Esplora valori anomali - Aggiornato in JMP 16
Scopri come utilizzare l'utilità Esplora valori anomali, con particolare attenzione alla ricerca di valori mancanti e all'utilizzo del report Nines e dei valori High Nines (mancanti).Gli aggiornamenti di JMP 16 includono:
- La nuova utilità Robust PCA Outliers (che sostituisce Multivariate Robust Outliers) è inclusa nella piattaforma Explore Outliers
- Gli outlier robusti multivariati continuano a essere supportati solo da JSL e non sono accessibili tramite i menu.
- Robust PCA identifica le celle, continua a rispettare la struttura multivariata dei dati, consente valori mancanti ed è molto più veloce della funzione Huber Mahalanobis utilizzata nelle precedenti versioni di JMP.
- Robust PCA supporta la creazione di un set pulito di nuove colonne, con valori assegnati per i valori mancanti e variamente troncati per i valori anomali.
risorse
1-5 minutiJMP di basePreparazione dei datiUtilitàvideoRe: Esplora valori anomali - Aggiornato in JMP 16Link aggiornato per la sessione JMP On Air di Ledi: Esplorare i valori anomali nei tuoi dati
Re: Esplora valori anomali - Aggiornato in JMP 16Grazie per la condivisione del collegamento @wendytseng e per il video introduttivo @ryandewitt .
C'è qualche logica su cui possiamo indicare perché i valori predefiniti per Tail Quantile e Q sono rispettivamente 0,1 e 3?
Dalla documentazione della guida in linea di JMP 16: https://www.jmp.com/support/help/en/16.2/#page/jmp/quantile-range-outliers.shtml
Classicamente sappiamo che i valori che cadono oltre Q = 1,5 volte l'intervallo interquartile oltre il quantile di coda (o 1 meno il quantile di coda) sono identificati come valori anomali, dove il Quantile di coda è = 0,25 sul limite superiore e 1 - 0,25 = 0,75 sul limite inferiore.Questa è la base per il Trama del riquadro anomalo:
