平滑曲线拟合中的默认内核标准（分发平台）在“分布”平台中选择“平滑曲线”时，JMP 会显示拟合的核密度函数以及用于改变“核标准”的滑块。
运气不好，我在手册中查找了有关 JMP 如何设置默认内核标准的任何详细信息。 我还针对不同大小的数据集试验了 StdDev（或 SE）与默认 Kernel Std 之间的比率，以便找到任何一致的模式。
有谁知道 JMP 如何选择默认的 Kernel Std，即在用户触摸滑块之前最初显示的那个？
其次，是否可以通过 JSL 脚本设置内核标准？
消息编辑者：MS回复：平滑曲线拟合中的默认内核标准（分发平台）自从这篇文章写于 2009 年以来，JMP 的文档和方法已经更新了一些，因此我想花点时间根据这一点为原始问题提供一个更新的答案。 虽然我无法评论通过 JSL 设置内核标准的方法，但“内核标准”的默认估计（在 JMP 15 之前的平滑曲线的传统拟合器中），也称为内核“带宽”（在 JMP 15 及更高版本中可用的 Modern Fitter 中）是：
其中 S 是样本标准差，n 是样本大小。这是根据 JMP 17.0.0 文档库， https://www.jmp.com/content/dam/jmp/documents/en/support/jmp17/jmp-documentation-library.pdf，看第 9 章，质量和过程方法 p。那本书的第 262 页（已编译 PDF 的第 4778 页，共 7206 页）。请注意，可以在 JMP 支持文档的在线版本中找到相同的公式和参考，网址为： https://www.jmp.com/support/help/en/17.0/#page/jmp/individual-detail-reports.shtml#
您可以在 Diameter.jmp 示例数据集上对此进行测试，在这种情况下，我将显示 Distribution 摘要静态，同时调用 Smooth Curve Fitter 的旧版本和当前版本，其中 Kernel Std = Bandwidth = 0.0965983 默认情况下：
带宽 = (0.9*(0.32119547))/(240)^(1/5) = 0.0965983
回复：平滑曲线拟合中的默认内核标准（分布平台）“分布”平台中的“平滑曲线”是一个核密度估计器。您说得对，估算初始核标准差的方法并没有包含在文档中，但这是故意为之。这个方法很复杂，我们觉得最好不要尝试记录它。核标准差无法通过 JSL 设置，但我认为最好能用 JSL 设置。
JMP v9 中的“分布”平台将新增一种可供拟合的分布，称为“正态混合”。如果分布是多峰的，它会将正态分布（具有独立的均值和方差）拟合到每个组。最终的概率密度函数是各分量概率密度函数的加权和。我之所以这么说，是因为平滑曲线只是正态混合的一个特例。如果拟合了足够多的组，正态混合拟合与平滑曲线拟合基本相同。但是，正态混合拟合有一个很大的优势，那就是它更容易理解和解释。回复：平滑曲线拟合中的默认内核标准（分布平台）谢谢您的回复！
我之所以问这个问题，是因为我想弄清楚，在分布明显不对称或多峰的情况下，能否使用分位数进行平滑曲线拟合，作为一种稳健的方法来定期识别实验室间测试中的异常值。我可以通过 JSL 设置和检索分位数，但我不确定默认的 Kernel Std 是否适用于每轮测试，因为这些测试的参与者数量或分布形状可能有所不同。
如果能用 JSL 将核标准差设置为例如标准差的 3/4（或其他值），那就太好了。不过，JMP 的定义和默认选项虽然过于复杂，难以记录，但或许足以比较不同数据集之间的核密度分位数。
在一些教科书或其他统计软件的文档中，它被称为核密度“带宽”。这与JMP的Kernel Std相比如何？
（顺便说一句，我期待 JMP v9，作为 Macintosh 用户，我非常欢迎至少一些基本的 Applescript 支持的回归）
消息由 MS 编辑
消息由 MS 编辑回复：平滑曲线拟合中的默认内核标准（分布平台）可能有点晚了，但我在寻找设置核值的帖子时找到了。这里有一个解决方案，可以创建一个可重现的、带宽可调的平滑拟合，以防有人再次搜索到它。不过我希望 Jmp 团队能够改进这一点……
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
dst=Distribution(
Automatic Recalc( 1 ),
Continuous Distribution(
Column( :height ),
Vertical( 0 ),
Fit Distribution( Smooth Curve ),
Confidence Interval( 0.95 )
),
Histograms Only
);
dstr=dst<
<REPORT></REPORT>
回复：平滑曲线拟合中的默认内核标准（分布平台）是的，也叫带宽。
如果数据只是简单的不对称，那么许多可用的分布都能拟合它。尤其是约翰逊分布和对数分布。它们可以处理严重的偏斜。如果偏斜程度不是太严重，那么一些常见的分布或许也能适用，比如威布尔分布或对数正态分布。当然，对于不同的偏斜形状，拟合参数也会有所不同。
如果数据是多峰的，那么现在唯一的选择就是平滑曲线拟合。如果每个数据集的形状相对相同，那么估计的核标准差将大致相似。如果形状差异很大，那么核标准差就会不同。不要尝试比较核标准差，但可以粗略地比较分位数。我还没有正式研究过平滑曲线拟合在不同样本（这些样本应该相似或不同）上的性能，所以我对这些只是猜测。当然，分位数会根据平滑曲线的过拟合或欠拟合而变化。
如果您想估算分位数而不必担心拟合分布，可以使用公式编辑器中“统计”组下的经验分位数函数。“表格”>“摘要”也可以导出分位数
如果你想调查异常值，有时最好的识别方法是用眼睛观察。比如在直方图或异常值箱线图上。但是，我相信也许有一种自动化/定量的方法来做到这一点。然而，对一个拟合分布来说是异常值的东西，对另一个拟合分布来说可能不是。
