你好，
我正在尝试调整单向分析报告中直方图的箱体大小，我知道这个问题之前已经被问过并回答过，您需要使用：
DispatchSeg( Hist Seg( 1 ), Bin Span( x, y ))
但是，以前的答案说要查看脚本索引以获取更多信息，但我在脚本索引上找不到有关此内容的任何信息。
我无法弄清楚 x 和 y 实际上与箱子大小有何关系，以及如何获得我想要的合理箱子大小。
有人可以具体说明 x 和 y 如何影响箱子大小吗？
谢谢
通过一些试验和错误，我得出 Bin Span (x, y) 的结论：
x = 每个 bin 的大小；与使用手形工具和水平拖动相同的功能
y = 每个 bin 的偏移量；与使用手形工具和垂直拖动的功能相同
（这适用于方差分析平台——我没有检查其他直方图）
下面的代码使用 Big Class 示例文件演示了这一点。
Names Default To Here (1);
dt = open ("$SAMPLE_DATA/big class.jmp");
//a bin for each data point
Oneway(
Y( :weight ),
X( :age ),
Histograms( 1 ),
SendToReport(
Dispatch(
{},
"Oneway Report",
FrameBox,
{DispatchSeg( Hist Seg( 1 ), Bin Span( 1, 0 ) )}
)
)
);
//huge bin
Oneway(
Y( :weight ),
X( :age ),
Histograms( 1 ),
SendToReport(
Dispatch(
{},
"Oneway Report",
FrameBox,
{DispatchSeg( Hist Seg( 1 ), Bin Span( 100, 0 ) )}
)
)
);
//medium bins with some offset
Oneway(
Y( :weight ),
X( :age ),
Histograms( 1 ),
SendToReport(
Dispatch(
{},
"Oneway Report",
FrameBox,
{DispatchSeg( Hist Seg( 1 ), Bin Span( 10, 50 ) )}
)
)
);
>>对于不同的数据集和轴来说，这似乎真的很随意。
我完全同意。 这篇维基百科文章有大约 10 种不同的“经验法则”来确定 bin 大小。 根据我的经验，我通常只是接受 JMP 提供的功能，如果我对形状有疑问，我会切换到 Shadowgram，这完全避免了 bin 大小问题。
我想我的问题是“大小”与数据集和/或轴有何关系？
对于不同的数据集和轴来说，这似乎确实是任意的。
尺寸 10 在一张图表上可能看起来很棒，但在另一张图表上却看起来很糟糕。
