Ausreißer erkunden – Aktualisiert in JMP 16
Erfahren Sie, wie Sie das Dienstprogramm „Ausreißer untersuchen“ verwenden, wobei der Schwerpunkt auf der Suche nach fehlenden Werten und der Arbeit mit dem Neunen-Bericht und den Werten für hohe Neunen (fehlende) liegt.JMP 16-Updates umfassen:
- Das neue Dienstprogramm Robust PCA Outliers (das Multivariate Robust Outliers ersetzt) ist in der Explore Outliers-Plattform enthalten
- Multivariate Robust Outliers werden weiterhin nur von JSL unterstützt und können nicht über die Menüs aufgerufen werden.
- Robustes PCA identifiziert Zellen, respektiert weiterhin die multivariate Struktur der Daten, lässt fehlende Werte zu und ist viel schneller als die Huber Mahalanobis-Funktion, die in früheren JMP-Versionen verwendet wurde.
- Robuste PCA unterstützt das Erstellen eines bereinigten Satzes neuer Spalten mit imputierten Werten für fehlende und unterschiedlich abgeschnittenen Werten für die Ausreißer.
Ressourcen
1-5 MinutenBasis-JMPDatenaufbereitungDienstprogrammeVideoBetreff: Ausreißer untersuchen – Aktualisiert in JMP 16Aktualisierter Link für Ledis JMP On Air-Session: Ausreißer in Ihren Daten untersuchen
Betreff: Ausreißer untersuchen – Aktualisiert in JMP 16Danke für die Linkfreigabe @wendytseng und für das Intro-Video @ryandewitt .
Gibt es eine Begründung, auf die wir verweisen können, warum die Standardwerte für Tail Quantile und Q 0,1 bzw. 3 sind?
Aus der JMP 16 Online-Hilfedokumentation: https://www.jmp.com/support/help/en/16.2/#page/jmp/quantile-range-outliers.shtml
Klassischerweise wissen wir, dass Werte, die über Q = 1,5-mal den Interquartilsabstand hinter dem Tail-Quantil (oder 1 minus Tail-Quantil) liegen, als Ausreißer identifiziert werden, wobei die Schwanzquantil ist = 0,25 auf der oberen Grenze und 1 - 0,25 = 0,75 auf der unteren Grenze.Dies ist die Grundlage für die Ausreißer-Boxplot:
