JMP 時間序列異常值分析你好，
我想知道 JMP 是否有時間序列異常值分析。 我有一組故障與時間的數據，並且喜歡識別異常值。
謝謝
亞當
高級統計建模數據混合和清理回复：JMP 時間序列異常值分析嗨馬克，
感謝您提供使用 PCA 與 IQR 的解釋，並指出非線性的重要性。 我嘗試了您對內核平滑器的建議並獲得了殘差，然後對殘差進行了離群值分析並獲得了離群點。
再次感謝您的幫助和建議。
問候，
亞當
回复：JMP 時間序列異常值分析嗨亞當，
PCA 將考慮沿主成分軸的協方差，而 IQR 則不會。 基本上，這是在多元空間（其中一維是時間）與單變量空間中識別異常值之間的區別。
請注意：如果時間序列中存在大量非線性行為，則 PCA 方法可能無效。 另一種更靈活的方法是使用 Fit Y by X（或 Graph Builder）來擬合分割模型。 從“Fit Y by X Bivariate”菜單中，選擇“Flexible”>“Kernel Smoother”。 選擇您喜歡的平滑度，然後從圖例中局部平滑器旁邊的紅色三角形中選擇保存殘差。 然後，您可以對這些殘差應用數據過濾器，以使用比使用主成分更靈活的模型來過濾異常值。
問候並保持安全，
標記
回复：JMP 時間序列異常值分析嗨馬克，
非常感謝您的快速回復和解決方案。 我聽從了你的建議，我可以得到異常值。
PCA 異常值檢測與 IQR 分析相比有何優勢？ IQR 也發現了相同的異常值。
如果我在 JMP 之外進行 PCA，如何找到異常值？
再次感謝。
問候，
亞當
回复：JMP 時間序列異常值分析嗨亞當，
我會推薦以下內容，並讓我知道它是否適合您。
使用主成分平台並輸入故障和時間變量作為 Y 變量（兩者都需要是數值連續的）。
從 PCA 報告菜單中，選擇異常值分析。 顯示的 T² 圖將為您提供與考慮故障與時間數據結構的多元平均值的距離。 T² 值較高的點可能是異常值（UCL 線上方）。
希望這可以幫助！
標記
