Explorer les valeurs aberrantes – Mise à jour dans JMP 16
Découvrez comment utiliser l'utilitaire Explorer les valeurs aberrantes, en mettant l'accent sur la recherche de valeurs manquantes et l'utilisation du rapport Neuf et des valeurs manquantes (Nine High). Les mises à jour de JMP 16 incluent :
- Le nouvel utilitaire Robust PCA Outliers (qui remplace Multivariate Robust Outliers) est inclus dans la plateforme Explore Outliers
- Les valeurs aberrantes robustes multivariées continuent d'être prises en charge uniquement par JSL et ne sont pas accessibles via les menus.
- L'ACP robuste identifie les cellules, continue de respecter la structure multivariée des données, autorise les valeurs manquantes et est beaucoup plus rapide que la fonctionnalité Huber Mahalanobis utilisée dans les versions précédentes de JMP.
- Robust PCA prend en charge la création d'un ensemble nettoyé de nouvelles colonnes, avec des valeurs imputées pour les valeurs manquantes et des valeurs tronquées de diverses manières pour les valeurs aberrantes.
Ressources
Exploration et visualisation des donnéesRe : Explorer les valeurs aberrantes – Mise à jour dans JMP 16Merci pour le partage de lien @wendytseng et pour la vidéo d'introduction @ryandewitt .
Existe-t-il une explication que nous pouvons expliquer pour laquelle les valeurs par défaut de Tail Quantile et Q sont respectivement 0,1 et 3 ?
Extrait de la documentation d'aide en ligne de JMP 16 : https://www.jmp.com/support/help/en/16.2/#page/jmp/quantile-range-outliers.shtml

Classiquement, nous savons que les valeurs qui se situent au-delà de Q = 1,5 fois l'intervalle interquartile au-delà du Quantile queue (ou 1 moins le Quantile queue) sont identifiées comme des valeurs aberrantes, où le Quantile de queue is = 0,25 sur la limite supérieure et 1 - 0,25 = 0,75 sur la limite inférieure.C'est la base du Diagramme en boîte aberrant :

Re : Explorer les valeurs aberrantes – Mise à jour dans JMP 16Lien mis à jour pour la session JMP On Air de Ledi : Explorer les valeurs aberrantes dans vos données