良い、感謝あなたみんなのために接合自分。
これはある発見サミット2022年プレゼンテーション、
礼儀の私の共同発表者、チャールズチェンそして石工チェン。
私の名前はパトリックジュリアーノ。
のタイトルのこれ話すは、
箱ひげ図 A分析:ブレンド科学的そして芸術的問い合わせ
大学で変化させる応答特徴付け。
こちらですの抽象的な。
あなたできる探すこれの上のJMPユーザーCコミュニティ
での発見2022年コミュニティページ、
米ドル発見2022年コミュニティページ。
私は置くそれここのために参照。
私意思提供するあるリンクでのスライド
にのコミュニティページどこのプロジェクト意思ライブ。
なに？のモチベーションのためにこれプロジェクト？
の箱ひげ図は1つののほとんど人気のあるグラフィカルなツール
に視覚化するある単変量分布のデータ。
これプロジェクト研究どうやってに使用の箱ひげ図に分析するデータ効果的に。
ほとんど人々誰が使用の箱ひげ図しないでください使用それ必然的に
に決定するの形のの分布ののデータ。
で事実、多くの人々使用それ間違ってに描く平均または平均比較決定、
そして彼らは5月仮定する正常ベースのの上対称、
いつで事実、の正常予測
するだろう実はないなれ合理的もし彼らはだったに取るあるクローザー見て
での形ののデータの上あるヒストグラム、のために例。
の客観的のこれプロジェクトはに実演するどうやってに使用JMP
具体的には16、に解釈する情報である箱ひげ図
そしてに改善する熟練度
であるグローバルコミュニティの科学者そしてエンジニア
それは本当に下あるDMEICまたはAPS、
または傾くタイプ六シグマ方法論、
どれのはとても人気のある、明らかに、今日そして以上の最後少し数十年。
の面白いものについてこれプロジェクトは私たちは額装されたそれ
でのコンテクストの17クイズ質問。
これはある質問そして答え滑り台デッキ。
そして私はない行くに行くの中へあまりにも多くの詳細
についてそれぞれそして毎質問、
どのh私意思見せるあなたここ。
しかし何私はそうするだろうのようににするは見せるあなたある少し少しについて
どうやってあなたできる使用JMPに探検するの答えにこれら質問、
なぜなら私考えるそれは本当にのほとんど面白いそして楽しい一部。
の初めにすること私欲しかったにするはただ素早く行く以上何ある箱ひげ図は。
それで何はの解剖学のある箱ひげ図?
ただとしてあるおさらいのためにいくつかののあなた、または導入のためにいくつかののあなた、
の中央値は示されたによるの正中線、
そしてその言及にとしての2番四分位、第2四半期
またはの50位パーセンタイル。
それからQ1は言及にとしての25日パーセンタイル。
Q3はの75位パーセンタイル、としてあなたできる見るここ。
の四分位間範囲、またはIQR、
はの違い間Q3そしてQ1.
の他の重要要素は私たちは持っている何ですか呼ばれた
あるヒゲの上のより低い側そしての上のアッパー側。
すぐにの終わりのそれヒゲ、時々私たちは参照するにそれとしてフェンス
そしてあなたはそうします見るある垂直ライン
そしてJMP描くある垂直ラインに示すそれ角。
なに？重要についてこれはそれこれ位置は実は
第1四半期マイナス1.5回のIQR、
どれのは代表されるによるの距離間これ端とこの端。
この点そしてのアッパーフェンスは
Q3プラスワンそしてある半分回のIQR。
それでそれ定義するのアッパー角。
それからどれでもポイントそれは超えてこれらエッジまたはフェンス
は考慮された潜在的異常値。
そして彼らは実は見せる上による彼ら自身としてポイント
一方の休むののデータでの真ん中ののヒストグラム
はない示されているのために強調の上のポイントそれは超えての超えてこれらフェンス。
私は行くにジャンプ右で。
どうやってした私たちは探検するそして開発するの答えにこれら質問、
そしてでいくつかのケース、平リファインの質問彼ら自身？
良い、私たちは作成したあるシミュレートされたデータテーブルインJMP 16、
どこ私たちは構築された100行のデータ、
そして私たちは構築されたデータ、まずはからある普通分布、
そしてそれから適用済みいくつかの変換にそれデータ。
私たちは見るそれ私たちは持っているある通常は配布されたデータ
描かれたからある人口の平均のゼロそしてある標準偏差の1つ。
それから私たちは持っている均一に配布されたデータ。
それから私たちは持っているデータそれはピークに達した、
つまりもっているあるポジティブ尖度。
それから私たちは持っているデータそれは右歪んだ、
もっている二モード、
もっているいくつかの外れ値について3 %の上平均
そしてそれから整数。
で全てのケース、との例外のの二峰性、
私たちはただベースののシミュレートされた式、
の上のオリジナル普通カラム。
の方法それ私たちは置く全てのデータの上の同じ規模
は私たちは使用のカラム標準化された関数
それでそれ私たちはできた比較する全てのデータ
相対的にそれぞれ他のでの分布プラットホーム。
これはただあるプレビューのそれ。
病気ジャンプ以上にJMPそして見せるあなたそれ。
しかしまた、全てのこれデータは中心にあるという意味で約ゼロ
そしてある標準偏差、約1つ。
私たちは覆われたの最初の質問。
なぜ私sある箱ひげ図、時々言及にとしてある五-ポイントプロット？
良い、そこにはは五主要ポイント。
あるよQ1、あるよ第2四半期での真ん中、あるよQ3、
そしてそれからそこにははのひげ、のアッパーそしてより低い。
次質問。
何はの二方法それの箱ひげ図できる決定する
誰がそれから分布は歪んでいる？
良い、私たちはできる見てでの幅のの箱自体。
私たちはできるまた見てでの幅ののひげ。
でこれ右歪んだ例、
あなたできる見るそれアッパーヒゲは多くのより長いですよりものより低い1つ。
それでそれするだろう暗示するそれのデータは右歪んでいる。
で他の言葉、それのしっぽでのデータ、
もしあなただったに想像するそれ分布、はポインティングにの右。
第三に、なぜするの箱ひげ図には以下が含まれますの中央値そしてないの平均？
良い、ある箱ひげ図用途の中央値に決定するまたはゲージ歪度。
それでもしの分布は普通、それからの平均は等しいにの中央値。
そしてで事実、何あなたするだろう見るここはそれこれ中央値ラインでの真ん中
するだろうライン上その通りとのエッジのこれダイヤモンド、
の真ん中のこれダイヤモンド。
でそれ場合、あなたするだろう効果的に持っているある状況
どこあなたはない本当に負けどれでも情報
なぜならの分布は対称的です。
の中央値で一般的な、それからかもしれないなれ考慮されたより良い、
関係なくのかどうかの分布は普通または正常ではない。
第4、なぜはの箱プロットのほとんど強力な視覚化道具、
または1つののほとんど強力なツールに別歪度そして外れ値問題は？
いつ私たちは話しましたについてこれアイデアそれなぜならの箱ひげ図用途
これQ1マイナス1つそして半分回IQR
そしてQ3プラスワンそしてある半分回IQR方法論、
それ本当に許可します私たちに別潜在的外れ値からの主要データ。
それまた与える私たちあるフレームワーク
によるどれのに裁判官かどうかのアッパーヒゲ
はより大きなまたは小さいよりもあるより低いヒゲ。
それでそれらの二コンポーネントののプロット
本当にヘルプ私たち、それよりも、見るもしだった訓練された歪度
そして潜在的辺境のこれ。
これはある個性的特徴のの箱ひげ図。
の5番目の質問はある少しもっと面白い。
なに？の関係間の四分位間範囲、
それ距離間Q1そしてQ3、
そしての標準偏差、どれの私たちはできる計算するのためにどれでもデータセット、
関係なくのどうやってその配布されましたか？
もしのデータは普通、
何についてもしのデータは歪んだまたは異常なまたはピークに達した
またはどれでも他の形？
良い、私たちは知る、ベースのの上理論、
それの比率ののIQR、標準偏差に
は1.35のために普通データ。
何するだろうそれ比率見てのようにもしのデータそうではなかった普通？
良い、私たちはできる探検するそれでJMP、
そして私は行くに見せるあなたそれ本当に素早く。
こちらですのデータセット。
私はまた行くに役職これの上のコミュニティ。
の初めにすること私は行くにするは行く先にそして見せるあなた
どうやって私得るにあるビジュアル州
どこ私たちはできる見る全ての箱ひげ図一緒に、
それなしの配布物。
これは面白い、
しかし私は行くに行く先にそして始めるからの始まり。
私は行くに分析する分布。
私はするつもりだ見せるあなたどうやって私得たそこには。
私は実は行くにクリックすべて、
そしてJMPは行くに与える自分あるヒストグラムそしてある箱ひげ図一緒に。
あtの終わりののプレゼンテーション、
だった行くに要約するなぜそれは重要。
しかし何私は行くにするここは私は行くに行く先にそして振り向くオフのヒストグラム、
私できる行く先にそしてカスタマイズの幅ここのの線。
私できるコピーこれカスタマイズ以上、
どれのは本当にニース。
私は行くに所有下のコントロール鍵なぜなら私はの上あるパソコン。
私は行くに右クリック
そしてそれから私は行くに打つ編集、コピー、PアストCカスタマイズ、
そしてそれは行くに持ってくる彼ら全て以上。
私は実は行くに所有下のコントロール鍵またそしてサイズ変更これ
だから私はできるサイズ変更彼ら全て一緒に。
今私は行くに最小化するの分位数セクション、
なぜなら私は行くに得るの情報それ私必要
からのまとめ統計セクション。
私実は持っているのIQRそしてある標準偏差示されているここ。
あけれども私できたカスタマイズこれ、どちらかここまたはでのプロパティ、
どれの私できるアクセス下ファイル、環境設定そして下の分布プラットホームグループ。
何私は行くにするは私は実は行くに作る
これ情報の中へあるデータテーブル
そして私は行くに右-クリックそして選択する、作る組み合わせたデータテーブルにするそれ。
今私のみ必要のIQRそしてその標準偏差。
私は本当にのみ興味があるでそれ。
それで私は実は行くに選択する、 1つのの標準偏差、
1つののIQR。
私は行くに動く私のカーソル以上ここ
そして選択するマッチングの上全てのの行
それ持っているこれら価値観で彼ら。
私は行くに行く先にそして反転の選択、
消去の行それ私しないでください欲しい、
そして私は左とこれ。
今私はただ行くに行く先にそして再構築のデータ
それでそれ私できる計算するの比率ののIQRにの標準偏差。
それで私はただ行くに使用テーブルスプリットのためにそれ。
私は行くに行く先にそしてスプリットによる列 1
置くカラム2でここ、置くこれらであるグループ。
私は行きますにクリックわかりました。
私持っているのデータどうやって私欲しい。
これショー自分からどれの分布
この統計来たから、
私は行くに行く先にそしてするある新しいフォーミュラCコラム、組み合わせる、比率。
そこにはあなた行く。
これ見た目ある少し少し難しいに解釈するのために自分。
私は行くに行く先にそして変化それそれでそれ私できるのみ見る二小数。
私は得た数字どれのはとても似ている、
それすべきなれ、ともかく、とても似ているに何私持っているでのここにスライドします
詳細の比率ののIQRにの標準偏差。
もちろん、彼らは行くになれ違うなぜならあるよサンプリングエラー。
これテーブルはのみ1つサンプリング実験。
しかしこれはどうやって私できる素早く
そしてインタラクティブに抽出するこれ情報
そして本当に理解する、何するこれ比率見てのように
もし私のデータはない普通である特定の方法？
私たちはできる見るここ、それの価値観それ傾向があるになれより低い
でのピーク分布のの1つと異常値、
の価値観それ傾向があるになれより高いよりもの典型的な
またはの期待される理論的1、3、5普通、
は行くになれのユニフォーム、の右歪んだそしてバイモーダル。
次質問、何ですかの理想的外れ値パーセント
もしの分布は完璧に普通？
良い、それターン外それもし私たちは見てでの教科書または減らすシミュレーション、
の上平均、私たちはすべき見るについて0.7%ののポイント超えてのフェンス、
である普通分布、
またはで少しでも多分ない超えてのフェンス、しかしもし私たちはだったにするあるコントロールチャート、
私たちはするだろう確かに見るについて、
どれのは下の予測の正常。
のために例、
もし私たちはだったにするの個人移動中範囲チャート、私たちはするだろう見るその周り0.7%
ののポイントの上平均いる外の限界。
それでものために実用的目的、
私たちはできたおそらく言う、
もし私たちは見たについて3 %または少ないのの分布超えての限界、
私たちはするだろう考慮するそれ約普通。
なぜはそれ質問重要？
良い、私たちはできる使用の割合ののポイント超えてのフェンス
である箱ひげ図いつのサンプルサイズは小さい
に決定するかどうかまたはない私たちは持っているいくつかの証拠の正常
の上の基礎の異常値。
それでももし私たちのサンプルサイズはあまりにも大きい、
それからだった行くに見るたくさんそしてたくさんのポイント超えてそれらのフェンス。
それでその本当に重要それ私たちは考慮するある」合理的サンプルサイズ。"
そしてそれは一部のの理由なぜ私たちはのみ考慮された100行で私たちのプロジェクト。
次質問、何ですかの違い間
ある四分位範囲そしてある分位数範囲ボックスプロット?
良い、である実用的コンテクスト、ともかく、私たちはできる話すについて
の外れ値を探索するユーティリティでJMP 16、
どれのある許可します私たちに調整するの質問、
どれのはの乗数の上のIQR
そしてのしっぽ分位数、
どれのは本質的にどうやってのデータは分割された上。
私たちはできるカスタマイズそれ範囲。
私はただ行くに見せるあなた何それ見た目のように本物素早く。
私は行くに行くの中へ分析して、
私は行くに行くにふるい分け、
探検する異常値。
私は行くにするこれの上私の生データ。
私は実は行くに近いこれ。
私は行くに行く戻るにの生データテーブル。
病気ただ選ぶあるカップルのこれら。
病気実は選ぶのものそれ私持っているで私のスライドにピークでの異常値。
私は行くに行く先にそして使用の分位数範囲異常値。
私は行くに調整するこれに何の箱ひげ図は 0.25 を使用します。そして1.5.
私は行くにクリック再スキャン
そしてJMPはこうするつもりだ識別する潜在的外れ値ここ。
どうやってするこれ接続するにの分布プラットホーム？
良い、もし私たちは行く以上ここ、
私たちは見てでこれ、
何だった行くに見る、
はそこにははある番号の外れ値ここ。
私は実は行くに選択するの行、
私は行くに行く以上ここ。
良い、やあそして見よ、そのこれら価値観。
それであなた得た1、2、3、4、5、6、7。
あるよセブン異常値。
1、2、3、4、5、6、7。
それ正方形上。
それはその通り何私たちはするだろう期待する。
同様に、私たちは持っています得た1、2、3、4、
そしてもし私たちはスクロール以上ここ、そして下の異常値、
見る私たちが終わったらここはに四。
素晴らしい。
行きます戻るにのスライドここ、私たちはできるカスタマイズこれ。
そしてそれは実は何私たちは得るの中へでその後質問10.
どうやってする私たちは決定するかどうか外れ値は限界的なまたは過激？
良い、そしてなぜはそれ重要？
良い、私たちはできる調整するの感度
のの外れ値検出ベースのの上の乗数の上のIQR
その間維持するのしっぽ分位数の同じ。
あなたかもしれない直感的に期待する
それもしあなただったに取るQ₃プラスαより大きな番号回のIQR、
その行くに伸ばすのヒゲ長さそして同様に、の上のより低い側。
それは行くに平均それもっとポイントは行くに秋内部。
それで少ない外れ値するだろうなれ検出されました。
私たちはすべきなれできるに見るそれそしてテストそれJMPで。
それでもし私だったに増加これに二そしてクリック再スキャン、
私たちは見るある少し外れ値なる一部のの箱ひげ図、
または私たちはできる想像するある状況どこそれはの場合。
病気増加これに三つ、
病気打つリスキャン
私たちは見るさらに少ない外れ値いる特定されたまだ。
あs私行く上にQ に等しい五、
今私のみ持っている1つ外れ値検出されましたでのピークカラムのデータ。
それでのアイデアここはそれ私たちはできる開発する基準のために質問、のために例、
私たちはかもしれない位置するそれと三つ、状況どこデータかもしれないなれ考慮された
ある活版印刷エラー、どこそれかもしれないなれの過激またはさらに極端な外れ値。
私たちはかもしれないセットQ等しいたとえば次の場合は 1.5
私たちは、潜在的な外れ値であると考えていますかもしれないなれ関連すると変動性
によりの測定システムまたは特別なプロセス変化。
私たちはできるするいくつかのシミュレーションに基づく私たちの応用
そして、それが何であるかを決定します価値のQ入っているはずですこれら特定のシナリオ。
接続とそれ、で質問10、
私たちは触れたある少し少しの上GRRまたは測定システム変動性。
質問8話すある少しちょっと、
それは行きますある少し少しもっと深くの中へこれそしてもたらす一緒にいくつかのアイデア。
のアイデアここはそれ私たちは実際に検討するかもしれない
の距離間のアッパーフェンスそしての最初の外れ値
またはの最初の可能性外れ値シリーズの異常値。
私たちは5月伸ばすそれアッパーフェンスによるある距離のシグマの2倍
期限にの測定システム変動性。
でこれところで、私たちは実際に検討しています
の変動性によりの測定システム。
そしてだった尋ねる私たち自身、はこれ潜在的価値
内でのノイズのの測定システムまたはない？
だった作成あるグラフィカルなちなみに、ブレンドされたグラフィックとは、
の決定するかどうかの価値は合理的
下期待あれt測定がありますシステム変動性。
私持っているここの距離間の限界的な外れ値とひげ
すべきなれ比較したにのGRRノイズ標準偏差。
もしその内で二標準偏差、私たちはしないでください持っている95 %自信
これを結論付けるために限界的な外れ値異なりますからのヒゲ。
これはただあるグラフィカルなバージョンのある1つ-サンプルて、テストで効果。
私たちはできた実は構築するある1つ-サンプルて、テスト
この赤い線を私たちのものとして使用します目標そしての観察された価値、
またはそれよりも想定されるシリーズの値、この黒い点、
として私たちの分布相対的にそれ目標。
の次質問、どうやって多くのポイント私たちはしますか必要本当にに生産するある箱ひげ図
もしだったサンプルサイズ限定？
良い、私たちはかもしれない必要で少しでもセブンポイント、
そして私たちのシミュレーションでこれ特定のサンプリング実験ショーそれ。
なに？ハプニングここ？
良い、それぞれのこれら三つデータセット持っているの同じ中央値。
あなたできる見るでこれデータセット、そこにはは六観察。
でこれ1つそこにははセブン、そしてそれからこれ1つそこにはは八。
しましょう始めるの上の左、実は、
そして私たちは持っている八観察、 1つ外ここその周り15.
何もし私たちは減らすの観測値の数が 7 に
そして私たちは実は含まれていますのここでも同じ観察があり、
しかし私たちは減らす1つのの他は？
何もし私たちは減らすそれさらに遠くその間維持するの同じ中央値？
それから何私たちは見るはそれこの外れ値 15、
どれのはまだでのデータセット、いいえより長いですになるの外れ値。
でエッセンス、それになる吸収されたひげの中に自体。
の他のものそれは面白いこの簡単な実験について、
はそれのIQRになる7から6になると膨らみます。
私たちはできる見るそれ視覚的にそれとして
Q1 から Q3 までのこのボックスの幅になる多くのもっと広い。
私たちはできるまた見るそれ数値的にここ。
私実は欲しいに見せるあなたどうやって私たちはかもしれない探検するそれでJMP。
こちらですいくつかのデータ。
そのないの同じデータ、しかしここにありますいくつかのデータ。
私ただ作成したあるカラムそれランクのデータ。
あ得、私ただ使用のインスタントカラム式。
私できるするそれによる選択するこれらのオプションの 1 つ、
それで私信じるその下配布的な。
今、何私は行くにする行きますかに行く先にそしてただ時計これデータ。
私は行くに振り向くのヒストグラムの上その側。
私は実は行くに呼び出すのローカルデータフィルター。
私は行くに持ってくるでそれランクカラムそれ私は行くにまずそれを序数にして、
それでそれ私できる選択するデータ個別に
それよりもよりも下の予測のの継続的な分布。
私は行くに選択するすべて。
今、しましょう見る、もし私行く戻るにのデータテーブル、
私知るそれ8を表しますの最高、の最大価値。
病気保つ8でそこには、
そして病気ただ始める減らすいくつかのの低い値
によるホールディング下私のコントロール鍵そしてクリックするそれ、
どれの意思効果的に取り除くそれポイント動的にからこれ分析。
私得たのコントロール鍵下そしてクリックしたまた、もう一度クリックしてください。
あなた見たそれそこには、低い側にある 1 つの異常値、
ともかく、でこれ場合、ただ消えた。
あるよある関係の間での距離間にフェンスそしてのポイント、
どれのは計算されたの上の基礎ののデータ
ここで中央値と四分位数はは計算された
ベースのの上のデータそれはでの分析。
これ与えるあなたあるより良い手段の感謝するどうやっての箱ひげ図
として変化していますある関数のデータそれはどちらかですでまたは外のの分析。
これはある本当に素晴らしいいいね特徴
私が本当にのようにに使用ある多くで多くのコンテキスト。
なに？のアドバンテージロバストフィット外れ値のアルゴリズム、
どれのはあるJMP 16アルゴリズム？
それ与える私たち別の手段の検出する異端性。
私たちは持っているの能力に使用あるコーシー方法
どれの頻繁避けるの歪みの影響、
どれのできるなれ役に立つのために実用的状況。
私たちはできるまた使用ある3-sイグマまたは K-シグマ乗算器
で注文にヘルプ検出する異端性。
全てのこれらメソッド本当にヘルプ私たち
潜在的な外れ値を実際の外れ値から分離する
そしてヘルプ私たち作成するある合理的信号検出と方法論
私たちと同じようにするもし私たちはだったに使用コントロールグラフ化する
そして管理図を作成します限界
のために私たちの特定の実験的なまたは製造業応用。
13.できる私たちは含むのサンプルサイズ情報での箱プロット？
さて、これはどこの箱プロット始まりますに現在あるクリア制限。
そこにはそうではありませんどれでもサンプルサイズ情報明示的にでの箱ひげ図。
あただし、私たちはする持っているのグラフビルダーの機能
ノッチ箱ひげ図を作成するには、どれの与えるあなた何か
のような自信間隔の上の中央値、
のエッジ示すある自信間隔で中央値。
私たちはまた持っているの能力でグラフキャプションボックスを呼び出すビルダー
これはとても便利です特徴のために要約のデータ
グラフィック的にそれなし必要としているに提供するの追加表形式データ出力。
しかしのコース、それ情報は完全に隠れたにの箱ひげ図自体。
接続済みにそれは、できる私たちは作るどれでも決断
どのレベルでも統計的自信もしだったただ探しているでのボックスプロット?
の答えはいいえ。
でこれ特定のたとえば、実際にデザインしました
それでの中央値だったわずかに違うの上平均。
そしてそれでだった取得いくつかの分離の間での中央値間のグループ。
私たちは使用済みにフィットYによるバツでこれコンテクスト。
何これショーはそれの平均[聞き取れない 00:29:27]
を表します平均、平均的なダイヤモンドは非重複。
それ見た目のように全て横切って全て4つのグループが比較され、
どれのを示しますそれあるよいくつかの証拠
それあるよある違いでの手段間のグループ。
私たちはできるまた見るの違いでの中央値。
私たちはできるするある非パラメトリックテスト。
でこれ場合、だったを使用してある非制御付きパラメトリック鋼試験、
どこのコントロールはただのZ普通。
だった見るいくつかの別居の証拠、
統計的分離の間でのこの特定の例では中央値です。
その難しいのために私たちに検出するそれそしてそれを箱ひげ図で見てください。
で事実、それ本当にそうではありませんそれクリアで全て。
どうやってできる私たちは教えてもし私たちは持っているどれでも懸念と尊敬にカートオーシス?
なに？尖度？
尖度は基本的にのアイデアそれもしそれがポジティブ尖度、
あなたするだろう持っているデータそれは濃縮での真ん中、
あなたのデータそれは潰された一緒にの中への真ん中のの分布。
それはこれ例での右。
もしあなた持っていたの理想化された場合極度のネガティブな尖度、
あなたはそうするだろう持っているあるユニフォーム分布どこのデータは本当に広める外。
何あなたできる見るでこれらグラフ相対的にの普通分布、
はそれの50 %密集ゾーン、示されたによるこれ赤バー、
は基本的にについてとして長さとして間の距離Q1そしてQ3ここ、
しかしそのの上1つ側のの中央値、
の上1つ側のの中央値そしてのユニフォーム場合。
そのについてとして長さとしてこれ箱幅それからそのまたの上1つ側のの中央値。
それはある個性的特性特徴のこれユニフォーム分布形。
もし私たちは見てでのピーク状況、
私たちは見るそれの箱幅たくさんあるもっと圧縮された
そして最短の半値幅また〜だとほぼ同じのボックスの幅、
最も短い半分はほとんど密集地域それよりもとして中心にあるについての中央値。
それは似ているに何あなたするだろう正規分布の場合を参照してください。
どこの50 %密集地域意思なれほぼ中央
の上の平均またはの中央値そしてについての同じ幅としての箱。
明らかに、の差別化要因ここそれは？の距離は削減とてもある少し。
本当にの取り除くここ、けれど、
はそれこれタイプの解釈は本当に難しい。
そしてそれするだろうなれより簡単にのために私たち頼るのヒストグラムで明らかな形状
よりもに試すに見てでの箱ひげ図別々に。
質問16はとても15に似ています。
何についてでのコンテクストのデータそれもっているもっとよりも1つモード？
何についてある二峰性分布？
良い、私ただ取ったの箱ひげ図そして引っ張られた彼ら左側に出て、
彼らはからのピクチャーの上の右。
私たちはできない本当に見るある全体多くの違いの間でこれら。
その難しいのために私たちに解釈するこれ。
しかし一度私たちは置くのヒストグラムを見るとわかります明らかにもし私たちはフィットある二-ピーク分布
それあるよ二モードでこれデータ、そしてあるよ多分1つモード、
多分ある小さいモード、しかし本当に本質的に1つモードでのデータの上の左。
の箱ひげ図そうではありません特に良い
で検出するそれ面前の複数モード。
の最後質問は、どうやって多くの「正規性違反故障モード」
できる私たちは検出するとのボックスプロット?
これ質問もたらす全ての他のもの一緒に。
良い、もし私たちは持っている歪度、
私たちは持っています示されているそれ私たちは持っているある強い能力に検出するそれ。
もし私たちは持っている潜在的外れ値、
私たちは絶対に持っているある強い能力に検出するそれ。
もし私たちは持っている尖度、
どれのは本当に関連しているにの形そのままもしそこにはは複数モード、
それから私たちは本当にしないでください持っているある強い能力に検出するそれ。
もしだった検討中仮説テスト、
私たちには間違いなく能力それを検出するためにどちらかとの箱ひげ図。
なに？の持ち帰り？
良い、の箱ひげ図は間違いなく強力な視覚化ツールです。
そのある素晴らしい入門道具、
そしてそれもっているある素晴らしい能力に個別の歪度
から潜在的辺境のらしさ。
しかしそれもっているその制限。
でケースどこだった探しているでクルトティック形またはある二峰性
またはマルチモダリティ、のヒストグラムは絶対にあるより良い選択。
それは本当におそらくなぜJMPヒストグラムと箱ひげ図の両方を一緒に使用します
での分布データがどのように動作しているかを視覚化するプラットフォーム、
もしあなた意思。
のコース、追加する説明的な統計
本当に私たちを助けてくれるラウンド上の写真どこ持っているあるグラフィカルな最初のアプローチ。
これはただ、また、ある要約の何私たちは持っています議論しました。
しかし最後カップルの分、
私ただ欲しいに見せるあなたあるカップルもっとものについてのデータセット自体。
なぜなら私考えるこれは多分のほとんど役に立つ側面ののプロジェクト。
どうやってかもしれない私たちはセット上あるデータセットのようにこれ？
全て私たちは本当に持っているにするにシミュレートするJMPのデータ
はただ作成するいくつかの行そして作成しますある関数、
ランダム普通関数。
のプロセスそれ私たちはやった、一方通行あなたできたするこれはあなたいうことができた、
わかった、あなたできる行くの中へあるカラム式…
私にさせてただ見せるあなたこれ。
あなたできるただダブル-クリックの中へそれ、そしてあなたできるクリック式、
あなたできる編集の式。
あなたできる行く以上ここにこれらランダム関数、
あなたできるクリックそれで、そしてそれからあなたできる特定ある人口シグマの意味。
ゼロそして1つによるデフォルト、クリックわかりました、そしてそれから私できる追加ある束の行。
病気行く先にそして追加100行。
何についてこれら他の配布物？
一様な配布は、私たちはできる使用のランダムユニフォーム関数。
そしてそれから私たちはできる特定ある分そしてマックス価値。
でこれ場合、
私ただ指定されたの最小これのカラム、
これ通常は配布されたデータカラム、そしてのマックスはの最大。
そしてそれからついに、として私言及された、
私標準化されたのカラムそれでそれそうだったの上の同じ数値規模。
これ標準化するこれカラム、
標準化された特徴は一般に全てのこれら列。
今、の最後もの私欲しいに本当に早く話してください
は、良い、何についてピーク？
何について右歪んだ、そして平バイモーダル？
良い、 1つののもの私たちはできるそれは本当に素晴らしいことだと思うのですが、
は私たちはできる使用の分布JMPの計算機
にヘルプ私たち理解する確かなこと分布種類見てのように。
私はただ行くに行くの中へそれここ。 私は行くにただドライブ下でここ。
病気共有とあなたの位置ここのこれ脚本。
その行くになれ下電卓。 そうではありません。
その行くになれ配布の下にあります。
発生器。
分布電卓、電卓では、はい。
どうやってかもしれない私作成するある分布それは右歪んでいる？
どれのランダム関数するだろう私使用？
良い、私持っているの能力に見てのいくつかでこれらディストリビューションを参照してください
のために例、
もし私特定あるランダムFそして私これらのパラメータを指定し、
それから私は取得ある分布とこれ一種の歪み。
そしてそれから私できる言う、良い、
何起こるもし私変化これらパラメーターある少し少し？
どうやってはそれ行くに変化の分布？
私できる使用これ洞察力にパラメータを指定する
のためにのランダムな分布それ私特定で私のデータセット。
で事実、それは何私したここ。
何した私するのためにのピークに達した1つ？
良い、もし私見てでのT分布、そして私減らすの度の自由、
私は行くに得るある分布それは比較的ピーク。
私は行くにを参照してください。ポジティブ尖度でそれ。
それは1つ方法私できる理解するこれらの分布の形状
それでそれ私できるそれらを自分の利益のために利用する
にする違う何もし分析JMPで。
私はただ行くに素早く行く戻るに私のスライド。
感謝あなたとても多くののために聞いている。
もしあなた持っているどれでも質問、
私見てフォワードに受信彼らの上のユーザーコミュニティ。
私としては言及された、これプロジェクト意思なれ投稿されましたそこには、
そしてのまとめ抽象的な掲載されていますでこれリンクここ。
感謝またか。
