JMP (SAS) 高級分析技術支持工程師 Patrick Giuliano
Mason Chen，黑帶學生，斯坦福大學 OHS
Charles Chen，黑帶大師/持續改進專家，應用材料
通過 JMP 16 異常值和分位數箱線圖（分佈），以及分位數範圍異常值和穩健擬合異常值檢測（篩選），我們提出了在存在單變量響應的情況下有效地將信號與噪聲分離的綜合策略。我們還建議通過箱線圖的實際分析，我們可以將 Gauge R&R 噪聲影響與最靠近上下柵欄的點的位置聯繫起來。 我們使用 Monte Carlo 採樣（random() 函數和即時 columnfFormulas）來生成多種分佈類型（正態、均勻、峰值、雙峰）來驗證對箱形圖和直方圖的影響，以檢測正態性違反故障模式。
我們證明了箱線圖是一個強大的可視化工具來判斷數據分佈，獨特的將偏度與異常值區分開來。 圖形生成器、單向、GoF 和非參數假設檢驗表明——由於箱形圖對於檢測雙峰、峰態或繪製假設檢驗決策（缺失樣本量效應）非常弱——需要直方圖和箱形圖來可視化常態。與描述性統計一起，提出了不同候選分佈之間最有力的區分。最後，我們通過制定 17 個發人深省的測驗問題和答案來綜合和展示我們的學習經驗，以最大限度地利用箱線圖解決數據驅動的問題。
