我应该如何比较和验证各种分布的均值和分布大家好，
想在这里寻求一些建议。
我有一个基线/名义分布，我想在分布 A、B、C 和 D 之间进行比较，看看它们的平均值和分布是否与基线分布等效/可比。 我可以在 JMP 13 中使用的最有效的措施是什么？
谢谢，
安安回复：我应该如何比较和验证各种分布的平均值和分布分析您所描述的内容有多种可能性：1 到 100 个测试，每个测试有 5 个条件，每个结果都是一个“分布”。 适当的分析取决于如何收集数据。
- 例如，假设每个测试代表一个批次、相同的源材料或相同的时间范围，并且每个测试都运行条件 A、B、C、D 和基线。在这种情况下，Test/Batch 应被视为块因子（JMP Oneway 与 Test 作为块）或多变量响应模型。
- 每个测试和条件的“分布”也将调整要执行的分析。
我的建议是在您的组织或大学（或大学附近）内找人获得一些统计咨询建议。
我不知道您的数据是如何收集的，因此随附的带有嵌入式图表的示例数据表旨在向您展示使用 JMP 的视觉和分析可能性。 JMP 表包含 100 次测试的模拟数据，每次运行都使用 A、B、C、D 和基线条件，“分布”是代表随机效应的 20 次测量（相对于固定效应：例如，在一个固定位置进行的测量）对象；或以特定的时间间隔顺序进行，例如在 0、1 小时、5 小时等收集测量值的药物功效测试）。模拟的测试-测试变化大；在运行 75 之后添加了一个班次，以使效果更加明显。
附表包含 3 个嵌入式脚本：
- 价值变异图- 按测试、条件分组的原始数据图。 在 X 轴的右侧单击测试并将其拖到条件。
- 汇总图- 创建表格测试摘要，计算每个测试/条件的“分布”均值和标准偏差，然后绘制比较“分布”均值和标准偏差分组的可变性图表，按测试、条件、条件、测试进行分组；总共四个图（见下面的两个条件，测试图）。
- Dunnett 与测试作为块因子的比较- 此脚本使用测试摘要表和单因素方差分析，将测试用作块。这将删除测试-测试因子并执行块差异的单向比较。
请注意，我构建了模拟，以便 Baseline 和 D 具有相同的均值（C 距离不太远），并且 Baseline 和 C 具有相同的标准偏差。
请记住，如果您的实验没有像这样运行，#3 可能不是最好的分析，但是，像 #1 和 #2 这样的图表应该可以让您对实验结果有所了解。
Mean & Std Dev grouped by Condition, Test按条件、测试分组的均值和标准差
回复：我应该如何比较和验证各种分布的平均值和分布大家好，
非常感谢您的建议。 非常欣赏他们。
另一个快速的问题......
我是否应该进行 1 到 100 次测试，并且每个测试都有分布 A、B、C 和 D 以及 1 个基线分布。 什么是我可以用来查看平均性能是否不匹配的快速指标或度量？ 并根据该指标，采取后续行动进一步调查。 例如，如果我每次测试有 2 个分布，我可以激活 T 测试来检查 T 比率和 P 值。 但是，如果我每次测试有多个分布，那么进行快速检查的更简单方法是什么？ Anova F 比会是一个很好的指标吗？
谢谢你，新年快乐。
安安回复：我应该如何比较和验证各种分布的均值和分布我总是从图表开始，以确保这是一个公平的比较。 添加到@dale_lehman的建议，我建议按顺序（时间）或其他可能对这些分布很重要的因素来绘制数据，例如，如果查看房屋价格、按位置或特征（房间数量）等。
回复：我应该如何比较和验证各种分布的均值和分布我建议从更通用的方法开始。您应该覆盖分布并直观地比较它们。均值和散布是汇总度量，它们可能与分布的最显着特征匹配，也可能不匹配。根据分布的样子，您可以使用诸如随机优势之类的概念，这些概念比仅使用分布的前两个矩更普遍地比较分布的形状。累积分布是查看可能产生有用见解的比较的另一种方式。
回复：我应该如何比较和验证各种分布的均值和分布许多常见的假设检验（例如，t 检验、单向方差分析）是总体均值差异的参数检验。 Oneway 平台（选择分析 > 以 X 拟合 Y）执行这两个测试。 如果您确定 ANOVA 存在显着差异，则当您有一个控制总体时，您可以使用多重比较方法，例如 Dunnett 检验。
该平台还提供价差的参数测试。 单击 Oneway 旁边的红色小三角并选择 Unequal Variance。 不幸的是，点差没有多重比较方法。
看帮助>图书>基本分析然后是专门关于单程平台。
