JMP (SAS) 高级分析技术支持工程师 Patrick Giuliano
Mason Chen，黑带学生，斯坦福大学 OHS
Charles Chen，黑带大师/持续改进专家，应用材料
通过 JMP 16 异常值和分位数箱线图（分布），以及分位数范围异常值和稳健拟合异常值检测（筛选），我们提出了在存在单变量响应的情况下有效地将信号与噪声分离的综合策略。我们还建议通过箱线图的实际分析，我们可以将 Gauge R&R 噪声影响与最靠近上下栅栏的点的位置联系起来。 我们使用 Monte Carlo 采样（random() 函数和即时 columnfFormulas）来生成多种分布类型（正态、均匀、峰值、双峰）来验证对箱形图和直方图的影响，以检测正态性违反故障模式。
我们证明了箱线图是一个强大的可视化工具来判断数据分布，独特的将偏度与异常值区分开来。 图形生成器、单向、GoF 和非参数假设检验表明——由于箱形图对于检测双峰、峰态或绘制假设检验决策（缺失样本量效应）非常弱——需要直方图和箱形图来可视化常态。与描述性统计一起，提出了不同候选分布之间最有力的区分。最后，我们通过制定 17 个发人深省的测验问题和答案来综合和展示我们的学习经验，以最大限度地利用箱线图解决数据驱动的问题。
