Also, Dank Du alle für Beitritt Mich.
Das Ist a Entdeckung Gipfel 2022 Präsentation,
Anstand von Mein Mitmoderatoren, Charles Chen Und Mason Chen.
Mein Name Ist Patrick Julianisch.
Der Titel von Das sprechen Ist,
Boxplot A Analyse: Mischen Wissenschaftlich Und Künstlerisch Anfrage
in Uni VERSCHIEDEN Antwort Charakterisierung.
Hier ist Die Abstrakt.
Du dürfen finden Das An Die JMP Benutzer C Gemeinschaft
In Die Entdeckung 2022 Gemeinschaft Seite,
US D Entdeckung 2022 Gemeinschaft Seite.
Ich bin Putten Es Hier für Referenz.
I Wille bieten a Link In Die Folien
Zu Die Gemeinschaft Seite Wo Die Projekt Wille live.
Was ist Die Motivation für Das Projekt?
Der Boxplot Ist eins von Die am meisten beliebt grafisch Werkzeuge
Zu visualisieren a univariat Verteilung von Daten.
Das Projekt Studien Wie Zu verwenden Die Boxplot Zu analysieren Daten effektiv.
Am meisten Menschen WHO verwenden Die Boxplot nicht verwenden Es unbedingt
Zu bestimmen Die Form von Die Verteilung von Die Daten.
In Tatsache, viele Menschen verwenden Es zu Unrecht Zu ziehen bedeuten oder bedeuten Vergleich Entscheidungen
Und Sie Mai annehmen Normalität basierend An Symmetrie,
Wann In Tatsache, Die Normalität Annahme
würde Genau genommen nicht Sei vernünftig Wenn Sie war Zu nehmen a näher sehen
bei Die Form von Die Daten An a Histogramm, für Beispiel.
Der Objektiv von Das Projekt Ist Zu zeigen Wie Zu verwenden JMP
speziell 16, Zu interpretieren Information In a Boxplot
Und Zu verbessern Kompetenz
In a global Gemeinschaft von Wissenschaftler Und Ingenieure
Das Sind Wirklich unter a DMEIC oder APS,
oder Mager Typ Sechs Sigma Methodik,
welche Ist sehr beliebt, offensichtlich, Heute Und über Die zuletzt wenige Jahrzehnte.
Der interessant Ding um Das Projekt Ist Wir gerahmt Es
In Die Kontext von 17 Quiz Fragen.
Das Ist a Frage Und Antwort gleiten Deck.
Und Ich bin nicht gehen Zu gehen hinein zu viel Detail
um jede Und jeder Frage,
welche h I Wille zeigen Du Hier.
Aber Was Ausweis wie Zu Tun Ist zeigen Du a wenig bisschen um
Wie Du dürfen verwenden JMP Zu erkunden Die Antwort Zu diese Fragen,
Weil I denken Das ist Wirklich Die am meisten interessant Und Spaß Teil.
Der als erstes I gesucht Zu Tun Ist Nur schnell gehen über Was a Boxplot Ist.
Also Was Ist Die Anatomie von a Boxplot?
Nur als a Auffrischung für manche von Du, oder Einführung für manche von Du,
Die mittlere Ist angegeben von Die Mittellinie
Und es ist Bezug genommen Zu als Die zweite Quartil, Q2
oder Die 50. Perzentil.
Dann Q1 Ist Bezug genommen Zu als Die 25. Perzentil.
Q3 Ist Die 75. Perzentil als Du dürfen sehen Hier.
Der Interquartil Reichweite, oder IQR,
Ist Die Unterschied zwischen Q3 Und Frage 1.
Der andere wichtig Elemente Sind Wir haben was ist angerufen
a Schnurrhaar An Die untere Seite Und An Die obere Seite.
Genau bei Die Ende von Das Schnurrhaar Manchmal Wir verweisen Zu Es als der Zaun
Und Du wirst sehen a Vertikale Linie
Und JMP Unentschieden a Vertikale Linie Zu angeben Das Rand.
Was ist wichtig um Das Ist Das Das Standort Ist Genau genommen
Q1 minus 1,5 mal Die IQR,
welche Ist dargestellt von Die Distanz zwischen Das Kante und diese Kante.
Dieser Punkt Und Die obere Zaun Ist
Q3 plus eins Und a Hälfte mal Die IQR.
Also Das definiert Die obere Rand.
Dann beliebig Punkte Das Sind darüber hinaus diese Kanten oder Zäune
Sind berücksichtigt Potenzial Ausreißer.
Und Sie Genau genommen zeigen hoch von selbst als Punkte
wohingegen Die ausruhen von Die Daten In Die Mitte von Die Histogramm
Ist nicht gezeigt für Schwerpunkt An Die Punkte Das Sind darüber hinaus Die darüber hinaus diese Zäune.
Ich bin gehen Zu springen Rechts In.
Wie tat Wir erkunden Und entwickeln Die Antworten Zu diese Fragen,
Und In manche Fälle, sogar verfeinern Die Fragen selbst?
Also, Wir erstellt a simuliert Daten Tabelle in JMP 16,
Wo Wir konstruiert 100 Zeilen von Daten,
Und Wir konstruiert Daten, zuerst von a Normal Verteilung,
Und Dann angewandt manche Transformation Zu Das Daten.
Wir sehen Das Wir haben a normalerweise verteilt Daten
gezogen aus a Bevölkerung Die bedeuten von null Und a Standardabweichung von eins.
Dann wir haben gleichmäßig verteilt Daten.
Dann Wir haben Daten Das ist erreichte ihren Höhepunkt
das heißt hat a positiv Kurtosis.
Dann Wir haben Daten Das ist Rechts verzerrt,
hat zwei Modi,
hat manche Ausreißer um 3 % An Durchschnitt
Und Dann Ganze Zahlen.
In alle Die Fälle, mit Die Ausnahme von Die bimodal,
Wir Nur basierend Die simuliert Formel,
An Die Original Normal Spalte.
Der Weg Das Wir setzen alle Die Daten An Die Dasselbe Skala
Ist Wir verwenden Die Spalte standardisiert Funktion
Also Das Wir könnte vergleichen alle Die Daten
relativ Zu jede andere In Die Verteilung Plattform.
Das Ist Nur a Vorschau von Das.
Krank springen über Zu JMP Und zeigen Du Das.
Aber wieder, alle von Das Daten Ist zentriert im Mittel etwa null
Und a Standard Abweichung, etwa eins.
Wir bedeckt Die erste Frage.
Warum ich s a Boxplot, Manchmal Bezug genommen Zu als a fünf- Punkt Handlung?
Also, Dort Sind fünf hauptsächlich Punkte .
Da ist Q1, da ist Q2 In Die Mitte, da ist Q3,
Und Dann Dort Sind Die Schnurrhaare Die obere Und untere .
Nächste Frage.
Was Sind Die zwei Wege Das Die Boxplot dürfen bestimmen
wenn dort die Verteilung Ist verzerrt?
Also, Wir dürfen sehen bei Die Breite von Die Kasten selbst.
Wir dürfen Auch sehen bei Die Breite von Die Schnurrhaare.
In Das Rechts verzerrt Beispiel,
Du dürfen sehen Das obere Schnurrhaar Ist viel länger als Die untere eins.
Also Das würde implizieren Das Die Daten Ist Rechts verzerrt.
In andere Wörter Das Die Schwanz In Die Daten,
Wenn Du war Zu vorstellen Das Verteilung, Ist zeigend Zu Die Rechts.
Drittens, warum? tut Die Boxplots beinhalten Die mittlere Und nicht Die bedeuten?
Also, a Boxplot Verwendung Die mittlere Zu bestimmen oder Messgerät Schiefe.
Also Wenn Die Verteilung Ist Normal, Dann Die bedeuten Ist gleich Zu Die mittlere.
Und In Tatsache, Was Du würde sehen Hier Ist Das Das mittlere Linie In Die Mitte
würde Linie hoch genau mit Die Kanten von Das Diamant,
Die Mitte von Das Diamant.
In Das Fall, Du würde effektiv haben a Situation
Wo du bist nicht Wirklich verlieren beliebig Information
Weil Die Die Verteilung ist symmetrisch.
Der mittlere In allgemein, Dann könnte Sei berücksichtigt besser,
egal von ob Die Verteilung Ist Normal oder nicht normal.
Vierte, Warum Ist Die Kasten Handlung Die am meisten mächtig Visualisierung Werkzeug,
oder eins von Die am meisten mächtig Werkzeuge Zu separate Schiefe Und Ausreißer Probleme?
Wann Wir gesprochen um Das Idee Das Weil Die Boxplot Verwendung
Das Q1 Minus eins Und Hälfte mal IQR
Und Q3 plus eins Und a Hälfte mal IQR Methodik,
Es Wirklich erlaubt uns Zu separate Potenzial Ausreißer aus Die hauptsächlich Daten.
Es Auch gibt uns a Rahmen
von welche Zu Richter ob Die obere Schnurrhaar
Ist größer oder kleiner als a untere Schnurrhaar.
Also diese zwei Komponenten von Die Handlung
Wirklich helfen uns, eher, sehen Wenn war ausgebildet Schiefe
Und Potenzial Außenbezirk Das.
Das ist a einzigartig Besonderheit von Die Boxplot.
Der fünfte Frage Ist a wenig mehr interessant.
Was ist Die Beziehung zwischen Die Interquartil Reichweite,
Das Distanz zwischen Q1 Und Q3,
Und Die Standard Abweichung, welche Wir dürfen berechnen für beliebig Daten Satz,
egal von Wie es ist verteilt?
Wenn Die Daten Ist Normal,
Was um Wenn Die Daten Ist verzerrt oder nicht normal oder erreicht
oder beliebig andere Form?
Also, Wir wissen, basierend An Theorie,
Das Die Verhältnis von Die IQR, zur Standardabweichung
Ist 1,35 für Normal Daten.
Was würde Das Verhältnis sehen wie Wenn Die Daten war nicht Normal?
Also, Wir dürfen erkunden Das In JMP,
Und Ich bin gehen Zu zeigen Du Das Wirklich schnell.
Hier ist Die Daten Satz.
Ich bin Auch gehen Zu Post Das An Die Gemeinschaft .
Der als erstes Ich bin gehen Zu Tun Ist gehen voraus Und zeigen Du
Wie I erhalten Zu a visuell Zustand
Wo Wir dürfen sehen alle Die Boxplots zusammen,
ohne Die Verteilungen.
Das Ist interessant,
Aber Ich bin gehen Zu gehen voraus Und Start aus Die Anfang.
Ich bin gehen Zu analysieren Verteilung.
Ich werde zeigen Du Wie I bekommen Dort.
Ich bin Genau genommen gehen Zu klicken alles,
Und JMP Ist gehen Zu geben Mich a Histogramm Und a Boxplot zusammen.
A t Die Ende von Die Präsentation,
war gehen Zu zusammenfassen Warum Das ist wichtig.
Aber Was Ich bin gehen Zu Tun Hier Ist Ich bin gehen Zu gehen voraus Und drehen aus Die Histogramm,
I dürfen gehen voraus Und anpassen Die Breite Hier von Die Zeilen.
I dürfen Kopie Das Anpassung über,
welche Ist Wirklich Hübsch.
Ich bin gehen Zu halten runter Die Kontrolle Schlüssel Weil Ich bin An a PC.
Ich bin gehen Zu Rechts klicken
Und Dann Ich bin gehen Zu Schlag Bearbeiten, Kopie, P dieses C Anpassungen,
Und Das ist gehen Zu bringen ihnen alle über.
Ich bin Genau genommen gehen Zu halten runter Die Kontrolle Schlüssel wieder Und Größe ändern Das
so dass ich dürfen Größe ändern ihnen alle zusammen.
Jetzt Ich bin gehen Zu minimieren Die Quantil Abschnitt,
Weil Ich bin gehen Zu erhalten Die Information Das I brauchen
aus Die Zusammenfassung Statistiken Abschnitt.
I Genau genommen haben Die IQR Und a Standard Abweichung gezeigt Hier.
A obwohl I könnte anpassen Das, entweder Hier oder In Die Eigenschaften,
welche I dürfen Zugang unter Datei, Präferenzen Und unter Die Verteilung Plattform Gruppe.
Was Ich bin gehen Zu Tun Ist Ich bin Genau genommen gehen Zu machen
Das Information hinein a Daten Tisch
Und Ich bin gehen Zu Rechts- klicken Und wählen, Machen Kombiniert Daten Tisch Zu Tun Das.
Jetzt I nur brauchen Die IQR und die Standard Abweichung.
Ich bin Wirklich nur interessiert In Das.
Also Ich bin Genau genommen gehen Zu wählen, eins von Die Standard Abweichungen,
eins von Die Interquartilsabstände (IQR).
Ich bin gehen Zu bewegen Mein Cursor über Hier
Und wählen Übereinstimmung An alle von Die Zeilen
Das haben diese Werte In ihnen.
Ich bin gehen Zu gehen voraus Und umkehren Die Auswahl,
löschen Die Zeilen Das I nicht wollen,
Und Ich bin links mit Das.
Jetzt Ich bin Nur gehen Zu gehen voraus Und umstrukturieren Die Daten
Also Das I dürfen berechnen Die Verhältnis von Die IQR Zu Die Standard Abweichung.
Also Ich bin Nur gehen Zu verwenden Tisch Teilt für Das.
Ich bin gehen Zu gehen voraus Und Teilt von Spalte 1
setzen Spalte 2 In Hier, setzen diese In a Gruppe.
Ich gehe Zu klicken OK.
I haben Die Daten Wie I wollen.
Das Shows Mich aus welche Verteilung
diese Statistik kam aus,
Ich bin gehen Zu gehen voraus Und Tun a Neu Formel C Spalte Kombinieren, Verhältnis.
Dort Du gehen.
Das Aussehen a wenig bisschen hart Zu interpretieren für Mich.
Ich bin gehen Zu gehen voraus Und ändern Es Also Das I dürfen nur sehen zwei Dezimalzahlen.
Ich habe bekommen Zahlen welche Sind sehr ähnlich,
Es sollen Sei, Trotzdem, sehr ähnlich Zu Was I haben In Die Hier einschieben
Detaillierung Die Verhältnis von Die IQR Zu Die Standard Abweichung.
Natürlich, sie sind gehen Zu Sei anders Weil da ist Probenahme Fehler.
Das Tisch Ist nur eins Probenahme Experiment.
Aber Das Ist Wie I dürfen schnell
Und interaktiv Extrakt Das Information
Und Wirklich verstehen, Was tut Das Verhältnis sehen wie
Wenn Mein Daten Ist nicht Normal In a besondere Weg?
Wir dürfen sehen Hier, Das Die Werte Das neigen Zu Sei untere
bei Die Gipfel Verteilung von Die eins mit Ausreißer,
Die Werte Das neigen Zu Sei höher als Die typisch
oder Die erwartet theoretisch 1, 3, 5 Normal,
Sind gehen Zu Sei Die Uniform, Die Rechts verzerrt und bimodal.
Nächste Frage, was ist Die Ideal Ausreißer Prozent
Wenn Die Verteilung Ist perfekt Normal?
Also, Es Wendungen aus Das Wenn Wir sehen In Die Lehrbücher oder reduzieren Simulation,
An Durchschnitt, Wir sollen sehen um 0,7 % von Die Punkte darüber hinaus Die Zäune,
In a Normal Verteilung,
oder bei am wenigsten vielleicht nicht darüber hinaus Die Zäune, Aber Wenn Wir war Zu Tun a Kontrolle Diagramm,
Wir würde sicherlich sehen um,
welche Ist unter Die Annahme von Normalität.
Für Beispiel,
Wenn Wir war Zu Tun ein Person Bewegung Reichweite Diagramm, Wir würde sehen um 0,7 %
von Die Punkte An Durchschnitt Sein draußen Die Grenzen.
Obwohl für praktisch Zwecke,
Wir könnte wahrscheinlich sagen,
Wenn Wir gesehen um 3 % oder weniger von Die Verteilung darüber hinaus Die Grenzen,
Wir würde halten Es etwa Normal.
Warum Ist Das Frage wichtig?
Also, Wir dürfen verwenden Die Anteil von Die Punkte darüber hinaus Die Zäune
In a Boxplot Wann Die Probe Größe Ist klein
Zu bestimmen ob oder nicht Wir haben manche Beweis von Normalität
An Die Basis von Ausreißer.
Obwohl Wenn unser Probe Größe Ist zu groß,
Dann war gehen Zu sehen viele Und viele von Punkte darüber hinaus diese Zäune.
Also es ist Wirklich wichtig Das Wir halten a " vernünftig Probe Größe."
Und Das ist Teil von Die Grund Warum Wir nur berücksichtigt 100 Zeilen In unser Projekt.
Nächste Frage, was ist Die Unterschied zwischen
a Quartil Reichweite Und a Quantil Reichweite Boxplot?
Also, In a praktisch Kontext, Trotzdem, Wir dürfen sprechen um
Die Ausreißer erkunden Dienstprogramm In JMP 16,
welche a Links uns Zu anpassen Die Q,
welche Ist Die Multiplikator An Die IQR
Und Die Schwanz Quantil,
welche Ist im Wesentlichen Wie Die Daten Ist geteilt hoch.
Wir dürfen anpassen Das Reichweite.
Ich bin Nur gehen Zu zeigen Du Was Das Aussehen wie real schnell.
Ich bin gehen Zu gehen hinein Analysieren,
Ich bin gehen Zu gehen Zu Screening,
Erkunden Ausreißer.
Ich bin gehen Zu Tun Das An Mein roh Daten.
Ich bin Genau genommen gehen Zu schließen Das.
Ich bin gehen Zu gehen zurück Zu Die roh Daten Tisch.
Krank Nur wählen a Paar von diese.
Krank Genau genommen wählen Die eins Das I haben In Mein Folien Zu Gipfel In Die Ausreißer.
Ich bin gehen Zu gehen voraus Und verwenden Die Quantil Reichweite Ausreißer.
Ich bin gehen Zu anpassen Das Zu Was Die Boxplot-Nutzung: 0,25 Und 1.5.
Ich bin gehen Zu klicken Erneut scannen
Und JMP wird identifizieren Potenzial Ausreißer Hier.
Wie tut Das verbinden Zu Die Verteilung Plattform?
Also, Wenn Wir gehen über Hier,
Wir sehen bei Das,
Was war gehen Zu sehen,
Ist Dort Sind a Nummer von Ausreißer Hier.
Ich bin Genau genommen gehen Zu wählen Die Zeilen,
Ich bin gehen Zu gehen über Hier.
Also, Es Und sehen, es ist diese Werte.
Also Du bekommen 1, 2, 3, 4, 5, 6, 7.
Da ist Sieben Ausreißer.
1, 2, 3, 4, 5, 6, 7.
Das Quadrate hoch.
Das ist genau Was Wir würde erwarten.
Ähnlich, wir haben bekommen 1, 2, 3, 4,
Und Wenn Wir scrollen über Hier, Und unter Die Ausreißer,
sehen wenn wir vorbei sind Hier Sind Zu vier.
Großartig.
Gehen zurück Zu Die Folien Hier, Wir dürfen anpassen Das .
Und Das ist Genau genommen Was Wir erhalten hinein In anschließend Frage 10.
Wie Tun Wir bestimmen ob Ausreißer Sind marginal oder extrem?
Also, Und Warum Ist Es wichtig?
Also, Wir dürfen anpassen Die Empfindlichkeit
von Die Ausreißer Detektion basierend An Die Multiplikator An Die IQR
während behalten Die Schwanz Quantil Die Dasselbe.
Du könnte intuitiv erwarten
Das Wenn Du war Zu nehmen Q₃ plus a größer Nummer mal Die IQR,
es ist gehen Zu verlängern Die Schnurrhaar Länge und in ähnlicher Weise An Die untere Seite.
Das ist gehen Zu bedeuten Das mehr Punkte Sind gehen Zu fallen innen.
Also weniger Ausreißer würde Sei erkannt.
Wir sollen Sei fähig Zu sehen Das Und prüfen Das in JMP.
Also Wenn I war Zu Zunahme Das Zu zwei Und klicken Neu scannen
Wir sehen a wenige Ausreißer werden Teil von Die Boxplot,
oder Wir dürfen vorstellen a Situation Wo Das ist Die Fall.
Krank Zunahme Das Zu drei,
Krank Schlag Re Scan
Wir sehen noch weniger Ausreißer Sein identifiziert Trotzdem.
A s I gehen hoch Zu Q gleich fünf,
Jetzt I nur haben eins Ausreißer erkannt In Die Gipfel Spalte von Daten.
Also Die Idee Hier Ist Das Wir dürfen entwickeln Kriterien für Q, für Beispiel,
Wir könnte situieren Es mit drei, eine Situation Wo Daten könnte Sei berücksichtigt
a typografisch Fehler, Wo Es könnte Sei ein extrem oder noch extremerer Ausreißer.
Wir könnte Satz Q gleich 1,5 wenn zum Beispiel
Wir glauben, dass der potenzielle Ausreißer könnte Sei zugehörige mit Variabilität
wegen Die Messung System oder speziell Verfahren Variation.
Wir dürfen Tun manche Simulation bezogen auf unser Anwendung
und entscheiden, was Wert von Q sollte sein diese besondere Szenarien.
Im Zusammenhang mit Das, In Frage 10,
Wir berührt a wenig bisschen An GRR oder Messung System Variabilität.
Frage 8 Gespräche a wenig ein bisschen über,
Es geht a wenig bisschen Tiefer hinein Das Und bringt zusammen manche Ideen.
Der Idee Hier Ist Das Wir könnte tatsächlich in Betracht ziehen
Die Distanz zwischen Die obere Zaun Und Die erster Ausreißer
oder Die erstes Potenzial Ausreißer Serie von Ausreißer.
Wir Mai verlängern Das obere Zaun von a Distanz von das Doppelte des Sigma
fällig Zu Die Messung System Variabilität.
In Das Wir ziehen tatsächlich in Betracht
Die Variabilität wegen Die Messung System.
Und war fragen uns, Ist Das Potenzial Wert
innerhalb Die Lärm von Die Messung System oder nicht?
War erstellen a grafisch Weg, eine gemischte grafische Methode
von Bestimmung ob Die Wert Ist vernünftig
unter der Erwartung Ja t Es gibt eine Messung System Variabilität.
I haben Hier Die Distanz zwischen Die marginal Ausreißer und der Schnurrbart
sollen Sei verglichen Zu Die GRR Lärm Standard Abweichung.
Wenn es ist innerhalb zwei Standard Abweichungen, Wir nicht haben 95 % Vertrauen
Um dies abzuschließen marginal Ausreißer ist anders aus Die Schnurrhaar.
Das Ist Nur a grafisch Version von a eins- Probe T- prüfen In Wirkung.
Wir könnte Genau genommen Konstrukt a eins- Probe T- prüfen
wobei wir diese rote Linie als unsere Ziel Und Die beobachtet Wert,
oder eher vermutet Serie von Werte, dieser schwarze Punkt,
als unser Verteilung relativ Zu Das Ziel.
Der nächste Frage, Wie viele Punkte tun wir brauchen Wirklich Zu produzieren a Boxplot
Wenn war Probe Größe beschränkt?
Also, Wir könnte brauchen bei am wenigsten Sieben Punkte,
und unsere Simulation In Das besondere Probenahme Experiment Shows Das.
Was ist Happening Hier?
Also, jede von diese drei Daten Sets haben Die Dasselbe mittlere.
Du dürfen sehen In Das Daten Satz, Dort Sind sechs Beobachtungen.
In Das eins Dort Sind Sieben, Und Dann Das eins Dort Sind acht.
Lass uns Start An Die links, Genau genommen,
Und Wir haben acht Beobachtungen, eins aus Hier um 15.
Was Wenn Wir reduzieren Die Anzahl der Beobachtungen bis sieben
Und Wir Genau genommen enthalten Die Gleiche Beobachtung hier.
Aber Wir reduzieren eins von Die Andere?
Was Wenn Wir reduzieren Es weiter während Aufrechterhaltung Die Dasselbe mittlere?
Dann Was Wir sehen Ist Das dieser Ausreißer 15,
welche Ist Trotzdem In Die Daten Satz, NEIN länger wird ein Ausreißer.
In Wesen, Es wird absorbiert bis in den Bart selbst.
Der andere Ding Das ist interessant über dieses einfache Experiment,
Ist Das Die IQR wird aufgebläht, wenn wir von sieben auf sechs gehen.
Wir dürfen sehen Das visuell so dass
die Breite dieses Kastens von Q1 bis Q3 wird viel breiter.
Wir dürfen Auch sehen Das numerisch Hier.
I Genau genommen wollen Zu zeigen Du Wie Wir könnte erkunden Das In JMP.
Hier ist manche Daten.
Es ist nicht Die Dasselbe Daten, Aber Hier ist manche Daten.
I Nur erstellt a Spalte Das Ränge Die Daten.
A gewinnen, I Nur verwenden ein sofort Spalte Formel.
I dürfen Tun Das von Auswahl eine dieser Optionen,
Also I glauben es ist unter Verteilung.
Jetzt, Was Ich bin gehen Zu Tun Ich gehe Zu gehen voraus Und Nur Uhr Das Daten.
Ich bin gehen Zu drehen Die Histogramm An es ist Seite.
Ich bin Genau genommen gehen Zu aufrufen Die Lokaler Datenfilter.
Ich bin gehen Zu bringen In Das Rang Spalte Das Ich bin gehen Zu Zuerst in eine Ordinalzahl umwandeln,
Also Das I dürfen wählen Daten individuell
eher als unter Die Annahme von Die kontinuierlich Verteilung.
Ich bin gehen Zu wählen alles.
Jetzt, Lass uns sehen, Wenn I gehen zurück Zu Die Daten Tisch,
I wissen Das 8 repräsentiert Die höchste, Die größte Wert.
Krank halten 8 In Dort,
Und Krank Nur Start Reduzierung manche von die niedrigeren Werte
von halten runter Mein Kontrolle Schlüssel Und Klicken Das,
welche Wille effektiv entfernen Das Punkt dynamisch aus Das Analyse.
I bekommen Die Kontrolle Schlüssel runter Und angeklickt wieder, Klicken Sie erneut.
Du gesehen Es Dort, dieser eine Ausreißer am unteren Ende,
Trotzdem, In Das Fall, Nur verschwunden.
Da ist a Beziehung unter Die Distanz zwischen Zäune Und Die Punkte,
welche Ist berechnet An Die Basis von Die Daten
wobei der Median und die Quartile Sind berechnet
basierend An Die Daten Das ist In Die Analyse.
Das gibt Du a besser bedeutet von Wertschätzung Wie Die Boxplot
ändert sich als a Funktion von Daten das ist entweder In oder aus von Die Analyse.
Das Ist a Wirklich super Cool Besonderheit
dass ich wirklich wie Zu verwenden a viel In viele Kontexte.
Was ist Die Vorteil eines robusten Fit-Ausreißers Algorithmus,
welche Ist a JMP 16 Algorithmus?
Es gibt uns ein anderer bedeutet von Erkennung Außenlage .
Wir haben Die Fähigkeit Zu verwenden a Cauchy Verfahren
welche oft vermeidet Die Auswirkungen der Schiefe,
welche dürfen Sei nützlich für praktisch Situationen.
Wir dürfen Auch verwenden a 3-s Liebe oder ein K-Sigma-Multiplikator
In Befehl Zu helfen erkennen Außenlage .
Alle von diese Methoden Wirklich helfen uns
Potenzielle Ausreißer von tatsächlichen Ausreißern trennen
Und helfen uns erstellen a vernünftig Signalerkennung und Methodik
in ähnlicher Weise, wie wir vielleicht Tun Wenn Wir war Zu verwenden Kontrolle Diagrammerstellung
und erstellen Sie eine Kontrollkarte mit Grenzen
für unser besondere Experimental- oder Herstellung Anwendung.
13. Kann Wir enthalten Die Probe Größe Information In Die Kasten Handlung?
Nun ja, das Ist Wo Die Kasten Handlung beginnt Zu gegenwärtig a klar Einschränkung.
Dort ist nicht beliebig Probe Größe Information ausdrücklich In Die Boxplot.
A obwohl Wir Tun haben Die Fähigkeit im Graph-Builder
um ein Kerb-Boxplot zu erstellen welche gibt Du etwas
wie ein Vertrauen Intervall An Die mittlere,
Die Kanten angeben a Vertrauen Intervall auf mittlere.
Wir Auch haben Die Fähigkeit In Graph Builder zum Aufrufen des Beschriftungsfelds
was sehr nützlich ist Besonderheit für Zusammenfassung von Daten
grafisch ohne benötigen Zu bieten ein zusätzlich tabellarisch Daten Ausgabe.
Aber von Kurs, Das Information Ist vollständig versteckt Zu Die Boxplot selbst.
Verbunden Zu Das Ist, dürfen Wir machen beliebig Entscheidung
mit jeder Stufe von statistische Vertrauen Wenn war Nur Suche bei Die Boxplot?
Der Antwort Ist NEIN.
In Das besondere Zum Beispiel haben wir es tatsächlich entworfen.
Also Die Mediane war leicht anders An Durchschnitt.
Und Also war bekommen manche Trennung unter Die Mediane zwischen Die Gruppen.
Wir gebraucht Zu fit Y von X In Das Kontext.
Was Das Shows Ist Das Die bedeuten [unverständlich 00:29:27]
stellt die bedeuten, die durchschnittlichen Diamanten Sind nicht- sich überlappen.
Es Aussehen wie alle über alle vier Gruppen werden verglichen
welche zeigt an Das da ist einige Beweise
Das da ist a Unterschied In Die bedeutet zwischen Die Gruppen.
Wir dürfen Auch sehen Die Unterschied In Die Mediane.
Wir dürfen Tun a nicht- parametrisch prüfen.
In Das Fall, war Verwendung a nicht- parametrischer Stahlversuch mit Steuerung
Wo Die Kontrolle Ist Nur Die Z Normal.
War Sehen manche Anzeichen einer Trennung
statistische Trennung unter Die In diesem speziellen Fall handelt es sich um Mediane.
Es ist hart für uns Zu erkennen Das Und Das können Sie im Boxplot sehen.
In Tatsache, Es Wirklich ist nicht Das klar bei alle.
Wie dürfen Wir erzählen Wenn Wir haben beliebig Sorge mit respektieren Zu Kurt Schülerrat ?
Was ist Kurtosis?
Kurtosis ist grundsätzlich Die Idee Das wenn es ein positiv Kurtosis
Du würde haben Daten Das ist konzentriert In Die Mitte,
dein Daten Das ist zerquetscht zusammen hinein Die Mitte von Die Verteilung.
Das ist Das Beispiel In Die Rechts.
Wenn Du hatte ein idealisiert Fall von extremen negativen Kurtosis
du würdest haben a Uniform Verteilung Wo Die Daten Ist Wirklich verbreiten aus.
Was Du dürfen sehen In diese Diagramme relativ Zu Die Normal Verteilung,
Ist Das Die 50 % dicht Zone, angegeben von Das Rot Bar,
Ist grundsätzlich um als lang als der Abstand zwischen Q1 Und Q3 Hier,
Aber es ist An eins Seite von Die mittlere,
An eins Seite von Die mittlere Und Die Uniform Fall.
Es ist um als lang als Das Kasten Breite Dann es ist Auch An eins Seite von Die mittlere.
Das ist a einzigartig Merkmal Besonderheit von Das Uniform Verteilung Form.
Wenn Wir sehen bei Die Gipfel Situation,
Wir sehen Das Die Kasten Breite ist viel mehr komprimiert
und die kürzeste halbe Breite ist auch etwa gleich wie Die Kastenbreite,
die kürzere Hälfte ist die am meisten dicht Region eher als zentriert um Die mittlere.
Das ist ähnlich Zu Was Du würde Siehe den Fall der Normalverteilung.
Wo Die 50 % dicht Region Wille Sei etwa zentriert
An Die bedeuten oder Die mittlere Und um Die Dasselbe Breite als Die Kasten.
Deutlich, Die Unterscheidungsmerkmal Hier ist das Die Entfernungen Sind reduziert ganz a bisschen.
Wirklich Die wegbringen Hier, obwohl,
Ist Das Das Typ von Interpretation Ist Wirklich schwierig.
Und Es würde Sei Einfacher für uns sich verlassen auf Die die Form, die sich im Histogramm zeigt
als Zu versuchen Zu sehen bei Die Boxplots separat.
Frage 16 Ist sehr ähnlich wie 15.
Was um In Die Kontext von Daten Das hat mehr als eins Modus?
Was um a bimodal Verteilung?
Also, I Nur nahm Die Boxplots Und gezogen ihnen links draußen,
sie sind aus Die Bilder An Die Rechts.
Wir kippen Wirklich sehen a ganz viel von Unterschied unter diese.
Es ist schwierig für uns Zu interpretieren Das.
Aber einmal Wir setzen Die Histogramme können wir sehen deutlich Wenn Wir fit a zwei- Spitzenverteilung
Das da ist zwei Modi In Das Daten, Und da ist Vielleicht eins Modus,
Vielleicht a klein Modus, Aber Wirklich im Wesentlichen eins Modus In Die Daten An Die links.
Der Boxplot ist nicht besonders gut
bei Erkennung Das Gegenwart von mehrere Modi.
Der zuletzt Frage Ist, Wie viele "Fehlermodi der Normalitätsverletzung"
dürfen Wir erkennen mit Die Boxplot?
Das Frage bringt alle Die andere eins zusammen.
Also, Wenn Wir haben Schiefe,
wir haben gezeigt Das Wir haben a stark Fähigkeit Zu erkennen Das.
Wenn Wir haben Potenzial Ausreißer,
Wir definitiv haben a stark Fähigkeit Zu erkennen Das.
Wenn Wir haben Kurtosis
welche Ist Wirklich verwandt Zu Die Form wie es ist Wenn Dort Sind mehrere Modi,
Dann Wir Wirklich nicht haben a stark Fähigkeit Zu erkennen Das.
Wenn war angesichts Hypothese Testen,
Wir haben definitiv keinen Fähigkeit um zu erkennen, dass entweder mit Die Boxplot.
Was ist Die Was können wir mitnehmen?
Also, Die Boxplot Ist definitiv ein leistungsstarkes Visualisierungswerkzeug.
Es ist a Großartig einleitend Werkzeug,
und es hat a wunderbar Fähigkeit Zu separate Schiefe
aus Potenzial Außenbezirk ness.
Aber Es hat es ist Einschränkungen.
In Fälle Wo war Suche bei Kurtotic Form oder a Bimodalität
oder Multimodalität Die Histogramm Ist definitiv a besser Auswahl.
Das ist Wirklich wahrscheinlich Warum JMP verwendet sowohl das Histogramm als auch den Boxplot zusammen
In Die Verteilung Plattform zur Visualisierung des Datenverhaltens,
Wenn Du Wille.
Von Kurs, Hinzufügen beschreibend Statistiken
hilft uns wirklich runden hoch Die Bild wo wir haben a grafisch erster Ansatz.
Das Ist Nur, wieder, a Zusammenfassung von Was wir haben besprochen.
Aber die zuletzt Paar von Minuten
I Nur wollen Zu zeigen Du a Paar mehr Dinge um Die Daten Satz selbst.
Weil I denken Das Ist vielleicht Die am meisten nützlich Aspekt von Die Projekt.
Wie könnte Wir Satz hoch a Daten Satz wie Das?
Alle Wir Wirklich haben Zu Tun Zu simulieren Daten in JMP
Ist Nur erstellen manche Zeilen und dann erstellen a Funktion,
ein zufällig Normal Funktion.
Der Verfahren Das Wir tat es, auf eine Art und Weise Du könnte Tun Das Ist Du könnte man sagen
Okay, Du dürfen gehen hinein a Spalte Formel…
Lass mich Nur zeigen Du Das.
Du dürfen Nur doppelt- klicken hinein Es, Und Du dürfen klicken Formel,
Du dürfen bearbeiten Die Formel.
Du dürfen gehen über Hier Zu diese Zufallsfunktionen
Du dürfen klicken Es In, Und Dann Du dürfen angeben a Bevölkerung Mittelwert in Sigma.
Null Und eins von Standard, klicken OK, Und Dann I dürfen hinzufügen a Bündel von Zeilen.
Krank gehen voraus Und hinzufügen 100 Zeilen.
Was um diese andere Verteilungen?
Eine Uniform Verteilung ist, Wir dürfen verwenden Die zufällig Uniform Funktion.
Und Dann Wir dürfen angeben a Min Und Max Wert.
In Das Fall,
I Nur spezifiziert Die Minimum davon Spalte,
Das normalerweise verteilt Daten Spalte, Und Die Max ist Die maximal.
Und Dann Endlich, als I erwähnt,
I standardisiert Die Spalte Also Das es war An Die Dasselbe numerisch Skala.
Das standardisieren Das Spalte,
standardisiert Besonderheit Ist gemeinsam Zu alle von diese Spalten.
Jetzt, Die zuletzt Ding I wollen Zu Reden wir mal über echt schnell
Ist, Also, Was um Gipfel?
Was um Rechts verzerrt, Und sogar mit einem Hauptstadt?
Also, eins von Die Dinge Wir dürfen Das finde ich echt cool.
Ist Wir dürfen verwenden Die Verteilung Taschenrechner in JMP
Zu helfen uns verstehen was bestimmte Verteilung Typen sehen wie.
Ich bin Nur gehen Zu gehen hinein Es Hier. Ich bin gehen Zu Nur fahren runter In Hier.
Krank Aktie mit Du Die Standort Hier von Das Skript.
Es ist gehen Zu Sei unter Taschenrechner. Nein.
Es ist gehen Zu Sei unter Vertrieb.
Generator.
Verteilung Kalkulator, auf den Taschenrechnern, Ja.
Wie könnte I erstellen a Verteilung Das ist Rechts verzerrt?
Welche zufällig Funktion würde I verwenden?
Also, I haben Die Fähigkeit Zu sehen bei einigen von diese Verteilungen und siehe
für Beispiel,
Wenn I angeben a zufällig F Und I diese Parameter angeben,
Dann Ich bin bekommen a Verteilung mit Das Eine Art von Schiefe.
Und Dann I dürfen sagen, Also,
Was passiert Wenn I ändern diese Parameter a wenig bisschen?
Wie Ist Das gehen Zu ändern Die Verteilung?
I dürfen verwenden Das Einblick Zu die Parameter angeben
für Die Zufallsverteilungen Das I angeben In Mein Daten Satz.
In Tatsache, Das ist Was I tat Hier.
Was tat I Tun für Die erreicht eins?
Also, Wenn I sehen bei Die T Verteilung, Und I reduzieren Die Abschlüsse von Freiheit,
Ich bin gehen Zu erhalten a Verteilung Das ist relativ Gipfel.
Ich bin gehen Zu siehe ein positiv Kurtosis In Das.
Das ist eins Weg I dürfen verstehen die Form dieser Verteilungen
Also Das I dürfen sie zu meinem Vorteil nutzen
Zu Tun anders Was Wenn Analyse in JMP.
Ich bin Nur gehen Zu schnell gehen zurück Zu Mein Folien.
Dank Du sehr viel für Hören.
Wenn Du haben beliebig Fragen,
I sehen nach vorne Zu Empfang ihnen An Die Benutzer Gemeinschaft.
Da ich erwähnt, Das Projekt Wille Sei veröffentlicht Dort,
Und Die Zusammenfassung Abstrakt wird veröffentlicht bei Das Link Hier.
Dank Schon wieder du.
