出色地，感謝你每個人為了加盟我。
這是A發現首腦2022年推介會，
禮貌的我的共同主持人，查爾斯陳和石匠陳。
我的姓名是派崔克朱利亞諾.
這標題的這演講是，
箱線圖 A分析：混合科學的和藝術的詢問
在大學變數回覆表徵。
這是這抽象的。
你能尋找這在這聯合管理計劃用戶C社群
在這發現2022年社群頁，
美元發現2022年社群頁。
我是推桿它這裡為了參考。
我將要提供A關聯在這幻燈片
到這社群頁在哪裡這專案將要居住。
什麼是這動機為了這專案?
這箱形圖是一的這最多受歡迎的圖形化的工具
到視覺化A單變數分配的數據。
這專案學習如何到使用這箱形圖到分析數據有效地。
最多人們世界衛生組織使用這箱形圖不使用它一定
到決定這形狀的這分配的這數據。
在事實，許多人們使用它錯到畫意思是或者意思是比較決定，
和他們可能認為常態基於在對稱，
什麼時候在事實，這常態假設
會實際上不是是合理的如果他們是到拿A更近看
在這形狀的這數據在A直方圖，為了例子。
這客觀的的這專案是到證明如何到使用聯合管理計劃
具體來說16、到解釋資訊在A箱形圖
和到提升熟練程度
在A全球的社群的科學家們和工程師
那是真的在下面A東梅IC或者APS，
或者傾斜類型六西格瑪方法，
哪個是非常受歡迎的，明顯地，今天和超過這最後的很少幾十年。
這有趣的事物關於這專案是我們陷害的它
在這情境的17 號測驗問題。
這是A問題和回答滑動甲板。
和我是不是去到去進入也很多細節
關於每個和每一個問題，
哪個H我將要展示你這裡。
但什麼ID喜歡到做是展示你A小的位元關於
如何你能使用聯合管理計劃到探索這回答到這些問題，
因為我思考那是真的這最多有趣的和樂趣部分。
這第一件事我通緝到做是只是迅速地去超過什麼A箱形圖是。
所以什麼是這解剖學的A箱形圖？
只是作為A複習為了一些的你，或者介紹為了一些的你，
這中位數是表明的經過這中線，
和它是提到的到作為這第二四分位數， Q2
或者這50號百分位數。
然後Q1是提到的到作為這25日百分位數。
第三季是這75號百分位數，作為你能看這裡。
這四分位數範圍，或者IQR，
是這不同之處之間第三季和Q1.
這其他重要的元素是我們有什麼是被稱為
A鬍鬚在這降低邊和在這上邊。
就在這結尾的那鬍鬚,有時我們參考到它作為圍欄
和你會看A垂直的線
和聯合管理計劃畫A垂直的線到表明那邊緣。
什麼是重要的關於這是那這地點是實際上
Q1 減去1.5次這IQR，
哪個是代表經過這距離之間這邊和這個邊。
這點和這上柵欄是
Q3加一和A一半次這IQR。
所以那定義這上邊緣。
然後任何點那是超過這些邊緣或者柵欄
是經過考慮的潛在的異常值。
和他們實際上展示向上經過他們自己作為點
然而這休息的這數據在這中間的這直方圖
是不是顯示為了強調在這點那是超過這超過這些柵欄。
我是去到跳正確的在。
如何做過我們探索和發展這答案到這些問題，
和在一些案例，甚至精煉這問題他們自己？
出色地，我們已創建A模擬的數據表中聯合管理計劃16、
在哪裡我們建100列的數據，
和我們建數據，首先從A普通的分配，
和然後應用一些轉型到那數據。
我們看那我們有A通常情況下分散式數據
畫從A人口這意思是的零和A標準差的一。
然後我們有均勻地分散式數據。
然後我們有數據那是達到頂峰，
IE有A積極的峰度。
然後我們有數據那是正確的傾斜，
有二模式，
有一些異常值關於3 %在平均的
和然後整數。
在全部這案例，和這例外的這雙峰，
我們只是基於這模擬的公式，
在這原來的普通的柱子。
這方式那我們放全部這數據在這相同的規模
是我們使用這柱子標準化功能
所以那我們可以比較全部這數據
相對的到每個其他在這分配平台。
這是只是A預覽的那。
患病的跳超過到聯合管理計劃和展示你那。
但再次，全部的這數據是居中平均為大約零
和A標準偏差，大約一。
我們覆蓋這第一個問題。
為什麼我s A箱形圖，有時提到的到作為A五-觀點陰謀？
出色地，那裡是五主要的點。
有Q1，有Q2在這中間，有Q3，
和然後那裡是這鬍鬚，這上和降低。
下一個問題。
什麼是這二方法那這箱形圖能決定
何那裡的分配是歪斜？
出色地，我們能看在這寬度的這盒子本身。
我們能也看在這寬度的這鬍鬚。
在這正確的傾斜的例子，
你能看那上鬍鬚是很多更長比這降低一。
所以那會意味著那這數據是正確的傾斜。
在其他字，那這尾巴在這數據，
如果你是到想像那分配，是指點到這正確的。
三、為什麼做這箱線圖包括這中位數和不是這意思是？
出色地， A箱形圖用途這中位數到決定或者測量偏度。
所以如果這分配是普通的，然後這意思是是平等的到這中位數。
和在事實，什麼你會看這裡是那這中位數線在這中間
會線向上確切地和這邊緣的這鑽石，
這中間的這鑽石。
在那案件，你會有效地有A情況
在哪裡你是不是真的失去任何資訊
因為這分佈是對稱的。
這中位數在一般的，然後可能是經過考慮的更好的，
不管的無論這分配是普通的或者非正常。
第四，為什麼是這盒子陰謀這最多強大的視覺化工具，
或者一的這最多強大的工具到分離偏度和異常值問題？
什麼時候我們談過關於這主意那因為這箱形圖用途
這Q1減一和一半次IQR
和Q3加一和A一半次IQR方法，
它真的允許我們到分離潛在的異常值從這主要的數據。
它也給出我們A框架
經過哪個到法官無論這上鬍鬚
是更大或者較小比A降低鬍鬚。
所以那些二成分的這陰謀
真的幫助我們，相當，看如果是訓練有素的偏度
和潛在的邊遠這。
這是A獨特的特徵的這箱形圖。
這第五個問題是A小的更多的有趣的。
什麼是這關係之間這四分位數範圍，
那距離之間Q1和Q3，
和這標準偏差，哪個我們能計算為了任何數據放，
不管的如何它是分散式？
如果這數據是普通的，
什麼關於如果這數據是傾斜的或者非正常的或者達到頂峰
或者任何其他形狀？
出色地，我們知道，基於在理論，
那這比率的這IQR，到標準差
是1.35為了普通的數據。
什麼會那比率看喜歡如果這數據不是普通的？
出色地，我們能探索那在傑普,
和我是去到展示你那真的迅速地。
這是這數據放。
我是也去到郵政這在這社群。
這第一件事我是去到做是去先和展示你
如何我得到到A視覺的狀態
在哪裡我們能看全部這箱線圖一起，
沒有這分佈。
這是有趣的，
但我是去到去先和開始從這開始。
我是去到分析分配。
我要去展示你如何我得到那裡。
我是實際上去到點選一切，
和聯合管理計劃是去到給我A直方圖和A箱形圖一起。
A t這結尾的這推介會，
是去到總結為什麼那是重要的。
但什麼我是去到做這裡是我是去到去先和轉動離開這直方圖，
我能去先和客製化這寬度這裡的這線。
我能複製這客製化超過，
哪個是真的好的。
我是去到抓住向下這控制鑰匙因為我是在A個人電腦。
我是去到正確的點選
和然後我是去到打編輯，複製，P星C客製化，
和那是去到帶來他們全部超過。
我是實際上去到抓住向下這控制鑰匙再次和調整大小這
所以我能調整大小他們全部一起。
現在我是去到最小化這分位數部分，
因為我是去到得到這資訊那我需要
從這概括統計數據部分。
我實際上有這IQR和A標準偏差顯示這裡。
A雖然我可以客製化這，任何一個這裡或者在這特性，
哪個我能使用權在下面文件，優先和在下面這分配平台團體。
什麼我是去到做是我是實際上去到製作
這資訊進入A數據桌子
和我是去到正確的-點選和選擇，製作組合數據桌子到做那。
現在我僅有的需要這IQR和標準偏差。
我是真的僅有的有興趣的在那。
所以我是實際上去到選擇，一的這標準偏差，
一的這IQR。
我是去到移動我的游標超過這裡
和選擇匹配在全部的這列
那有這些價值觀在他們。
我是去到去先和倒置這選擇，
刪除這列那我不想，
和我是左邊和這。
現在我是只是去到去先和重組這數據
所以那我能計算這比率的這IQR到這標準偏差。
所以我是只是去到使用桌子分裂為了那。
我是去到去先和分裂經過第 1 欄
放柱子2在這裡，放這些在A團體。
我要去到點選好的。
我有這數據如何我想。
這節目我從哪個分配
這個統計來了從，
我是去到去先和做A新的C級方程式柱,結合，比率。
那裡你去。
這看起來A小的位元難的到解釋為了我。
我是去到去先和改變它所以那我能僅有的看二小數點。
我有得到數位哪個是非常相似的，
它應該是，反正，非常相似的到什麼我有在這在這裡滑動
細節化這比率的這IQR到這標準偏差。
當然，他們是去到是不同的因為有取樣錯誤。
這桌子是僅有的一取樣實驗。
但這是如何我能迅速地
和互動地提煉這資訊
和真的理解，什麼做這比率看喜歡
如果我的數據是不是普通的在A特別的方式？
我們能看這裡，那這價值觀那趨向到是降低
在這頂峰分配的這一和異常值，
這價值觀那趨向到是更高比這典型的
或者這預期的理論的1, 3, 5普通的，
是去到是這制服，這正確的傾斜的和雙峰。
下一個問題，什麼是這理想的異常值百分
如果這分配是完美普通的？
出色地，它輪流出去那如果我們看在這教科書或者減少模擬，
在平均的，我們應該看關於0.7%的這點超過這柵欄，
在A普通的分配，
或者在至少也許不是超過這柵欄，但如果我們是到做A控制圖表，
我們會當然看關於，
哪個是在下面這假設的常態。
為了例子，
如果我們是到做一個個人移動範圍圖表，我們會看大約0.7%
的這點在平均的存在外部這限制。
雖然為了實際的目的，
我們可以大概說，
如果我們鋸關於3 %或者較少的的這分配超過這限制，
我們會考慮它大約普通的。
為什麼是那問題重要的？
出色地，我們能使用這部分的這點超過這柵欄
在A箱形圖什麼時候這樣本尺寸是小的
到決定無論或者不是我們有一些證據的常態
在這基礎的異常值。
雖然如果我們的樣本尺寸是也大的，
然後是去到看地段和地段的點超過那些柵欄。
所以它是真的重要的那我們考慮A 」合理的樣本尺寸。”
和那是部分的這原因為什麼我們僅有的經過考慮的100列在我們的專案.
下一個問題，什麼是這不同之處之間
A四分位數範圍和A分位數範圍箱形圖？
出色地，在A實際的情境,反正，我們能演講關於
這探索異常值公用事業在聯合管理計劃16、
哪個A洛斯我們到調整這問，
哪個是這乘數在這IQR
和這尾巴分位數，
哪個是本質上如何這數據是分為向上。
我們能客製化那範圍。
我是只是去到展示你什麼那看起來喜歡真實的迅速地。
我是去到去進入分析，
我是去到去到篩選、
探索異常值。
我是去到做這在我的生的數據。
我是實際上去到關閉這。
我是去到去後退到這生的數據桌子。
患病的只是挑選A夫妻的這些。
患病的實際上挑選這那些那我有在我的幻燈片到頂峰在這異常值。
我是去到去先和使用這分位數範圍異常值。
我是去到調整這到什麼這箱線圖使用：0.25和1.5.
我是去到點選重新掃描
和JMP 將會確認潛在的異常值這裡。
如何做這連接到這分配平台？
出色地，如果我們去超過這裡，
我們看在這，
什麼是去到看，
是那裡是A數位的異常值這裡。
我是實際上去到選擇這行，
我是去到去超過這裡。
出色地，羅和看哪，它是這些價值觀。
所以你得到1、2、3、4、5、6,7。
有七異常值。
1、2、3、4、5、6,7。
那方塊向上。
那是確切地什麼我們會預計。
相似地，我們已經得到1, 2, 3, 4,
和如果我們捲動超過這裡，和在下面這異常值，
看如果我們結束了這裡是到四。
偉大的。
去後退到這幻燈片這裡，我們能客製化這。
和那是實際上什麼我們得到進入在隨後的問題10.
如何做我們決定無論異常值是邊緣或者極端？
出色地，和為什麼是它重要的？
出色地，我們能調整這靈敏度
的這異常值偵測基於在這乘數在這IQR
儘管保持這尾巴分位數這相同的。
你可能直覺地預計
那如果你是到拿Q₃ 加一個更大數位次這IQR，
它是去到延長這鬍鬚長度同樣，在這降低邊。
那是去到意思是那更多的點是去到落下裡面。
所以較少的異常值會是檢測到。
我們應該是有能力的到看那和測試那在 JMP 中。
所以如果我是到增加這到二和點選重新掃描，
我們看A很少異常值變得部分的這箱形圖，
或者我們能想像A情況在哪裡那是這案件。
患病的增加這到三，
患病的打關於掃描
我們看更少異常值存在已確定仍然。
A s我去向上到Q 等於五，
現在我僅有的有一異常值檢測到在這頂峰柱子的數據。
所以這主意這裡是那我們能發展標準為了問，為了例子，
我們可能位於它和三，一種情況在哪裡數據可能是經過考慮的
A印刷的錯誤，在哪裡它可能是一個極端或者更極端的異常值。
我們可能放問平等的1.5 如果，例如，
我們認為潛在的異常值可能是聯繫和變化性
由於這測量系統或特別的過程變化。
我們能做一些模擬基於我們的應用
並決定什麼價值的問應該在這些特別的場景。
在連接和那，在問題10、
我們感動A小的位元在GRR或者測量系統變化性。
問題8會談A小的有點關於,
它去A小的位元更深進入這和帶來一起一些想法。
這主意這裡是那我們實際上可能會考慮
這距離之間這上柵欄和這第一個異常值
或者這第一潛力異常值系列的異常值。
我們可能延長那上柵欄經過A距離的兩倍西格瑪
到期的到這測量系統變化性。
在這方式，我們實際上正在考慮
這變化性由於這測量系統。
和是詢問我們自己，是這潛在的價值
之內這噪音的這測量系統或者不是？
是創造A圖形化的方式，混合圖形方式
的決定無論這價值是合理的
在下面期待塔t有測量系統變化性。
我有這裡這距離之間這邊緣異常值和鬍鬚
應該是比較的到這GRR噪音標準偏差。
如果它是之內二標準偏差，我們不有95 %信心
得出結論邊緣異常值是不同的從這鬍鬚。
這是只是A圖形化的版本的A一-樣本T-測試在影響。
我們可以實際上構造A一-樣本T-測試
使用這條紅線作為我們的目標和這觀察到的價值，
或者相當假定系列的值，這個黑點，
作為我們的分配相對的到那目標。
這下一個問題，如何許多點我們要不要需要真的到生產A箱形圖
如果是樣本尺寸有限的？
出色地，我們可能需要在至少七點,
和我們的模擬在這特別的取樣實驗節目那。
什麼是正在發生這裡？
出色地，每個的這些三數據套有這相同的中位數。
你能看在這數據放，那裡是六觀察。
在這一那裡是七，和然後這一那裡是八。
讓我們開始在這左邊，實際上，
和我們有八觀察，一出去這裡大約15.
什麼如果我們減少這觀察次數達 7 個
和我們實際上包括這這裡同樣的觀察，
但我們減少一的這其他的？
什麼如果我們減少它更遠儘管維持這相同的中位數？
然後什麼我們看是那這個異常值 15，
哪個是仍然在這數據放，不更長變成一個異常值。
在本質，它變成吸收進入鬍鬚本身。
這其他事物那是有趣的關於這個簡單的實驗，
是那這IQR變成當我們從七點到六點時，就會膨脹。
我們能看那視覺上那樣
該框從 Q1 到 Q3 的寬度變成很多更寬的。
我們能也看那數字上這裡。
我實際上想到展示你如何我們可能探索那在JMP。
這是一些數據。
它是不是這相同的數據，但這是一些數據。
我只是已創建A柱子那行列這數據。
A獲得，我只是使用一個立即的柱子公式。
我能做那經過選擇這些選項之一，
所以我相信它是在下面分佈式的。
現在，什麼我是去到做我要去到去先和只是鐘這數據。
我是去到轉動這直方圖在它是邊。
我是實際上去到呼叫這本地資料過濾器。
我是去到帶來在那秩柱子那我是去到首先將其設為序數，
所以那我能選擇數據單獨地
相當比在下面這假設的這連續的分配。
我是去到選擇一切。
現在，讓我們看，如果我去後退到這數據桌子，
我知道那8代表這最高，這最大的價值。
患病的保持8在那裡，
和患病的只是開始減少一些的較低的值
經過保持向下我的控制鑰匙和點選那，
哪個將要有效地消除那觀點動態地從這分析。
我得到這控制鑰匙向下和點擊了再次，再次單擊。
你鋸它那裡，低端的一個異常值，
反正，在這案件，只是消失了。
有A關係之中這距離在。。之間柵欄和這點,
哪個是計算出的在這基礎的這數據
其中中位數和四分位數是計算出的
基於在這數據那是在這分析。
這給出你A更好的方法的欣賞如何這箱形圖
正在改變為A功能的數據那就是在或者出去的這分析。
這是A真的極佳的涼爽的特徵
我真的喜歡到使用A很多在許多上下文。
什麼是這優勢穩健擬合離群值演算法,
哪個是A聯合管理計劃16演算法?
它給出我們其他方法的偵測邊遠性。
我們有這能力到使用A柯西方法
哪個常避免這偏度的影響，
哪個能是有用為了實際的情況。
我們能也使用A 3秒伊格瑪或 K-sigma 乘數
在命令到幫助探測邊遠性。
全部的這些方法真的幫助我們
將潛在異常值與真實異常值區分開來
和幫助我們創造A合理的信號檢測和方法
以類似的方式我們可以做如果我們是到使用控制製圖
並建立一個控製圖限制
為了我們的特別的實驗性的或者製造業應用。
13.能我們包括這樣本尺寸資訊在這盒子陰謀？
嗯，這個是在哪裡這盒子陰謀開始到展示A清除局限性。
那裡不是任何樣本尺寸資訊明確地在這箱形圖。
A雖然，我們做有這圖形建構器的能力
創建缺口箱線圖，哪個給出你某物
像一個信心間隔在這中位數，
這邊緣表明A信心間隔於中位數。
我們也有這能力在圖形建構器呼叫標題框
這是一個非常有用的特徵為了總結的數據
以圖形方式沒有需要到提供一個額外的表格的數據輸出。
但的課程，那資訊是完全地隱到這箱形圖本身。
連接的到那是，能我們製作任何決定
任何級別的統計信心如果是只是看著在這箱形圖？
這回答是不。
在這特別的例如，我們實際上設計了它
所以這中位數是輕微地不同的在平均的。
和所以是得到一些分離之中這中位數之間這組。
我們用過的到合身是由X在這情境.
什麼這節目是那這意思是[聽不清楚 00:29:27]
代表意思是，平均鑽石是非重疊。
它看起來喜歡全部穿過全部四組進行比較，
哪個表示那有一些證據
那有A不同之處在這方法之間這組。
我們能也看這不同之處在這中位數。
我們能做A非參數測試。
在這案件，是使用A非帶控制的參數鋼測試，
在哪裡這控制是只是這Z普通的。
是看見一些分居證據，
統計分離之中這在這個特定情況下的中位數。
它是難的為了我們到探測那和請參閱箱線圖。
在事實，它真的不是那清除在全部。
如何能我們告訴如果我們有任何憂慮和尊重到庫爾特奧西斯？
什麼是峰度？
峰度是基本上這主意那如果它是一個積極的峰度，
你會有數據那是集中在這中間，
你的數據那是壓扁一起進入這中間的這分配。
那是這例子在這正確的。
如果你有一個理想化的案件極端消極的峰度，
你有A制服分配在哪裡這數據是真的傳播出去。
什麼你能看在這些圖表相對的到這普通的分配，
是那這50 %稠密區，表明的經過這紅色的酒吧，
是基本上關於作為長的作為之間的距離Q1和第三季這裡，
但它是在一邊的這中位數，
在一邊的這中位數和這制服案件。
它是關於作為長的作為這盒子寬度然後它是也在一邊的這中位數。
那是A獨特的特徵特徵的這制服分配形狀。
如果我們看在這頂峰情況，
我們看那這盒子寬度是很多更多的壓縮的
和最短的半寬度也是大約與這盒子寬度，
最短的一半是最多稠密地區相當作為居中關於這中位數。
那是相似的到什麼你會請參閱常態分佈情況，
在哪裡這50 %稠密地區將要是關於居中
在這意思是或者這中位數和關於這相同的寬度作為這盒子。
清楚地，這差異化因素這裡就是它這距離是減少相當A位元.
真的這帶走這裡，儘管，
是那這類型的解釋是真的難的。
和它會是更輕鬆為了我們依靠這直方圖顯示的形狀
比到嘗試到看在這箱線圖分別地。
問題16是非常類似於15。
什麼關於在這情境的數據那有更多的比一模式？
什麼關於A雙峰分配？
出色地，我只是拿這箱線圖和拉他們在左邊，
他們是從這圖片在這正確的。
我們不能真的看A所有的很多的不同之處之中這些。
它是難的為了我們到解釋這。
但一次我們放這直方圖，我們可以看到清楚地如果我們合身A二-峰值分佈
那有二模式在這數據，和有或許一模式，
或許A小的模式，但真的本質上一模式在這數據在這左邊。
這箱形圖不是特別好
在偵測那在場的多種的模式。
這最後的問題是，如何許多“違反常態性的故障模式”
能我們探測和這箱形圖？
這問題帶來全部這其他那些一起。
出色地，如果我們有偏度，
我們已經顯示那我們有A強的能力到探測那。
如果我們有潛在的異常值，
我們確實有A強的能力到探測那。
如果我們有峰度，
哪個是真的有關的到這形狀按原樣如果那裡是多種的模式，
然後我們真的不有A強的能力到探測那。
如果是考慮到假設測試，
我們絕對沒有能力檢測到任何一個和這箱形圖。
什麼是這外賣？
出色地，這箱形圖是絕對是一個強大的視覺化工具。
它是A偉大的介紹性的工具，
和它有A精彩的能力到單獨偏度
從潛在的邊遠尼斯。
但它有它是限制。
在案例在哪裡是看著在峰度形狀或者A雙峰性
或多式聯運，這直方圖是確實A更好的選擇。
那是真的大概為什麼聯合管理計劃同時使用直方圖和箱型圖
在這分配可視化數據行為的平台，
如果你將要。
的課程，添加描述性的統計數據
真正幫助我們圓形的向上這圖片我們在哪裡有A圖形化的第一種方法。
這是只是，再次， A總結的什麼我們已經討論過。
但是最後的夫妻的分鐘，
我只是想到展示你A夫妻更多的事物關於這數據放本身。
因為我思考這是也許這最多有用方面的這專案.
如何可能我們放向上A數據放喜歡這？
全部我們真的有到做到模擬JMP 中的數據
是只是創造一些列然後創建A功能，
隨機的普通的功能。
這過程那我們做了，一種方式你可以做這是你可以說，
好的，你能去進入A柱子公式…
讓我只是展示你這。
你能只是雙倍的-點選進入它，和你能點選公式，
你能編輯這公式。
你能去超過這裡到這些隨機函數，
你能點選它在，和然後你能指定A人口意思是西格瑪。
零和一經過預設,點選好的，和然後我能添加A束的行。
患病的去先和添加100行。
什麼關於這些其他分佈？
統一分佈是我們能使用這隨機的制服功能。
和然後我們能指定A最小和最大限度價值。
在這案件，
我只是指定的這最低限度這個的柱子，
這通常情況下分散式數據柱子，和這最大值為這最大限度。
和然後最後，作為我提及，
我標準化這柱子所以那它是在這相同的數位規模。
這標準化這柱子，
標準化特徵是常見的到全部的這些列。
現在，這最後的事物我想到快點談談
是，出色地，什麼關於頂峰？
什麼關於正確的傾斜，和甚至雙莫代爾？
出色地，一的這事物我們能做，我真的認為這很酷，
是我們能使用這分配JMP 中的計算器
到幫助我們理解什麼確定分配類型看喜歡。
我是只是去到去進入它這裡。 我是去到只是駕駛向下在這裡。
患病的分享和你這地點這裡的這腳本。
它是去到是在下面計算機. 它不是。
它是去到是在分配下。
發電機。
分配計算機,在計算機上，是的。
如何可能我創造A分配那是正確的歪斜？
哪個隨機的功能會我使用？
出色地，我有這能力到看在某些這些分佈並參見
為了例子，
如果我指定A隨機的F和我指定這些參數，
然後我是得到A分配和這一種偏斜。
和然後我能說，出色地，
什麼發生如果我改變這些參數A小的位元?
如何是那去到改變這分配？
我能使用這洞察力到指定參數
為了這隨機分佈那我指定在我的數據放。
在事實，那是什麼我做過這裡。
什麼做過我做為了這達到頂峰一？
出色地，如果我看在這時間分配，和我減少這度的自由，
我是去到得到A分配那是相對地頂峰。
我是去到看到積極的峰度在那。
那是一方式我能理解這些分佈的形狀
所以那我能利用它們對我有利
到做不同的什麼如果分析在 JMP 中。
我是只是去到迅速地去後退到我的幻燈片。
感謝你非常很多為了聽。
如果你有任何問題，
我看向前到接收他們在這使用者社區。
正如我提及，這專案將要是發布那裡，
和這概括抽象的已發布在這關聯這裡。
感謝又是你。
