Bien, agradecer tú todos para unión a mí.
Este es a Descubrimiento Cumbre 2022 presentación,
cortesía de mi copresentadores, Charles Chen y Masón Chen.
Mi nombre es Patricio Juliano.
El título de este hablar es,
Diagrama de caja A análisis: Mezcla Científico y Artístico Consulta
en la universidad variar Respuesta Caracterización.
Aquí está el abstracto.
Tú poder encontrar este en el JMP Usuario C comunidad
en el Descubrimiento 2022 comunidad página,
DÓLAR ESTADOUNIDENSE es descubrimiento 2022 comunidad página.
Soy poniendo él aquí para referencia.
I voluntad proporcionar a enlace en el diapositivas
a el comunidad página dónde el proyecto voluntad vivir.
Qué el motivación para este ¿proyecto?
El Diagrama de caja es uno de el mayoría popular gráfico herramientas
a visualizar a univariado distribución de datos.
Este proyecto estudios cómo a usar el Diagrama de caja a analizar datos efectivamente.
Mayoría gente OMS usar el Diagrama de caja no usar él necesariamente
a determinar el forma de el distribución de el datos.
En hecho, muchos gente usar él incorrectamente a dibujar significar o significar comparación decisiones,
y ellos puede asumir normalidad basado en simetría,
cuando en hecho, el normalidad suposición
haría de hecho no ser razonable si ellos eran a llevar a cerca mirar
en el forma de el datos en a histograma, para ejemplo.
El objetivo de este proyecto es a demostrar cómo a usar JMP
específicamente dieciséis, a interpretar información en a Diagrama de caja
y a mejorar competencia
en a global comunidad de científicos y ingenieros
eso son en realidad bajo a DMEIC o APS,
o Inclinarse tipo Seis Sigma metodología,
cual es muy popular, obviamente, hoy y encima el último pocos décadas.
El interesante cosa acerca de este proyecto es nosotros enmarcado él
en el contexto de 17 prueba preguntas.
Este es a pregunta y respuesta deslizar cubierta.
Y Soy no yendo a ir en también mucho detalle
acerca de cada y cada pregunta,
cual h I voluntad espectáculo tú aquí.
Pero qué Identificación como a hacer es espectáculo tú a pequeño poco acerca de
cómo tú poder usar JMP a explorar el respuesta a estos preguntas,
porque I pensar eso es en realidad el mayoría interesante y divertido parte.
El lo primero I buscado a hacer es justo rápidamente ir encima qué a Diagrama de caja es.
Entonces qué es el anatomía de a ¿Gráfico de caja?
Justo como a refresco para alguno de tú, o introducción para alguno de tú,
el mediana es indicado por el línea media,
y es referido a como el segundo cuartilla, Q2
o el 50 percentil.
Entonces Q1 es referido a como el 25 percentil.
Q3 es el 75 percentil, como tú poder ver aquí.
El intercuartil rango, o RIQ,
es el diferencia entre Q3 y P1.
El otro importante elementos son nosotros tener qué llamado
a bigote en el más bajo lado y en el superior lado.
A la derecha en el fin de eso bigote, a veces nosotros referirse a él como la cerca
y tu lo harás ver a vertical línea
y JMP sorteos a vertical línea a indicar eso borde.
Qué importante acerca de este es eso este ubicación es de hecho
Q1 menos 1.5 veces el RIQ,
cual es representado por el distancia entre este borde y este borde.
Este punto y el superior cerca es
Q3 más uno y a medio veces el RIQ.
Entonces eso define el superior borde.
Entonces cualquier puntos eso son más allá de estos bordes o vallas
son consideró potencial valores atípicos.
Y ellos de hecho espectáculo arriba por ellos mismos como puntos
mientras el descansar de el datos en el medio de el histograma
es no mostrado para énfasis en el puntos eso son más allá de el más allá de estos vallas.
Soy yendo a saltar bien en.
Cómo hizo nosotros explorar y desarrollar el respuestas a estos preguntas,
y en alguno casos, incluso refinar el preguntas ¿ellos mismos?
Bien, nosotros creado a simulado datos mesa en JMP dieciséis,
dónde nosotros construido 100 filas de datos,
y nosotros construido datos, primero de a normal distribución,
y entonces aplicado alguno transformación a eso datos.
Nosotros ver eso nosotros tener a normalmente repartido datos
dibujado de a población el significar de cero y a Desviación Estándar de uno.
Entonces nosotros tener uniformemente repartido datos.
Entonces nosotros tener datos eso es puntiagudo,
es decir tiene a positivo Curtosis.
Entonces nosotros tener datos eso es bien sesgado,
tiene dos modos,
tiene alguno valores atípicos acerca de 3 % en promedio
y entonces números enteros.
En todo el casos, con el excepción de el bimodal,
nosotros justo basado el simulado fórmula,
en el original normal columna.
El forma eso nosotros poner todo el datos en el mismo escala
es nosotros usar el columna estandarizado función
entonces eso nosotros podría comparar todo el datos
relativo a cada otro en el distribución plataforma.
Este es justo a avance de eso.
Enfermo saltar encima a JMP y espectáculo tú eso.
Pero de nuevo, todo de este datos es centrado a una media de aproximadamente cero
y a estándar desviación, aproximadamente uno.
Nosotros cubierto el primera pregunta.
Por qué yo s a diagrama de caja, a veces referido a como a cinco- punto ¿trama?
Bien, allá son cinco principal puntos .
hay Q1, hay Q2 en el medio, hay Q3,
y entonces allá son el bigotes, el superior y más bajo .
Próximo pregunta.
Qué son el dos maneras eso el Diagrama de caja poder determinar
quién y dónde ahí el distribución es sesgado?
Bien, nosotros poder mirar en el ancho de el caja sí mismo.
Nosotros poder también mirar en el ancho de el bigotes.
En este bien sesgado ejemplo,
tú poder ver eso superior bigote es mucho más extenso que el más bajo uno.
Entonces eso haría implicar eso el datos es bien sesgado.
En otro palabras, eso el cola en el datos,
si tú eran a imaginar eso distribución, es apuntando a el bien.
En tercer lugar, ¿por qué? hace el El diagrama de caja incluye el mediana y no el ¿significar?
Bien, a Diagrama de caja usos el mediana a determinar o indicador oblicuidad.
Entonces si el distribución es normal, entonces el significar es igual a el mediana.
Y en hecho, qué tú haría ver aquí es eso este mediana línea en el medio
haría línea arriba exactamente con el bordes de este diamante,
el medio de este diamante.
En eso caso, tú haría efectivamente tener a situación
dónde estás no en realidad perdiendo cualquier información
porque el la distribución es simétrica.
El mediana en general, entonces podría ser consideró mejor,
a pesar de todo de si el distribución es normal o no normal.
Cuatro, por qué es el Caja Trama el mayoría poderoso visualización herramienta,
o uno de el mayoría poderoso herramientas a separado oblicuidad y parte aislada ¿problemas?
Cuando nosotros habló acerca de este idea eso porque el Diagrama de caja usos
este Q1 menos uno y medio veces RIQ
y Q3 más uno y a medio veces RIQ metodología,
él en realidad permite a nosotros a separado potencial valores atípicos de el principal datos.
Él también da a nosotros a estructura
por cual a juez si el superior bigote
es más grande o menor que a más bajo bigote.
Entonces aquellos dos componentes de el trama
en realidad ayuda a nosotros, bastante, ver si eran entrenado oblicuidad
y potencial periférico este.
Esto es a único característica de el Diagrama de caja.
El quinta pregunta es a pequeño más interesante.
Qué el relación entre el intercuartil rango,
eso distancia entre Q1 y Q3,
y el estándar desviación, cual nosotros poder calcular para cualquier datos colocar,
a pesar de todo de cómo es ¿repartido?
Si el datos es normal,
qué acerca de si el datos es sesgado o no normal o puntiagudo
o cualquier otro ¿forma?
Bien, nosotros saber, basado en teoría,
eso el relación de el RIQ, a la desviación estándar
es 1.35 para normal datos.
Qué haría eso relación mirar como si el datos no fue ¿normal?
Bien, nosotros poder explorar eso en JMP,
y Soy yendo a espectáculo tú eso en realidad rápidamente.
Aquí está el datos colocar.
Soy también yendo a correo este en el comunidad .
El lo primero Soy yendo a hacer es ir adelante y espectáculo tú
cómo I conseguir a a visual estado
dónde nosotros poder ver todo el Diagramas de caja juntos,
sin el distribuciones.
Este es interesante,
pero Soy yendo a ir adelante y comenzar de el comienzo.
Soy yendo a analizar distribución.
voy a espectáculo tú cómo I consiguió allá.
Soy de hecho yendo a hacer clic todo,
y JMP es yendo a dar a mí a histograma y a Diagrama de caja juntos.
A t el fin de el presentación,
eran yendo a resumir por qué eso es importante.
Pero qué Soy yendo a hacer aquí es Soy yendo a ir adelante y doblar apagado el histograma,
I poder ir adelante y personalizar el ancho aquí de el líneas.
I poder Copiar este personalización encima,
cual es en realidad lindo.
Soy yendo a sostener abajo el control llave porque Soy en a ORDENADOR PERSONAL.
Soy yendo a bien hacer clic
y entonces Soy yendo a golpear Editar, Copiar, P. aste C personalizaciones,
y eso es yendo a traer a ellos todo encima.
Soy de hecho yendo a sostener abajo el control llave de nuevo y cambiar el tamaño este
para que yo poder cambiar el tamaño a ellos todo juntos.
Ahora Soy yendo a minimizar el cuantil sección,
porque Soy yendo a conseguir el información eso I necesidad
de el resumen Estadísticas sección.
I de hecho tener el RIQ y a estándar desviación mostrado aquí.
A aunque I podría personalizar este, cualquiera aquí o en el propiedades,
cual I poder acceso bajo Archivo, Preferencias y bajo el distribución plataforma grupo.
Qué Soy yendo a hacer es Soy de hecho yendo a hacer
este información en a datos mesa
y Soy yendo a bien- hacer clic y seleccionar, Hacer Conjunto Datos Mesa a hacer eso.
Ahora I solo necesidad el RIQ y el estándar desviación.
Soy en realidad solo interesado en eso.
Entonces Soy de hecho yendo a seleccionar, uno de el estándar desviaciones,
uno de el IQR.
Soy yendo a mover mi cursor encima aquí
y seleccionar Pareo en todo de el filas
eso tener estos valores en a ellos.
Soy yendo a ir adelante y invertir el selección,
borrar el filas eso I no desear,
y Soy izquierda con este.
Ahora Soy justo yendo a ir adelante y reestructurar el datos
entonces eso I poder calcular el relación de el RIQ a el estándar desviación.
Entonces Soy justo yendo a usar Mesa Dividir para eso.
Soy yendo a ir adelante y dividir por columna 1
poner columna 2 en aquí, poner estos en a grupo.
Voy a hacer clic DE ACUERDO.
I tener el datos cómo I desear.
Este muestra a mí de cual distribución
estas estadísticas vino de,
Soy yendo a ir adelante y hacer a Nuevo Fórmula C columna, Combinar, Relación.
Allá tú ir.
Este aspecto a pequeño poco duro a interpretar para a mí.
Soy yendo a ir adelante y cambiar él entonces eso I poder solo ver dos decimales.
He consiguió números cual son muy similar,
él debería ser, de todos modos, muy similar a qué I tener en el desliza aquí
detallando el relación de el RIQ a el estándar desviación.
Por supuesto, ellos son yendo a ser diferente porque hay muestreo error.
Este mesa es solo uno muestreo experimento.
Pero este es cómo I poder rápidamente
y interactivamente extracto este información
y en realidad entender, qué hace este relación mirar como
si mi datos es no normal en a particular ¿forma?
Nosotros poder ver aquí, eso el valores eso tender a ser más bajo
en el cima distribución de el uno con valores atípicos,
el valores eso tender a ser más alto que el típico
o el esperado teórico 1, 3, 5 normal,
son yendo a ser el uniforme, el bien sesgado y bimodal.
Próximo pregunta, qué el ideal parte aislada por ciento
si el distribución es perfectamente ¿normal?
Bien, él vueltas afuera eso si nosotros mirar en el libros de texto o reducir simulación,
en promedio, nosotros debería ver acerca de 0,7% de el puntos más allá de el vallas,
en a normal distribución,
o en el menos tal vez no más allá de el vallas, pero si nosotros eran a hacer a control cuadro,
nosotros haría ciertamente ver acerca de,
cual es bajo el suposición de normalidad.
Para ejemplo,
si nosotros eran a hacer un individual Moviente rango cuadro, nosotros haría ver alrededor 0,7%
de el puntos en promedio ser afuera el límites.
A pesar de para práctico propósitos,
nosotros podría probablemente decir,
si nosotros sierra acerca de 3 % o menos de el distribución más allá de el límites,
nosotros haría considerar él aproximadamente normal.
Por qué es eso pregunta ¿importante?
Bien, nosotros poder usar el proporción de el puntos más allá de el vallas
en a Diagrama de caja cuando el muestra tamaño es pequeño
a determinar si o no nosotros tener alguno evidencia de normalidad
en el base de valores atípicos.
A pesar de si nuestro muestra tamaño es también grande,
entonces eran yendo a ver lotes y lotes de puntos más allá de aquellos vallas.
Entonces es en realidad importante eso nosotros considerar a " razonable muestra tamaño."
Y eso es parte de el razón por qué nosotros solo consideró 100 filas en nuestro proyecto.
Próximo pregunta, qué el diferencia entre
a cuartilla rango y a cuantil rango ¿Gráfico de caja?
Bien, en a práctico contexto, de todos modos, nosotros poder hablar acerca de
el Explorar valores atípicos utilidad en JMP dieciséis,
cual a permite a nosotros a ajustar el P,
cual es el multiplicador en el RIQ
y el cola cuantil,
cual es esencialmente cómo el datos es dividido arriba.
Nosotros poder personalizar eso rango.
Soy justo yendo a espectáculo tú qué eso aspecto como real rápidamente.
Soy yendo a ir en Analizar,
Soy yendo a ir a Poner en pantalla,
Explorar Valores atípicos.
Soy yendo a hacer este en mi crudo datos.
Soy de hecho yendo a cerca este.
Soy yendo a ir atrás a el crudo datos mesa.
Enfermo justo elegir a pareja de estos.
Enfermo de hecho elegir el unos eso I tener en mi diapositivas a cima en el valores atípicos.
Soy yendo a ir adelante y usar el cuantil rango valores atípicos.
Soy yendo a ajustar este a qué el Usos del diagrama de caja: 0,25 y 1.5.
Soy yendo a hacer clic Volver a escanear
y JMP va a identificar potencial valores atípicos aquí.
Cómo hace este conectar a el distribución ¿plataforma?
Bien, si nosotros ir encima aquí,
nosotros mirar en este,
qué eran yendo a ver,
es allá son a número de valores atípicos aquí.
Soy de hecho yendo a seleccionar el filas,
Soy yendo a ir encima aquí.
Bien, mira y Mirad, es estos valores.
Entonces tú consiguió 1, 2, 3, 4, 5, 6,7.
hay Siete valores atípicos.
1, 2, 3, 4, 5, 6,7.
Eso cuadrícula arriba.
Eso es exactamente qué nosotros haría esperar.
Similarmente, hemos consiguió 1, 2, 3, 4,
y si nosotros Desplazarse encima aquí, y bajo el valores atípicos,
ver si hemos terminado aquí son a cuatro.
Excelente.
Yendo atrás a el diapositivas aquí, nosotros poder personalizar este .
Y eso es de hecho qué nosotros conseguir en en subsecuente Pregunta 10.
Cómo hacer nosotros determinar si valores atípicos son marginal o ¿extremo?
Bien, y por qué es él ¿importante?
Bien, nosotros poder ajustar el sensibilidad
de el parte aislada detección basado en el multiplicador en el RIQ
mientras acuerdo el cola cuantil el mismo.
Tú podría intuitivamente esperar
eso si tú eran a llevar Q₃ más un más grande número veces el RIQ,
es yendo a extender el bigote longitud y de manera similar, en el más bajo lado.
Eso es yendo a significar eso más puntos son yendo a caer adentro.
Entonces menos parte aislada haría ser detectado.
Nosotros debería ser capaz a ver eso y prueba eso en JMP.
Entonces si I eran a aumentar este a dos y hacer clic volver a escanear,
nosotros ver a pocos valores atípicos convertirse parte de el diagrama de caja,
o nosotros poder imaginar a situación dónde eso es el caso.
Enfermo aumentar este a tres,
Enfermo golpear Re escanear
nosotros ver aún menos valores atípicos ser identificado aún.
A s I ir arriba a Q igual a cinco,
ahora I solo tener uno parte aislada detectado en el cima columna de datos.
Entonces el idea aquí es eso nosotros poder desarrollar criterios para P, para ejemplo,
nosotros podría situar él con tres, una situacion dónde datos podría ser consideró
a tipográfico error, dónde él podría ser un extremo o valor atípico más extremo.
Nosotros podría colocar q igual 1,5 si, por ejemplo,
Creemos que el posible valor atípico podría ser asociado con variabilidad
debido a el medición sistema o especial proceso variación.
Nosotros poder hacer alguno simulación Residencia en nuestro solicitud
y decidir cuál es el valor de q debería estar en estos particular escenarios.
En conexión con eso, en Pregunta 10,
nosotros tocado a pequeño poco en GRR o medición sistema variabilidad.
Pregunta 8 negociaciones a pequeño un poco sobre,
va a pequeño poco Más adentro en este y trae juntos alguno ideas.
El idea aquí es eso nosotros en realidad podría considerar
el distancia entre el superior cerca y el primer valor atípico
o el primer potencial parte aislada serie de valores atípicos.
Nosotros puede extender eso superior cerca por a distancia de dos veces el sigma
pendiente a el medición sistema variabilidad.
En este manera, en realidad estamos considerando
el variabilidad debido a el medición sistema.
Y eran preguntando nosotros mismos, es este potencial valor
dentro el ruido de el medición sistema o ¿no?
Eran creando a gráfico manera, un gráfico combinado significa
de determinando si el valor es razonable
bajo la expectativa eso t hay medidas sistema variabilidad.
I tener aquí el distancia entre el marginal valor atípico y el bigote
debería ser comparado a el GRR ruido estándar desviación.
Si es dentro dos estándar desviaciones, nosotros no tener 95 % confianza
para concluir esto marginal parte aislada es diferente de el bigote.
Este es justo a gráfico versión de a uno- muestra T- prueba en efecto.
Nosotros podría de hecho construir a uno- muestra T- prueba
usando esta línea roja como nuestra objetivo y el observado valor,
o bastante ficticio serie de valores, este punto negro,
como nuestro distribución relativo a eso objetivo.
El próximo pregunta, cómo muchos puntos Hacemos necesidad en realidad a producir a Diagrama de caja
si eran muestra tamaño ¿limitado?
Bien, nosotros podría necesidad en el menos Siete puntos,
y nuestra simulación en este particular muestreo experimento muestra eso.
Qué sucediendo ¿aquí?
Bien, cada de estos tres datos conjuntos tener el mismo mediana.
Tú poder ver en este datos colocar, allá son seis observaciones.
En este uno allá son Siete, y entonces este uno allá son ocho.
vamos comenzar en el izquierda, de hecho,
y nosotros tener ocho observaciones, uno afuera aquí alrededor 15.
Qué si nosotros reducir el número de observaciones a siete
y nosotros de hecho incluido el misma observación aquí,
pero nosotros reducir uno de el ¿otros?
Qué si nosotros reducir él más mientras manteniendo el mismo ¿mediana?
Entonces qué nosotros ver es eso este valor atípico 15,
cual es aún en el datos colocar, No más extenso se convierte un parte aislada.
En esencia, él se convierte absorbido en el bigote sí mismo.
El otro cosa eso es interesante sobre este sencillo experimento,
es eso el RIQ se convierte inflado cuando pasamos de siete a seis.
Nosotros poder ver eso visualmente como eso
el ancho de este cuadro de Q1 a Q3 se convierte mucho más amplio.
Nosotros poder también ver eso numéricamente aquí.
I de hecho desear a espectáculo tú cómo nosotros podría explorar eso en JMP.
Aquí está alguno datos.
Es no el mismo datos, pero aquí está alguno datos.
I justo creado a columna eso rangos el datos.
A ganar, I justo usar un instante columna fórmula.
I poder hacer eso por seleccionando una de estas opciones,
entonces I creer es bajo distributivo.
Ahora, qué Soy yendo a hacer es que me voy a ir adelante y justo reloj este datos.
Soy yendo a doblar el histograma en es lado.
Soy de hecho yendo a invocar el filtro de datos locales.
Soy yendo a traer en eso rango columna eso Soy yendo a hazlo ordinal primero,
entonces eso I poder seleccionar datos individualmente
bastante que bajo el suposición de el continuo distribución.
Soy yendo a seleccionar todo.
Ahora, vamos ver, si I ir atrás a el datos mesa,
I saber eso 8 representa el más alto, el más grande valor.
Enfermo mantener 8 en allá,
y Enfermo justo comenzar reduciendo alguno de los valores más bajos
por tenencia abajo mi control llave y haciendo clic eso,
cual voluntad efectivamente eliminar eso punto dinamicamente de este análisis.
I consiguió el control llave abajo y hizo clic de nuevo, haga clic de nuevo.
Tú sierra él allá, ese valor atípico en el lado bajo,
de todos modos, en este caso, justo desapareció.
hay a relación entre el distancia Entre los vallas y el puntos,
cual es calculado en el base de el datos
donde la mediana y los cuartiles son calculado
basado en el datos eso es en el análisis.
Este da tú a mejor medio de apreciando cómo el Diagrama de caja
está cambiando como a función de datos eso es cualquiera en o afuera de el análisis.
Este es a en realidad súper Frío característica
que yo realmente como a usar a lote en muchos contextos.
Qué el ventaja de un valor atípico de ajuste robusto algoritmo,
cual es a JMP dieciséis ¿algoritmo?
Él da a nosotros otro medio de detector marginalidad .
Nosotros tener el capacidad a usar a cauchy método
cual a menudo evita el impacto de la asimetría,
cual poder ser útil para práctico situaciones.
Nosotros poder también usar a 3-s igma o un multiplicador K-sigma
en orden a ayuda detectar marginalidad .
Todo de estos métodos en realidad ayuda a nosotros
separar los valores atípicos potenciales de los valores atípicos reales
y ayuda a nosotros crear a razonable detección de señal y metodología
de manera similar a como podríamos hacer si nosotros eran a usar control trazando
y construir un gráfico de control con límites
para nuestro particular experimental o fabricación solicitud.
13. Poder nosotros incluir el muestra tamaño información en el Caja ¿Trama?
Bien, esto es dónde el Caja Trama empieza a presente a claro limitación.
Allá no es cualquier muestra tamaño información explícitamente en el Diagrama de caja.
A aunque, nosotros hacer tener el habilidad en el generador de gráficos
para crear un diagrama de caja de muesca, cual da tú algo
como un confianza intervalo en el mediana,
el bordes indicar a confianza intervalo sobre el mediana.
Nosotros también tener el capacidad en grafico constructor para invocar el cuadro de título
lo cual es muy útil característica para resumen de datos
gráficamente sin necesitando a proporcionar un adicional tabular datos producción.
Pero de curso, eso información es completamente oculto a el Diagrama de caja sí mismo.
Conectado a eso es, poder nosotros hacer cualquier decisión
con cualquier nivel de estadístico confianza si eran justo mirando en el ¿Gráfico de caja?
El respuesta es No.
En este particular ejemplo, en realidad lo diseñamos
entonces el medianas eran levemente diferente en promedio.
Y entonces eran conseguir alguno separación entre el medianas entre el grupos.
Nosotros usado a adaptar Y por X en este contexto.
Qué este muestra es eso el significar [inaudible 00:29:27]
representa el significar, los diamantes malos son no- superposición.
Él aspecto como todo al otro lado de todo cuatro grupos comparados,
cual indica eso hay alguna evidencia
eso hay a diferencia en el medio entre el grupos.
Nosotros poder también ver el diferencia en el medianas.
Nosotros poder hacer a no- paramétrico prueba.
En este caso, eran usando a no- ensayo paramétrico de acero con control,
dónde el control es justo el z normal.
Eran vidente alguno evidencia de separación,
estadístico separación entre el medianas en este caso particular.
Es duro para a nosotros a detectar eso y vea eso en el diagrama de caja.
En hecho, él en realidad no es eso claro en todo.
Cómo poder nosotros decir si nosotros tener cualquier inquietud con respeto a kurt osis ?
Qué ¿Curtosis?
La curtosis es básicamente el idea eso si fuera un positivo curtosis,
tú haría tener datos eso es concentrado en el medio,
su datos eso es aplastado juntos en el medio de el distribución.
Eso es este ejemplo en el bien.
Si tú tenía un idealizado caso de extrema negatividad curtosis,
tu lo harías tener a uniforme distribución dónde el datos es en realidad desparramar afuera.
Qué tú poder ver en estos graficos relativo a el normal distribución,
es eso el 50 % denso zona, indicado por este rojo bar,
es básicamente acerca de como largo como la distancia entre Q1 y Q3 aquí,
pero es en uno lado de el mediana,
en uno lado de el mediana y el uniforme caso.
Es acerca de como largo como este caja ancho entonces es también en uno lado de el mediana.
Eso es a único característica característica de este uniforme distribución forma.
Si nosotros mirar en el cima situación,
nosotros ver eso el caja ancho es mucho más comprimido
y la mitad más corta del ancho es también casi lo mismo que el ancho de la caja,
la mitad más corta es la mayoría denso región bastante como centrado acerca de el mediana.
Eso es similar a qué tú haría ver para el caso de distribución normal,
dónde el 50 % denso región voluntad ser sobre centrado
en el significar o el mediana y acerca de el mismo ancho como el caja.
Claramente, el diferenciador aquí es eso el distancias son reducido bastante a poco.
En realidad el llevar aquí, aunque,
es eso este tipo de interpretación es en realidad difícil.
Y él haría ser más fácil para a nosotros confiar en el forma que se evidencia en el histograma
que a intentar a mirar en el Diagramas de caja por separado.
Pregunta dieciséis es muy similar a 15.
Qué acerca de en el contexto de datos eso tiene más que uno ¿modo?
Qué acerca de a bimodal ¿distribución?
Bien, I justo tomó el Diagramas de caja y tirado a ellos hacia la izquierda,
ellos son de el fotos en el bien.
Nosotros no poder en realidad ver a entero lote de diferencia entre estos.
Es difícil para a nosotros a interpretar este.
Pero una vez nosotros poner el histogramas, podemos ver claramente si nosotros adaptar a dos- distribución de picos
eso hay dos modos en este datos, y hay tal vez uno modo,
tal vez a pequeño modo, pero en realidad esencialmente uno modo en el datos en el izquierda.
El Diagrama de caja no es particularmente bueno
en detector eso presencia de múltiple modos.
El último pregunta es, cómo muchos "modos de falla de violación de la normalidad"
poder nosotros detectar con el ¿Gráfico de caja?
Este pregunta trae todo el otro unos juntos.
Bien, si nosotros tener oblicuidad,
hemos mostrado eso nosotros tener a fuerte capacidad a detectar eso.
Si nosotros tener potencial valores atípicos,
nosotros definitivamente tener a fuerte capacidad a detectar eso.
Si nosotros tener curtosis,
cual es en realidad relacionado a el forma como es si allá son múltiple modos,
entonces nosotros en realidad no tener a fuerte capacidad a detectar eso.
Si eran considerando hipótesis pruebas,
Definitivamente no tenemos un capacidad para detectar eso cualquiera con el Diagrama de caja.
Qué el ¿para llevar?
Bien, el Diagrama de caja es Definitivamente una poderosa herramienta de visualización.
Es a excelente introductorio herramienta,
y eso tiene a maravilloso capacidad a asimetría separada
de potencial periférico ness.
Pero él tiene es limitaciones.
En casos dónde eran mirando en kurtótico forma o a bimodalidad
o multimodalidad, el histograma es definitivamente a mejor elección.
Eso es en realidad probablemente por qué JMP utiliza el histograma y el diagrama de caja juntos
en el distribución plataforma para visualizar cómo se comportan los datos,
si tú voluntad.
De curso, agregando descriptivo Estadísticas
nos ayuda de verdad redondo arriba el imagen donde estamos tener a gráfico primer enfoque.
Este es justo, de nuevo, a resumen de qué hemos discutido.
Pero el último pareja de minutos,
I justo desear a espectáculo tú a pareja más cosas acerca de el datos colocar sí mismo.
Porque I pensar este es tal vez el mayoría útil aspecto de el proyecto.
Cómo podría nosotros colocar arriba a datos colocar como ¿este?
Todo nosotros en realidad tener a hacer a simular datos en JMP
es justo crear alguno filas y luego crear a función,
Cualquiera normal función.
El proceso eso nosotros lo hizo, de una manera tú podría hacer este es tú Podrías decir,
bueno, tú poder ir en a columna fórmula…
Déjame justo espectáculo tú este.
Tú poder justo doble- hacer clic en él, y tú poder hacer clic Fórmula,
tú poder editar el fórmula.
Tú poder ir encima aquí a estos funciones aleatorias,
tú poder hacer clic él en, y entonces tú poder especificar a población significa en Sigma.
Cero y uno por por defecto, hacer clic DE ACUERDO, y entonces I poder agregar a racimo de filas.
Enfermo ir adelante y agregar 100 filas.
Qué acerca de estos otro distribuciones?
Un uniforme la distribución es, nosotros poder usar el aleatorio uniforme función.
Y entonces nosotros poder especificar a mín. y máx. valor.
En este caso,
I justo especificado el mínimo de esta columna,
este normalmente repartido datos columna, y el Max es el máximo.
Y entonces finalmente, como I mencionado,
I estandarizado el columna entonces eso fue en el mismo numérico escala.
Este estandarizar este columna,
estandarizado característica es común a todo de estos columnas.
Ahora, el último cosa I desear a hablar de muy rápido
es, Bueno, qué acerca de ¿cima?
Qué acerca de bien sesgado, y incluso bi ¿modal?
Bien, uno de el cosas nosotros poder hacer, lo cual realmente creo que es genial,
es nosotros poder usar el distribución calculadora en JMP
a ayuda a nosotros entender que cierto distribución tipos mirar como.
Soy justo yendo a ir en él aquí. Soy yendo a justo conducir abajo en aquí.
Enfermo compartir con tú el ubicación aquí de este guion.
Es yendo a ser bajo Calculadora. Que no es.
Es yendo a ser en Distribución.
Generador.
Distribución calculadora, en las calculadoras, Sí.
Cómo podría I crear a distribución eso es bien sesgado?
Cual aleatorio función haría I ¿usar?
Bien, I tener el capacidad a mirar en algunos de estos distribuciones y ver
para ejemplo,
si I especificar a aleatorio F y I especificar estos parámetros,
entonces Soy conseguir a distribución con este tipo de asimetría.
Y entonces I poder decir, Bueno,
qué sucede si I cambiar estos parámetros a pequeño ¿poco?
Cómo es eso yendo a cambiar el ¿distribución?
I poder usar este conocimiento a especificar los parámetros
para el distribuciones aleatorias eso I especificar en mi datos colocar.
En hecho, eso es qué I hizo aquí.
Qué hizo I hacer para el puntiagudo ¿uno?
Bien, si I mirar en el t distribución, y I reducir el grados de libertad,
Soy yendo a conseguir a distribución eso es relativamente cima.
Soy yendo a ver un positivo Curtosis en eso.
Eso es uno forma I poder entender la forma de estas distribuciones
entonces eso I poder usarlos a mi favor
a hacer diferente qué si análisis en JMP.
Soy justo yendo a rápidamente ir atrás a mi diapositivas.
Agradecer tú muy mucho para escuchando.
Si tú tener cualquier preguntas,
I mirar adelante a recepción a ellos en el usuario comunidad.
como yo mencionado, este proyecto voluntad ser al corriente allá,
y el resumen abstracto esta publicado en este enlace aquí.
Agradecer Tú otra vez.
