BENE, Grazie Voi tutti per unendosi Me.
Questo È UN Scoperta Vertice 2022 presentazione,
cortesia Di Mio co-presentatori, Carlo Chen E Muratore Chen.
Mio nome È Patrizio Giuliano.
IL titolo Di Questo parlare È,
Box-plot A analisi: Miscelazione Scientifico E Artistico Inchiesta
all'Università variare Risposta Caratterizzazione.
Ecco IL astratto.
Voi Potere Trovare Questo SU IL JMP Utente C comunità
In IL Scoperta 2022 Comunità pagina,
DOLLARO STATUNITENSE iscovery 2022 Comunità pagina.
Io sono mettendo Esso Qui per riferimento.
IO Volere fornire UN collegamento In IL diapositive
A IL Comunità pagina Dove IL progetto Volere vivere.
Cosa c'è IL motivazione per Questo progetto?
IL Trama a scatola È uno Di IL maggior parte popolare grafico utensili
A visualizzare UN univariato distribuzione Di dati.
Questo progetto studi Come A utilizzo IL Trama a scatola A analizzare dati effettivamente.
Maggior parte persone Chi utilizzo IL Trama a scatola non utilizzo Esso necessariamente
A determinare IL forma Di IL distribuzione Di IL dati.
In fatto, molti persone utilizzo Esso erroneamente A disegno Significare O Significare confronto decisioni,
E Essi Maggio assumere normalità basato SU simmetria,
Quando In fatto, IL normalità assunzione
volevo In realtà non Essere ragionevole Se Essi erano A Prendere UN più vicino Aspetto
A IL forma Di IL dati SU UN istogramma, per esempio.
IL obbiettivo Di Questo progetto È A dimostrare Come A utilizzo JMP
specificamente 16, A interpretare informazione In UN Trama a scatola
E A migliorare competenza
In UN globale Comunità Di scienziati E ingegneri
Quello Sono Veramente Sotto UN DMEIC O APS,
O Pendere tipo Sei Sigma metodologia,
Quale È molto popolare, ovviamente, Oggi E Sopra IL scorso pochi decenni.
IL interessante cosa Di Questo progetto È Noi incorniciato Esso
In IL contesto Di 17 quiz domande.
Questo È UN domanda E risposta diapositiva ponte.
E Io sono non andando A andare in pure tanto dettaglio
Di ogni E ogni domanda,
che H IO Volere spettacolo Voi Qui.
Ma Che cosa Id Piace A Fare È spettacolo Voi UN poco morso Di
Come Voi Potere utilizzo JMP A Esplorare IL risposta A questi domande,
Perché IO pensare quello è Veramente IL maggior parte interessante E divertimento parte.
IL prima cosa IO ricercato A Fare È Appena velocemente andare Sopra Che cosa UN Trama a scatola È.
COSÌ Che cosa È IL anatomia Di UN Trama a scatola?
Appena COME UN aggiornamento per Alcuni Di Voi, O introduzione per Alcuni Di Voi,
IL mediano È indicato di IL linea mediana,
E suo riferito A COME IL secondo quartile, Q2
O IL 50esimo percentile.
Poi Q1 È riferito A COME IL 25 percentile.
Q3 È IL 75esimo percentile, COME Voi Potere Vedere Qui.
IL interquartile allineare, O IQR,
È IL differenza fra Q3 E Q1.
IL altro importante elementi Sono Noi Avere cosa c'è chiamato
UN baffo SU IL inferiore lato E SU IL superiore lato.
Proprio a IL FINE Di Quello baffo, A volte Noi fare riferimento A Esso COME la recinzione
E lo farai Vedere UN verticale linea
E JMP disegna UN verticale linea A indicare Quello bordo.
Cosa c'è importante Di Questo È Quello Questo posizione È In realtà
Q1 meno 1.5 volte IL IQR,
Quale È rappresentato di IL distanza fra Questo bordo e questo bordo.
Questo punto E IL superiore recinzione È
Q3 più uno E UN metà volte IL IQR.
COSÌ Quello definisce IL superiore bordo.
Poi Qualunque punti Quello Sono al di là questi bordi O recinzioni
Sono considerato potenziale valori anomali.
E Essi In realtà spettacolo su di loro stessi COME punti
mentre IL riposo Di IL dati In IL mezzo Di IL istogramma
È non mostrato per enfasi SU IL punti Quello Sono al di là IL al di là questi recinzioni.
Io sono andando A salto Giusto In.
Come fatto Noi Esplorare E sviluppare IL risposte A questi domande,
E In Alcuni casi, Anche perfezionare IL domande loro stessi?
BENE, Noi creato UN simulato dati tavolo dentro JMP 16,
Dove Noi costruito 100 righe Di dati,
E Noi costruito dati, prima da UN normale distribuzione,
E Poi applicato Alcuni trasformazione A Quello dati.
Noi Vedere Quello Noi Avere UN normalmente distribuito dati
disegnato da UN popolazione IL Significare Di zero E UN deviazione standard Di uno.
Allora noi Avere uniformemente distribuito dati.
Poi Noi Avere dati quello è ha raggiunto il picco,
cioè ha UN positivo Kurtosi.
Poi Noi Avere dati quello è Giusto distorto,
ha due modalità,
ha Alcuni valori anomali Di 3 % SU media
E Poi numeri interi.
In Tutto IL casi, con IL eccezione Di IL bimodale,
Noi Appena basato IL simulato formula,
SU IL originale normale colonna.
IL modo Quello Noi Mettere Tutto IL dati SU IL Stesso scala
È Noi utilizzo IL colonna standardizzato funzione
COSÌ Quello Noi Potevo confrontare Tutto IL dati
parente A ogni altro In IL distribuzione piattaforma.
Questo È Appena UN anteprima Di Quello.
Malato salto Sopra A JMP E spettacolo Voi Quello.
Ma Ancora, Tutto Di Questo dati È centrato ad una media di circa zero
E UN standard deviazione, circa uno.
Noi coperto IL prima domanda.
Perché io S UN Diagramma a scatola, A volte riferito A COME UN cinque- punto complotto?
BENE, Là Sono cinque principale punti .
C'è Q1, c'è Q2 In IL mezzo, c'è Q3,
E Poi Là Sono IL basettoni, IL superiore E inferiore .
Prossimo domanda.
Che cosa Sono IL due modi Quello IL Trama a scatola Potere determinare
qua lì il distribuzione È distorto?
BENE, Noi Potere Aspetto A IL larghezza Di IL scatola si.
Noi Potere Anche Aspetto A IL larghezza Di IL basettoni.
In Questo Giusto distorto esempio,
Voi Potere Vedere Quello superiore baffo È tanto più a lungo di IL inferiore uno.
COSÌ Quello volevo implicare Quello IL dati È Giusto distorto.
In altro parole, Quello IL coda In IL dati,
Se Voi erano A immaginare Quello distribuzione, È puntando A IL Giusto.
Terzo, perché fa IL Il box plot include IL mediano E non IL Significare?
BENE, UN Trama a scatola usi IL mediano A determinare O misura asimmetria.
COSÌ Se IL distribuzione È normale, Poi IL Significare È pari A IL mediano.
E In fatto, Che cosa Voi volevo Vedere Qui È Quello Questo mediano linea In IL mezzo
volevo linea su esattamente con IL bordi Di Questo diamante,
IL mezzo Di Questo diamante.
In Quello caso, Voi volevo effettivamente Avere UN situazione
Dove tu sei non Veramente perdere Qualunque informazione
Perché IL la distribuzione è simmetrica.
IL mediano In generale, Poi Potrebbe Essere considerato Meglio,
indipendentemente Di se IL distribuzione È normale O non normale.
Il quarto, Perché È IL Scatola Complotto IL maggior parte potente visualizzazione attrezzo,
O uno Di IL maggior parte potente utensili A separato asimmetria E anomalo i problemi?
Quando Noi parlato Di Questo idea Quello Perché IL Trama a scatola usi
Questo Q1 meno uno E metà volte IQR
E Q3 più uno E UN metà volte IQR metodologia,
Esso Veramente consente noi A separato potenziale valori anomali da IL principale dati.
Esso Anche dà noi UN struttura
di Quale A giudice se IL superiore baffo
È più grandi O più piccola di UN inferiore baffo.
COSÌ quelli due componenti Di IL complotto
Veramente aiuto noi, Piuttosto, Vedere Se erano allenato asimmetria
E potenziale periferico Questo.
Questo è UN unico caratteristica Di IL Trama a scatola.
IL quinta domanda È UN poco Di più interessante.
Cosa c'è IL relazione fra IL interquartile allineare,
Quello distanza fra Q1 E Q3,
E IL standard deviazione, Quale Noi Potere calcolare per Qualunque dati impostato,
indipendentemente Di Come suo distribuito?
Se IL dati È normale,
Che cosa Di Se IL dati È distorto O non normale O ha raggiunto il picco
O Qualunque altro forma?
BENE, Noi Sapere, basato SU teoria,
Quello IL rapporto Di IL IQR, alla deviazione standard
È 1.35 per normale dati.
Che cosa volevo Quello rapporto Aspetto Piace Se IL dati non lo era normale?
BENE, Noi Potere Esplorare Quello In JMP,
E Io sono andando A spettacolo Voi Quello Veramente velocemente.
Ecco IL dati impostato.
Io sono Anche andando A inviare Questo SU IL Comunità .
IL prima cosa Io sono andando A Fare È andare avanti E spettacolo Voi
Come IO Ottenere A UN visivo stato
Dove Noi Potere Vedere Tutto IL Diagrammi a scatola insieme,
senza IL distribuzioni.
Questo È interessante,
Ma Io sono andando A andare avanti E inizio da IL inizio.
Io sono andando A analizzare distribuzione.
sto andando a spettacolo Voi Come IO avuto Là.
Io sono In realtà andando A clic qualunque cosa,
E JMP È andando A Dare Me UN istogramma E UN Trama a scatola insieme.
UN T IL FINE Di IL presentazione,
erano andando A riassumere Perché quello è importante.
Ma Che cosa Io sono andando A Fare Qui È Io sono andando A andare avanti E giro spento IL istogramma,
IO Potere andare avanti E personalizzare IL larghezza Qui Di IL linee.
IO Potere copia Questo personalizzazione Sopra,
Quale È Veramente Carino.
Io sono andando A Presa giù IL controllo chiave Perché Io sono SU UN computer.
Io sono andando A Giusto clic
E Poi Io sono andando A colpo Modificare, Copia, p aste C personalizzazioni,
E quello è andando A Portare loro Tutto Sopra.
Io sono In realtà andando A Presa giù IL controllo chiave Ancora E ridimensionare Questo
così che io Potere ridimensionare loro Tutto insieme.
Ora Io sono andando A minimizzare IL quantile sezione,
Perché Io sono andando A Ottenere IL informazione Quello IO Bisogno
da IL riepilogo statistiche sezione.
IO In realtà Avere IL IQR E UN standard deviazione mostrato Qui.
UN però IO Potevo personalizzare Questo, O Qui O In IL proprietà,
Quale IO Potere accesso Sotto File, Preferenze E Sotto IL distribuzione piattaforma gruppo.
Che cosa Io sono andando A Fare È Io sono In realtà andando A Fare
Questo informazione in UN dati tavolo
E Io sono andando A Giusto- clic E Selezionare, Fare Combinato Dati Tavolo A Fare Quello.
Ora IO soltanto Bisogno IL IQR e il standard deviazione.
Io sono Veramente soltanto interessato In Quello.
COSÌ Io sono In realtà andando A Selezionare, uno Di IL standard deviazioni,
uno Di IL IQR.
Io sono andando A mossa Mio cursore Sopra Qui
E Selezionare Corrispondenza SU Tutto Di IL righe
Quello Avere questi valori In loro.
Io sono andando A andare avanti E invertire IL selezione,
eliminare IL righe Quello IO non Volere,
E Io sono Sinistra con Questo.
Ora Io sono Appena andando A andare avanti E ristrutturare IL dati
COSÌ Quello IO Potere calcolare IL rapporto Di IL IQR A IL standard deviazione.
COSÌ Io sono Appena andando A utilizzo Tavolo Diviso per Quello.
Io sono andando A andare avanti E diviso di colonna 1
Mettere colonna 2 In Qui, Mettere questi In UN gruppo.
Vado A clic OK.
IO Avere IL dati Come IO Volere.
Questo Spettacoli Me da Quale distribuzione
questa statistica venni da,
Io sono andando A andare avanti E Fare UN Nuovo Formula C colonna, Combina, Rapporto.
Là Voi andare.
Questo sembra UN poco morso difficile A interpretare per Me.
Io sono andando A andare avanti E modifica Esso COSÌ Quello IO Potere soltanto Vedere due decimali.
Io ho avuto numeri Quale Sono molto simile,
Esso Dovrebbe Essere, Comunque, molto simile A Che cosa IO Avere In IL scorrere qui
dettagli IL rapporto Di IL IQR A IL standard deviazione.
Ovviamente, Loro sono andando A Essere diverso Perché c'è campionamento errore.
Questo tavolo È soltanto uno campionamento sperimentare.
Ma Questo È Come IO Potere velocemente
E in modo interattivo estratto Questo informazione
E Veramente capire, Che cosa fa Questo rapporto Aspetto Piace
Se Mio dati È non normale In UN particolare modo?
Noi Potere Vedere Qui, Quello IL valori Quello tendere A Essere inferiore
A IL picco distribuzione Di IL uno con valori anomali,
IL valori Quello tendere A Essere più alto di IL tipico
O IL previsto teorico 1, 3, 5 normale,
Sono andando A Essere IL uniforme, IL Giusto distorto e bimodale.
Prossimo domanda, cosa c'è IL ideale anomalo per cento
Se IL distribuzione È perfettamente normale?
BENE, Esso giri fuori Quello Se Noi Aspetto In IL libri di testo O ridurre simulazione,
SU media, Noi Dovrebbe Vedere Di 0,7% Di IL punti al di là IL recinzioni,
In UN normale distribuzione,
O A meno Forse non al di là IL recinzioni, Ma Se Noi erano A Fare UN controllo grafico,
Noi volevo certamente Vedere Di,
Quale È Sotto IL assunzione Di normalità.
Per esempio,
Se Noi erano A Fare UN individuale in movimento allineare grafico, Noi volevo Vedere in giro 0,7%
Di IL punti SU media essendo al di fuori IL limiti.
Sebbene per pratico scopi,
Noi Potevo probabilmente Dire,
Se Noi sega Di 3 % O meno Di IL distribuzione al di là IL limiti,
Noi volevo prendere in considerazione Esso circa normale.
Perché È Quello domanda importante?
BENE, Noi Potere utilizzo IL proporzione Di IL punti al di là IL recinzioni
In UN Trama a scatola Quando IL campione misurare È piccolo
A determinare se O non Noi Avere Alcuni prova Di normalità
SU IL base Di valori anomali.
Sebbene Se Nostro campione misurare È pure grande,
Poi erano andando A Vedere molti E molti Di punti al di là quelli recinzioni.
COSÌ suo Veramente importante Quello Noi prendere in considerazione UN " ragionevole campione misurare."
E quello è parte Di IL motivo Perché Noi soltanto considerato 100 righe In Nostro progetto.
Prossimo domanda, cosa c'è IL differenza fra
UN quartile allineare E UN quantile allineare Trama a scatola?
BENE, In UN pratico contesto, Comunque, Noi Potere parlare Di
IL Esplora valori anomali utilità In JMP 16,
Quale UN lo consente noi A regolare IL Q,
Quale È IL moltiplicatore SU IL IQR
E IL coda quantile,
Quale È essenzialmente Come IL dati È diviso su.
Noi Potere personalizzare Quello allineare.
Io sono Appena andando A spettacolo Voi Che cosa Quello sembra Piace vero velocemente.
Io sono andando A andare in Analizzare,
Io sono andando A andare A Selezione,
Esplorare Valori anomali.
Io sono andando A Fare Questo SU Mio crudo dati.
Io sono In realtà andando A vicino Questo.
Io sono andando A andare Indietro A IL crudo dati tavolo.
Malato Appena scegliere UN coppia Di questi.
Malato In realtà scegliere IL quelli Quello IO Avere In Mio diapositive A picco In IL valori anomali.
Io sono andando A andare avanti E utilizzo IL quantile allineare valori anomali.
Io sono andando A regolare Questo A Che cosa IL Utilizzi del box plot: 0,25 E 1.5.
Io sono andando A clic Nuova scansione
E JMP lo farà identificare potenziale valori anomali Qui.
Come fa Questo Collegare A IL distribuzione piattaforma?
BENE, Se Noi andare Sopra Qui,
Noi Aspetto A Questo,
Che cosa erano andando A Vedere,
È Là Sono UN numero Di valori anomali Qui.
Io sono In realtà andando A Selezionare IL righe,
Io sono andando A andare Sopra Qui.
BENE, ecco E ecco, suo questi valori.
COSÌ Voi avuto 1, 2, 3, 4, 5, 6,7.
C'è Sette valori anomali.
1, 2, 3, 4, 5, 6,7.
Quello piazze su.
Quello è esattamente Che cosa Noi volevo aspettarsi.
Allo stesso modo, noi abbiamo avuto 1, 2, 3, 4,
E Se Noi scorrere Sopra Qui, E Sotto IL valori anomali,
Vedere se abbiamo finito Qui Sono A quattro.
Grande.
Andando Indietro A IL diapositive Qui, Noi Potere personalizzare Questo .
E quello è In realtà Che cosa Noi Ottenere in In successivo Domanda 10.
Come Fare Noi determinare se valori anomali Sono marginale O estremo?
BENE, E Perché È Esso importante?
BENE, Noi Potere regolare IL sensibilità
Di IL anomalo rilevamento basato SU IL moltiplicatore SU IL IQR
Mentre mantenendo IL coda quantile IL Stesso.
Voi Potrebbe intuitivamente aspettarsi
Quello Se Voi erano A Prendere Q₃ più a più grandi numero volte IL IQR,
suo andando A estendere IL baffo lunghezza e allo stesso modo, SU IL inferiore lato.
Quello è andando A Significare Quello Di più punti Sono andando A autunno dentro.
COSÌ meno anomalo volevo Essere rilevato.
Noi Dovrebbe Essere capace A Vedere Quello E test Quello nel JMP.
COSÌ Se IO erano A aumento Questo A due E clic Nuova scansione,
Noi Vedere UN pochi valori anomali diventare parte Di IL Diagramma a scatola,
O Noi Potere immaginare UN situazione Dove quello è IL caso.
Malato aumento Questo A tre,
Malato colpo Rif scansione
Noi Vedere ancora meno valori anomali essendo identificato Ancora.
UN S IO andare su A Q uguale a cinque,
Ora IO soltanto Avere uno anomalo rilevato In IL picco colonna Di dati.
COSÌ IL idea Qui È Quello Noi Potere sviluppare criteri per Q, per esempio,
Noi Potrebbe situare Esso con tre, una situazione Dove dati Potrebbe Essere considerato
UN tipografico errore, Dove Esso Potrebbe Essere UN estremo O valore anomalo più estremo.
Noi Potrebbe impostato Q pari 1,5 se, ad esempio,
riteniamo che il potenziale valore anomalo Potrebbe Essere associato con variabilità
a causa di IL misurazione sistema o speciale processi variazione.
Noi Potere Fare Alcuni simulazione basato su Nostro applicazione
e decidere cosa valore Di Q dovrebbe essere dentro questi particolare scenari.
In collegamento con Quello, In Domanda 10,
Noi toccato UN poco morso SU GR O misurazione sistema variabilità.
Domanda 8 parla UN poco un po',
va UN poco morso più profondo in Questo E porta insieme Alcuni idee.
IL idea Qui È Quello Noi potrebbe effettivamente prendere in considerazione
IL distanza fra IL superiore recinzione E IL primo valore anomalo
O IL primo potenziale anomalo serie Di valori anomali.
Noi Maggio estendere Quello superiore recinzione di UN distanza Di due volte il Sigma
dovuto A IL misurazione sistema variabilità.
In Questo modo, stiamo effettivamente considerando
IL variabilità a causa di IL misurazione sistema.
E erano chiedendo noi stessi, È Questo potenziale valore
entro IL rumore Di IL misurazione sistema O non?
Erano creando UN grafico modo, un mezzo grafico misto
Di determinante se IL valore È ragionevole
sotto il aspettativa sì T c'è la misurazione sistema variabilità.
IO Avere Qui IL distanza fra IL marginale valore anomalo e il baffo
Dovrebbe Essere rispetto A IL GR rumore standard deviazione.
Se suo entro due standard deviazioni, Noi non Avere 95 % fiducia
per concludere questo marginale anomalo è diverso da IL baffo.
Questo È Appena UN grafico versione Di UN uno- campione T- test In effetto.
Noi Potevo In realtà costruire UN uno- campione T- test
usando questa linea rossa come nostra bersaglio E IL osservato valore,
O Piuttosto presunto serie Di valori, questo punto nero,
COME Nostro distribuzione parente A Quello bersaglio.
IL Prossimo domanda, Come molti punti facciamo noi Bisogno Veramente A produrre UN Trama a scatola
Se erano campione misurare limitato?
BENE, Noi Potrebbe Bisogno A meno Sette punti,
e la nostra simulazione In Questo particolare campionamento sperimentare Spettacoli Quello.
Cosa c'è accadendo Qui?
BENE, ogni Di questi tre dati imposta Avere IL Stesso mediano.
Voi Potere Vedere In Questo dati impostato, Là Sono sei osservazioni.
In Questo uno Là Sono Sette, E Poi Questo uno Là Sono otto.
Andiamo inizio SU IL Sinistra, In realtà,
E Noi Avere otto osservazioni, uno fuori Qui in giro 15.
Che cosa Se Noi ridurre IL numero di osservazioni a sette
E Noi In realtà incluso IL stessa osservazione qui,
Ma Noi ridurre uno Di IL altri?
Che cosa Se Noi ridurre Esso ulteriore Mentre mantenendo IL Stesso mediano?
Poi Che cosa Noi Vedere È Quello questo valore anomalo 15,
Quale È Ancora In IL dati impostato, NO più a lungo diventa UN anomalo.
In essenza, Esso diventa assorbito nei baffi si.
IL altro cosa quello è interessante su questo semplice esperimento,
È Quello IL IQR diventa gonfiato quando passiamo dalle sette alle sei.
Noi Potere Vedere Quello visivamente come quello
la larghezza di questa casella da Q1 a Q3 diventa tanto più ampio.
Noi Potere Anche Vedere Quello numericamente Qui.
IO In realtà Volere A spettacolo Voi Come Noi Potrebbe Esplorare Quello In JMP.
Ecco Alcuni dati.
Suo non IL Stesso dati, Ma ecco Alcuni dati.
IO Appena creato UN colonna Quello ranghi IL dati.
UN guadagno, IO Appena utilizzo UN immediato colonna formula.
IO Potere Fare Quello di selezionando una di queste opzioni,
COSÌ IO credere suo Sotto distributivo.
Ora, Che cosa Io sono andando A Fare è che sto andando A andare avanti E Appena orologio Questo dati.
Io sono andando A giro IL istogramma SU suo lato.
Io sono In realtà andando A invocare IL filtro dati locale.
Io sono andando A Portare In Quello rango colonna Quello Io sono andando A rendilo prima ordinale,
COSÌ Quello IO Potere Selezionare dati individualmente
Piuttosto di Sotto IL assunzione Di IL continuo distribuzione.
Io sono andando A Selezionare qualunque cosa.
Ora, andiamo Vedere, Se IO andare Indietro A IL dati tavolo,
IO Sapere Quello 8 rappresenta IL più alto, IL maggiore valore.
Malato Mantenere 8 In Là,
E Malato Appena inizio riducendo Alcuni Di i valori più bassi
di presa giù Mio controllo chiave E cliccando Quello,
Quale Volere effettivamente rimuovere Quello punto dinamicamente da Questo analisi.
IO avuto IL controllo chiave giù E cliccato Ancora, fare nuovamente clic.
Voi sega Esso Là, quello anomalo nella parte bassa,
Comunque, In Questo caso, Appena scomparso.
C'è UN relazione tra IL distanza tra i recinzioni E IL punti,
Quale È calcolato SU IL base Di IL dati
dove mediana e quartili Sono calcolato
basato SU IL dati quello è In IL analisi.
Questo dà Voi UN Meglio significa Di apprezzando Come IL Trama a scatola
sta cambiando come UN funzione Di dati neanche quello In O fuori Di IL analisi.
Questo È UN Veramente super Freddo caratteristica
che io davvero Piace A utilizzo UN quantità In molti contesti.
Cosa c'è IL vantaggio di un valore anomalo di adattamento robusto algoritmo,
Quale È UN JMP 16 algoritmo?
Esso dà noi un altro significa Di rilevamento perifericità .
Noi Avere IL capacità A utilizzo UN Cauchy metodo
Quale Spesso evita IL impatto dell'asimmetria,
Quale Potere Essere utile per pratico situazioni.
Noi Potere Anche utilizzo UN 3-s igma o un moltiplicatore K-sigma
In ordine A aiuto rilevare perifericità .
Tutto Di questi metodi Veramente aiuto noi
separare i potenziali valori anomali da quelli reali
E aiuto noi creare UN ragionevole rilevamento del segnale e metodologia
in un modo simile a quello che potremmo fare noi Fare Se Noi erano A utilizzo controllo grafici
e creare una carta di controllo con limiti
per Nostro particolare sperimentale O produzione applicazione.
13. Potere Noi includere IL campione misurare informazione In IL Scatola Complotto?
Bene, questo È Dove IL Scatola Complotto inizia A presente UN chiaro limitazione.
Là non lo è Qualunque campione misurare informazione esplicitamente In IL Trama a scatola.
UN sebbene, Noi Fare Avere IL abilità nel costruttore di grafici
per creare un box plot di tacca, Quale dà Voi qualcosa
come un fiducia intervallo SU IL mediano,
IL bordi indicare UN fiducia intervallo sul mediano.
Noi Anche Avere IL capacità In grafico builder per richiamare la casella di didascalia
il che è molto utile caratteristica per riepilogo Di dati
graficamente senza bisognoso A fornire UN aggiuntivo tabellare dati produzione.
Ma Di corso, Quello informazione È completamente nascosto A IL Trama a scatola si.
Collegato A Quello È, Potere Noi Fare Qualunque decisione
con qualsiasi livello di statistico fiducia Se erano Appena guardare A IL Trama a scatola?
IL risposta È NO.
In Questo particolare esempio, l'abbiamo effettivamente progettato
COSÌ IL mediane erano leggermente diverso SU media.
E COSÌ erano ottenere Alcuni separazione tra IL mediane fra IL gruppi.
Noi usato A adatto Y di X In Questo contesto.
Che cosa Questo Spettacoli È Quello IL Significare [impercettibile 00:29:27]
rappresenta il Significare, i diamanti mediocri Sono non- sovrapposizione.
Esso sembra Piace Tutto attraverso Tutto quattro gruppi a confronto,
Quale indica Quello c'è alcune prove
Quello c'è UN differenza In IL significa fra IL gruppi.
Noi Potere Anche Vedere IL differenza In IL mediane.
Noi Potere Fare UN non- parametrico test.
In Questo caso, erano utilizzando UN non- prova parametrica dell'acciaio con controllo,
Dove IL controllo È Appena IL Z normale.
Erano vedendo Alcuni prova della separazione,
statistico separazione tra IL mediane in questo caso particolare.
Suo difficile per noi A rilevare Quello E guardalo nel box plot.
In fatto, Esso Veramente non lo è Quello chiaro A Tutto.
Come Potere Noi raccontare Se Noi Avere Qualunque preoccupazione con rispetto A Kurt osi ?
Cosa c'è Kurtosi?
La curtosi lo è fondamentalmente IL idea Quello se fosse un positivo Kurtosis,
Voi volevo Avere dati quello è concentrato In IL mezzo,
tuo dati quello è schiacciato insieme in IL mezzo Di IL distribuzione.
Quello è Questo esempio In IL Giusto.
Se Voi avevo UN idealizzato caso di estremo negativo Kurtosis,
lo faresti Avere UN uniforme distribuzione Dove IL dati È Veramente diffusione fuori.
Che cosa Voi Potere Vedere In questi grafici parente A IL normale distribuzione,
È Quello IL 50 % denso zona, indicato di Questo rosso sbarra,
È fondamentalmente Di COME lungo COME la distanza tra Q1 E Q3 Qui,
Ma suo SU uno lato Di IL mediano,
SU uno lato Di IL mediano E IL uniforme caso.
Suo Di COME lungo COME Questo scatola larghezza Poi suo Anche SU uno lato Di IL mediano.
Quello è UN unico caratteristica caratteristica Di Questo uniforme distribuzione forma.
Se Noi Aspetto A IL picco situazione,
Noi Vedere Quello IL scatola larghezza è molto Di più compresso
e la metà larghezza più corta è anche più o meno lo stesso di IL larghezza della scatola,
la metà più corta è la maggior parte denso regione Piuttosto COME centrato Di IL mediano.
Quello è simile A Che cosa Voi volevo vedere per il caso di distribuzione normale,
Dove IL 50 % denso regione Volere Essere circa centrato
SU IL Significare O IL mediano E Di IL Stesso larghezza COME IL scatola.
Chiaramente, IL differenziatore Qui è questo IL distanze Sono ridotto abbastanza UN morso.
Veramente IL porta via Qui, Anche se,
È Quello Questo tipo Di interpretazione È Veramente difficile.
E Esso volevo Essere Più facile per noi contare su IL forma evidenziata dall'istogramma
di A Tentativo A Aspetto A IL Diagrammi a scatola separatamente.
Domanda 16 È molto simile a 15.
Che cosa Di In IL contesto Di dati Quello ha Di più di uno modalità?
Che cosa Di UN bimodale distribuzione?
BENE, IO Appena preso IL Diagrammi a scatola E tirato loro fuori a sinistra,
Loro sono da IL immagini SU IL Giusto.
Noi non posso Veramente Vedere UN Totale quantità Di differenza tra questi.
Suo difficile per noi A interpretare Questo.
Ma una volta Noi Mettere IL istogrammi, possiamo vedere chiaramente Se Noi adatto UN due- distribuzione di picco
Quello c'è due modalità In Questo dati, E c'è Forse uno modalità,
Forse UN piccolo modalità, Ma Veramente essenzialmente uno modalità In IL dati SU IL Sinistra.
IL Trama a scatola non lo è particolarmente buono
A rilevamento Quello presenza Di multiplo modalità.
IL scorso domanda È, Come molti "modalità di errore di violazione della normalità"
Potere Noi rilevare con IL Trama a scatola?
Questo domanda porta Tutto IL altro quelli insieme.
BENE, Se Noi Avere asimmetria,
noi abbiamo mostrato Quello Noi Avere UN forte capacità A rilevare Quello.
Se Noi Avere potenziale valori anomali,
Noi decisamente Avere UN forte capacità A rilevare Quello.
Se Noi Avere Kurtosis,
Quale È Veramente imparentato A IL forma come è Se Là Sono multiplo modalità,
Poi Noi Veramente non Avere UN forte capacità A rilevare Quello.
Se erano considerando ipotesi test,
sicuramente non ne abbiamo uno capacità per rilevarlo O con IL Trama a scatola.
Cosa c'è IL asporto?
BENE, IL Trama a scatola È sicuramente un potente strumento di visualizzazione.
Suo UN Grande introduttivo attrezzo,
ed esso ha UN meraviglioso capacità A asimmetria separata
da potenziale periferico ness.
Ma Esso ha suo limitazioni.
In casi Dove erano guardare A Kurtotic forma O UN bimodalità
o multimodalità, IL istogramma È decisamente UN Meglio scelta.
Quello è Veramente probabilmente Perché JMP utilizza insieme sia l'istogramma che il box plot
In IL distribuzione piattaforma per visualizzare come si comportano i dati,
Se Voi Volere.
Di corso, aggiungendo descrittivo statistiche
ci aiuta davvero girare su IL immagine dove noi Avere UN grafico primo approccio.
Questo È Appena, Ancora, UN riepilogo Di Che cosa noi abbiamo discusso.
Ma il scorso coppia Di minuti,
IO Appena Volere A spettacolo Voi UN coppia Di più cose Di IL dati impostato si.
Perché IO pensare Questo È Forse IL maggior parte utile aspetto Di IL progetto.
Come Potrebbe Noi impostato su UN dati impostato Piace Questo?
Tutto Noi Veramente Avere A Fare A simulare dati in JMP
È Appena creare Alcuni righe e poi creare UN funzione,
un casuale normale funzione.
IL processi Quello Noi fatto, in un modo Voi Potevo Fare Questo È Voi potrebbe dire,
Va bene, Voi Potere andare in UN colonna formula…
Lasciami Appena spettacolo Voi Questo.
Voi Potere Appena Doppio- clic in Esso, E Voi Potere clic Formula,
Voi Potere modificare IL formula.
Voi Potere andare Sopra Qui A questi funzioni casuali,
Voi Potere clic Esso In, E Poi Voi Potere specificare UN popolazione significa in Sigma.
Zero E uno di predefinito, clic OK, E Poi IO Potere aggiungere UN grappolo Di righe.
Malato andare avanti E aggiungere 100 righe.
Che cosa Di questi altro distribuzioni?
Una uniforme la distribuzione è Noi Potere utilizzo IL casuale uniforme funzione.
E Poi Noi Potere specificare UN minimo E Massimo valore.
In Questo caso,
IO Appena specificato IL minimo di questo colonna,
Questo normalmente distribuito dati colonna, E IL Massimo lo è IL massimo.
E Poi Finalmente, COME IO menzionato,
IO standardizzato IL colonna COSÌ Quello era SU IL Stesso numerico scala.
Questo standardizzare Questo colonna,
standardizzato caratteristica È comune A Tutto Di questi colonne.
Ora, IL scorso cosa IO Volere A parlarne molto velocemente
È, BENE, Che cosa Di picco?
Che cosa Di Giusto distorto, E Anche bi modale?
BENE, uno Di IL cose Noi Potere farlo, cosa che penso davvero sia fantastica,
È Noi Potere utilizzo IL distribuzione calcolatrice in JMP
A aiuto noi capire che certo distribuzione tipi Aspetto Piace.
Io sono Appena andando A andare in Esso Qui. Io sono andando A Appena guidare giù In Qui.
Malato condividere con Voi IL posizione Qui Di Questo sceneggiatura.
Suo andando A Essere Sotto Calcolatrice. Non è.
Suo andando A Essere sotto Distribuzione.
Generatore.
Distribuzione calcolatrice, sulle calcolatrici, SÌ.
Come Potrebbe IO creare UN distribuzione quello è Giusto distorto?
Quale casuale funzione volevo IO utilizzo?
BENE, IO Avere IL capacità A Aspetto in alcuni di questi distribuzioni e vedere
per esempio,
Se IO specificare UN casuale F E IO specificare questi parametri,
Poi Io sono ottenere UN distribuzione con Questo sorta di asimmetria.
E Poi IO Potere Dire, BENE,
Che cosa accade Se IO modifica questi parametri UN poco morso?
Come È Quello andando A modifica IL distribuzione?
IO Potere utilizzo Questo intuizione A specificare i parametri
per IL distribuzioni casuali Quello IO specificare In Mio dati impostato.
In fatto, quello è Che cosa IO fatto Qui.
Che cosa fatto IO Fare per IL ha raggiunto il picco uno?
BENE, Se IO Aspetto A IL T distribuzione, E IO ridurre IL gradi Di libertà,
Io sono andando A Ottenere UN distribuzione quello è relativamente picco.
Io sono andando A vedere un positivo Kurtosi In Quello.
Quello è uno modo IO Potere capire la forma di queste distribuzioni
COSÌ Quello IO Potere usarli a mio vantaggio
A Fare diverso Che cosa Se analisi nel JMP.
Io sono Appena andando A velocemente andare Indietro A Mio diapositive.
Grazie Voi molto tanto per ascoltando.
Se Voi Avere Qualunque domande,
IO Aspetto inoltrare A ricevere loro SU IL utente Comunità.
Come io menzionato, Questo progetto Volere Essere pubblicato Là,
E IL riepilogo astratto è pubblicato A Questo collegamento Qui.
Grazie di nuovo tu.
