Méthode JSL pour obtenir les limites de contrôle supérieures à partir de l'analyse des valeurs aberrantes multivariéesQu'est-ce qui a inspiré cette demande de liste de souhaits ?
L'analyse des valeurs aberrantes de la plate-forme multivariée vous permet d'enregistrer les distances Mahalanobis, les distances Jackknife, etc. dans une colonne.Il les tracera et affichera une limite de contrôle supérieure calculée sur celles de l'alpha actuel - très utile pour utiliser les distances afin d'évaluer si un point est une valeur aberrante.JMP place une valeur unique (c'est-à-dire la valeur Jackknife) dans les propriétés de la colonne (c'est-à-dire dans la colonne Distances Jackknife) qui correspond à cette UCL.Cependant, s'il y avait un groupe Par, il existe des valeurs UCL distinctes pour chaque groupe (en fonction du nombre de points non manquants dans le groupe) et cette valeur unique dans les propriétés de la colonne semble concerner uniquement le dernier groupe.
On pourrait penser que vous pourriez les extraire du rapport de la plateforme, mais cela ne semble pas être le cas - ils sont dans des Framebox, pas dans des zones de texte dans le rapport et je ne vois pas de moyen d'extraire ces valeurs.
Quelle est l’amélioration que vous souhaiteriez voir ?
Dans mon cas d'utilisation, avec un By Group, j'aimerais également que les UCL soient dans une colonne.Mais ce que j'aimerais voir, c'est peut-être la possibilité de demander ces informations à la plate-forme, peut-être de la même manière que vous pouvez demander un ajustement au modèle d'ajustement pour diverses valeurs calculées à l'aide de <
Connexe : ce serait bien si dans des cas comme celui-ci il y avait un bon moyen de « Obtenir ce que sont les groupes afin de mieux utiliser cette liste de valeurs ? Au moins, je ne sais pas comment faire cela sans l'analyser à partir des noms de boîtes de contour sur le rapport.Ce serait bien d'obtenir une liste pratique dans le même ordre que les valeurs de ce que vous obtenez de <
Pourquoi cette idée est-elle importante ?
Je pense que la raison pour laquelle les UCL sont utiles est claire : c'est à quoi compareriez-vous la distance afin de voir si la distance est grande, pour une confiance donnée ?
Voici un message de la communauté dans lequel quelqu'un voulait cette valeur, mais il n'utilisait tout simplement pas By, je suppose, car il était satisfait de la valeur unique dans les propriétés de la colonne : Résolu : Valeurs prédites par Jackknife - Communauté d'utilisateurs JMP
Automatisation et scriptsAnalyse et modélisation des données de baseRe : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesVous pouvez exporter ces valeurs avec des scripts. Ce n'est pas la meilleure méthode mais devrait montrer que c'est possible
Names Default To Here(1);
dt = Open("$SAMPLE_DATA/Solubility.jmp");
dt << New Column("Group", Numeric, Continuous, Formula(
If(Row() < 20, 1, Row() < 40, 2, 3);
));
mv = dt << Multivariate(
Y(:Ether, :Chloroform, :Benzene, :Carbon Tetrachloride, :Hexane),
Variance Estimation("Row-wise"),
Scatterplot Matrix(1),
By(:Group)
);
mv << Jackknife Distances(1, Save Jackknife Distances);
window = mv[1] << Top Parent;
fbs = window << XPath("//OutlineBox[text()='Jackknife Distances']//FrameBox");
fbs_of_interest = fbs[2::NItems(fbs)::2];
segs = fbs_of_interest << Find Segs(CustomStreamSeg(1));
seg_scripts = segs << get script;
ucls = {};
For Each({seg_script}, seg_scripts,
Insert Into(ucls, seg_script[1]["Text"][2]);
);
show(ucls);Re : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesIntelligent!J'avais essayé d'utiliser FindSegs sans succès.Mais cela ne change pas mon souhait de pouvoir demander directement ces valeurs.
Re : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesBravo + Bravo pour la bonne solution de contournement 
@jthi comment as-tu découvert que c'était CustomStreamSeg ?
Y a-t-il quelque chose comme << lister les segments ?
Re : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesTrès probablement en devinant et en essayant différentes choses (je sais que c'est FrameBox -> je sais qu'il pourrait y avoir des segments d'affichage -> allez à partir de là (vérifiez XML, utilisez << find segs... ou commencez simplement par XML). Accéder à cet étrange CustomStreamSeg n'est pas nécessaire car vous pouvez obtenir la valeur UCL de FrameBox "antérieur" en accédant à son LineSeg
Names Default To Here(1);
dt = Open("$SAMPLE_DATA/Solubility.jmp");
dt << New Column("Group", Numeric, Continuous, Formula(
If(Row() < 20, 1, Row() < 40, 2, 3);
));
mv = dt << Multivariate(
Y(:Ether, :Chloroform, :Benzene, :Carbon Tetrachloride, :Hexane),
Variance Estimation("Row-wise"),
Scatterplot Matrix(1),
By(:Group)
);
mv << Jackknife Distances(1, Save Jackknife Distances);
window = mv[1] << Top Parent;
linesegs = window << XPath("//FrameBox[@helpKey = 'Multiv Outlier']/LineSeg[@description='UCL Line']");
ucls = {};
For Each({yvals}, linesegs << Get Y Values,
Insert Into(ucls, yvals[1]);
);
show(ucls);Re : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesMerci
bonne astuce pour utiliser le XML ici également - je m'attendais à ce qu'il s'arrête au niveau FrameBox.
cool que XPath fonctionne ici aussi...
Re : Méthode JSL pour obtenir les limites de contrôle supérieures à partir d'une analyse multivariée des valeurs aberrantesQuelques autres observations à ce sujet qui pourraient valoir la peine d'être examinées : lorsque vous enregistrez les distances Jackknife de cette façon (à partir de l'analyse des valeurs aberrantes de la plate-forme multivariée), vous n'obtenez pas de colonne de formule, bien que vous le fassiez si vous enregistrez les distances de Mahalanobis ou T au carré. Les résultats pour les distances Jackknife correspondent à la formule décrite dans la documentation des méthodes multivariées, mais cela n'entraîne pas systématiquement une valeur manquante pour le cas simple 1-D où toutes les autres valeurs sont les mêmes, donc leur écart type est de 0, cela peut entraîner soit manquant, soit une valeur très importante dans ce cas.
