変量空間で外れ値を識別することの違いです。
注意点：時系列に多くの非線形動作がある場合、PCA法は効果的でない可能性があります。 より柔軟になるもう1つの方法は、Fit Y by X（またはグラフビルダー）を使用して分割モデルを近似することです。 Fit Y by X Bivariateメニューから、Flexible> KernelSmootherを選択します。 好みの平滑度を選択し、凡例のローカルスムーザーの横にある赤い三角形から[残差の保存]を選択します。 次に、これらの残差にデータフィルターを適用して、主成分を使用するよりも柔軟なモデルで外れ値をフィルター処理できます。
よろしくお願いいたします。
マーク
Re：JMP時系列外れ値分析ハイマーク、
PCAとIQRの使用について説明し、非線形性の重要性を指摘していただきありがとうございます。 カーネルスムーザーの提案を試して残差を取得し、次に残差の外れ値分析を使用して外れ値ポイントを取得しました。
あなたの助けと提案を再度ありがとう。
よろしく、
アダム
