Bonjour d'un utilisateur novice. Notre organisation a récemment mis à jour JMP 17 à partir de JMP 15. L'étendue typique de mon analyse consiste à évaluer des ensembles de données pour la normalité et à calculer des intervalles de tolérance. Il a été porté à mon attention que l'utilisation de l'outil "Enable Legacy Fitters" et l'utilisation d'une transformation Johnson Su donneront des paramètres de transformation différents de ceux de l'utilisation du nouveau "Fit Johnson", même si les résultats de Johnson Su sont les meilleurs. De plus, forcer une transformation de Johnson Su peut, de manière situationnelle, entraîner un ensemble de données distribuées normalement, tandis que l'utilisation de la nouvelle transformation sur la même distribution entraînera un ensemble de données non normal.
J'ai joint un exemple de cela et j'apprécierais toute idée de la raison pour laquelle cela peut se produire et de la manière dont je peux mieux utiliser la fonction de transformation de Johnson.
J'aimerais également avoir des conseils sur cette enquête. J'ai remarqué la même chose et je me demande si une explication peut être fournie.
