JMP时间序列离群分析你好
我想知道JMP是否具有时间序列离群分析。 我有一组关于失败与时间的数据，并且喜欢识别异常值。
谢谢
亚当
分析工具回复：JMP时间序列离群值分析嗨，亚当，
我建议以下内容，并告诉我它是否适合您。
使用Principal Components平台并输入您的故障和时间变量作为Y变量（两者都必须是连续的数字）。
从PCA报告菜单中，选择离群值分析。 所示的T²图将为您提供考虑故障与时间数据结构的多元均值的距离。 T²值较高的点可能是异常值（在UCL线上方）。
希望这可以帮助！
标记回复：JMP时间序列离群值分析嗨，马克，
非常感谢您的快速响应和解决方案。 我遵循了您的建议，可以发现异常值。
与进行IQR分析相比，PCA异常检测有什么优势？ IQR也找到相同的异常值。
如果我在JMP之外进行PCA，如何找到异常值？
再次感谢。
问候，
亚当
回复：JMP时间序列离群值分析嗨，亚当，
PCA将考虑沿主分量轴的协方差，而IQR则不。 基本上，这是在多变量空间（其中一维是时间）与单变量空间中识别离群值之间的区别。
请注意：如果时间序列中存在许多非线性行为，则PCA方法可能无效。 另一种更灵活的方法是使用X拟合Y（或Graph Builder）拟合拆分模型。 从“按X拟合X的二元变量”菜单中，选择“灵活”>“内核平滑器”。 选择所需的平滑度，然后从图例中“局部平滑器”旁边的红色三角形中选择“保存残差”。 然后，您可以对这些残差应用数据过滤器，以使用比使用主成分更灵活的模型过滤异常值。
谨记并保持安全，
标记
回复：JMP时间序列离群值分析嗨，马克，
感谢您提供有关使用PCA与IQR的解释，并指出了非线性的重要性。 我尝试了您对内核平滑的建议，并得到了残差，然后对残差使用了离群值分析，并得到了离群点。
再次感谢您的帮助和建议。
问候，
亚当
