BENE, Grazie Voi tutti per unirsi Me.
Questo È a Scoperta Vertice 2022 presentazione,
cortesia Di Mio co-presentatori, Carlo Chen E Muratore Chen.
Mio nome È Patrizio Giuliano.
IL titolo Di Questo parlare È,
Box Plot A analisi: Miscelazione Scientifico E Artistico Richiesta
in Uni VARIE Risposta Caratterizzazione.
Ecco IL astratto.
Voi Potere Trovare Questo SU IL JMP Utente C comunità
In IL Scoperta 2022 comunità pagina,
DOLLARO STATUNITENSE scoperta 2022 comunità pagina.
Io sono mettendo Esso Qui per riferimento.
I Volere fornire a collegamento In IL diapositive
A IL comunità pagina Dove IL progetto Volere vivere.
Cosa c'è IL motivazione per Questo progetto?
IL Diagramma a scatola È uno Di IL maggior parte popolare grafico utensili
A visualizzare a univariato distribuzione Di dati.
Questo progetto studi Come A utilizzo IL Diagramma a scatola A analizzare dati efficacemente.
Maggior parte persone Chi utilizzo IL Diagramma a scatola non utilizzo Esso necessariamente
A determinare IL forma Di IL distribuzione Di IL dati.
In fatto, molti persone utilizzo Esso erroneamente A disegno Significare O Significare confronto decisioni,
E Essi Maggio assumere normalità basato SU simmetria,
Quando In fatto, IL normalità assunzione
volevo In realtà non Essere ragionevole Se Essi erano A Prendere a più vicino Aspetto
A IL forma Di IL dati SU a istogramma, per esempio.
IL obiettivo Di Questo progetto È A dimostrare Come A utilizzo JMP
specificamente 16, A interpretare informazioni In a Diagramma a scatola
E A migliorare competenza
In a globale comunità Di scienziati E ingegneri
Quello Sono Veramente Sotto a DMEIC O APS,
O Pendere tipo Sei Sigma metodologia,
Quale È molto popolare, ovviamente, Oggi E Sopra IL scorso pochi decenni.
IL interessante cosa Di Questo progetto È Noi incorniciato Esso
In IL contesto Di 17 quiz domande.
Questo È a domanda E risposta diapositiva ponte.
E Io sono non andando A andare in pure tanto dettaglio
Di ogni E ogni domanda,
che h I Volere spettacolo Voi Qui.
Ma Che cosa Id Piace A Fare È spettacolo Voi a poco morso Di
Come Voi Potere utilizzo JMP A esplorare IL risposta A questi domande,
Perché I pensare questo è Veramente IL maggior parte interessante E divertimento parte.
IL prima cosa I ricercato A Fare È Appena velocemente andare Sopra Che cosa a Diagramma a scatola È.
COSÌ Che cosa È IL anatomia Di a Diagramma a scatola?
Appena COME a ripasso per Alcuni Di Voi, O introduzione per Alcuni Di Voi,
IL mediano È indicato di IL linea mediana,
E suo riferito A COME IL secondo quartile, Q2
O IL 50° percentile.
Poi Q1 È riferito A COME IL 25° percentile.
Terzo trimestre È IL 75° percentile, COME Voi Potere Vedere Qui.
IL interquartile allineare, O IQR,
È IL differenza fra Terzo trimestre E D1.
IL altro importante elementi Sono Noi Avere cosa c'è chiamato
a baffo SU IL inferiore lato E SU IL superiore lato.
Proprio a IL FINE Di Quello baffo, A volte Noi fare riferimento A Esso COME la recinzione
E tu lo farai Vedere a verticale linea
E JMP disegna a verticale linea A indicare Quello bordo.
Cosa c'è importante Di Questo È Quello Questo posizione È In realtà
Q1 meno 1.5 volte IL IQR,
Quale È rappresentato di IL distanza fra Questo bordo e questo bordo.
Questo punto E IL superiore recinzione È
Q3 più uno E a metà volte IL IQR.
COSÌ Quello definisce IL superiore bordo.
Poi Qualunque punti Quello Sono al di là questi bordi O recinzioni
Sono considerato potenziale valori anomali.
E Essi In realtà spettacolo su di loro stessi COME punti
mentre IL riposo Di IL dati In IL mezzo Di IL istogramma
È non mostrato per enfasi SU IL punti Quello Sono al di là IL al di là questi recinzioni.
Io sono andando A salto Giusto In.
Come fatto Noi esplorare E sviluppare IL risposte A questi domande,
E In Alcuni casi, Anche raffinare IL domande loro stessi?
BENE, Noi creato a simulato dati tavolo in JMP 16,
Dove Noi costruito 100 righe Di dati,
E Noi costruito dati, primo da a normale distribuzione,
E Poi applicato Alcuni trasformazione A Quello dati.
Noi Vedere Quello Noi Avere a normalmente distribuito dati
disegnato da a popolazione IL Significare Di zero E a deviazione standard Di uno.
Poi noi Avere uniformemente distribuito dati.
Poi Noi Avere dati questo è raggiunto il picco,
questo è ha a positivo Curtosi.
Poi Noi Avere dati questo è Giusto storto,
ha due modalità,
ha Alcuni valori anomali Di 3 % SU media
E Poi numeri interi.
In Tutto IL casi, con IL eccezione Di IL bimodale,
Noi Appena basato IL simulato formula,
SU IL originale normale colonna.
IL modo Quello Noi Mettere Tutto IL dati SU IL Stesso scala
È Noi utilizzo IL colonna standardizzato funzione
COSÌ Quello Noi Potevo confrontare Tutto IL dati
relativo A ogni altro In IL distribuzione piattaforma.
Questo È Appena a anteprima Di Quello.
Malato salto Sopra A JMP E spettacolo Voi Quello.
Ma Ancora, Tutto Di Questo dati È centrato a una media di circa zero
E a standard deviazione, circa uno.
Noi coperto IL prima domanda.
Perché io s a Diagramma a scatola, A volte riferito A COME a cinque- punto complotto?
BENE, Là Sono cinque principale punti .
C'è Q1, c'è Q2 In IL mezzo, c'è Terzo trimestre,
E Poi Là Sono IL basettoni, IL superiore E inferiore .
Prossimo domanda.
Che cosa Sono IL due modi Quello IL Diagramma a scatola Potere determinare
quando lì il distribuzione È distorto?
BENE, Noi Potere Aspetto A IL larghezza Di IL scatola si.
Noi Potere Anche Aspetto A IL larghezza Di IL basettoni.
In Questo Giusto storto esempio,
Voi Potere Vedere Quello superiore baffo È tanto più lungo di IL inferiore uno.
COSÌ Quello volevo implicare Quello IL dati È Giusto distorto.
In altro parole, Quello IL coda In IL dati,
Se Voi erano A immaginare Quello distribuzione, È puntando A IL Giusto.
Terzo, perché fa IL Box Plot include IL mediano E non IL Significare?
BENE, a Diagramma a scatola usi IL mediano A determinare O misura asimmetria.
COSÌ Se IL distribuzione È normale, Poi IL Significare È pari A IL mediano.
E In fatto, Che cosa Voi volevo Vedere Qui È Quello Questo mediano linea In IL mezzo
volevo linea su esattamente con IL bordi Di Questo diamante,
IL mezzo Di Questo diamante.
In Quello caso, Voi volevo efficacemente Avere a situazione
Dove tu sei non Veramente perdere Qualunque informazioni
Perché IL la distribuzione è simmetrica.
IL mediano In generale, Poi Potrebbe Essere considerato Meglio,
indipendentemente Di se IL distribuzione È normale O non-normal.
Quarto, Perché È IL Scatola Complotto IL maggior parte potente visualizzazione attrezzo,
O uno Di IL maggior parte potente utensili A separato asimmetria E valore anomalo problemi?
Quando Noi parlato Di Questo idea Quello Perché IL Diagramma a scatola usi
Questo Q1 meno uno E metà volte IQR
E Q3 più uno E a metà volte IQR metodologia,
Esso Veramente consente noi A separato potenziale valori anomali da IL principale dati.
Esso Anche dà noi a struttura
di Quale A giudice se IL superiore baffo
È più grande O più piccolo di a inferiore baffo.
COSÌ quelli due componenti Di IL complotto
Veramente aiuto noi, Piuttosto, Vedere Se erano addestrato asimmetria
E potenziale periferico Questo.
Questo è a unico caratteristica Di IL Diagramma a scatola.
IL quinta domanda È a poco Di più interessante.
Cosa c'è IL relazione fra IL interquartile allineare,
Quello distanza fra Q1 E Terzo trimestre,
E IL standard deviazione, Quale Noi Potere calcolare per Qualunque dati impostato,
indipendentemente Di Come suo distribuito?
Se IL dati È normale,
Che cosa Di Se IL dati È storto O non-normal O raggiunto il picco
O Qualunque altro forma?
BENE, Noi Sapere, basato SU teoria,
Quello IL rapporto Di IL IQR, alla deviazione standard
È 1.35 per normale dati.
Che cosa volevo Quello rapporto Aspetto Piace Se IL dati non era normale?
BENE, Noi Potere esplorare Quello In JMP,
E Io sono andando A spettacolo Voi Quello Veramente velocemente.
Ecco IL dati impostato.
Io sono Anche andando A inviare Questo SU IL comunità .
IL prima cosa Io sono andando A Fare È andare avanti E spettacolo Voi
Come I Ottenere A a visivo stato
Dove Noi Potere Vedere Tutto IL Box plot insieme,
senza IL distribuzioni.
Questo È interessante,
Ma Io sono andando A andare avanti E inizio da IL inizio.
Io sono andando A analizzare distribuzione.
Io vado a spettacolo Voi Come I avuto Là.
Io sono In realtà andando A clic qualunque cosa,
E JMP È andando A Dare Me a istogramma E a Diagramma a scatola insieme.
A t IL FINE Di IL presentazione,
erano andando A riassumere Perché questo è importante.
Ma Che cosa Io sono andando A Fare Qui È Io sono andando A andare avanti E giro spento IL istogramma,
I Potere andare avanti E personalizzare IL larghezza Qui Di IL linee.
I Potere copia Questo personalizzazione Sopra,
Quale È Veramente Carino.
Io sono andando A Presa giù IL controllare chiave Perché Io sono SU a PC.
Io sono andando A Giusto clic
E Poi Io sono andando A colpo Modificare, Copia, P questo C personalizzazioni,
E questo è andando A Portare loro Tutto Sopra.
Io sono In realtà andando A Presa giù IL controllare chiave Ancora E ridimensionare Questo
così che io Potere ridimensionare loro Tutto insieme.
Ora Io sono andando A minimizzare IL quantile sezione,
Perché Io sono andando A Ottenere IL informazioni Quello I Bisogno
da IL riepilogo statistiche sezione.
I In realtà Avere IL IQR E a standard deviazione mostrato Qui.
A sebbene I Potevo personalizzare Questo, O Qui O In IL proprietà,
Quale I Potere accesso Sotto File, Preferenze E Sotto IL distribuzione piattaforma gruppo.
Che cosa Io sono andando A Fare È Io sono In realtà andando A Fare
Questo informazioni in a dati tavolo
E Io sono andando A Giusto- clic E selezionare, Fare Combinato Dati Tavolo A Fare Quello.
Ora I soltanto Bisogno IL IQR e il standard deviazione.
Io sono Veramente soltanto interessato In Quello.
COSÌ Io sono In realtà andando A selezionare, uno Di IL standard deviazioni,
uno Di IL IQR.
Io sono andando A mossa Mio cursore Sopra Qui
E selezionare Abbinamento SU Tutto Di IL righe
Quello Avere questi valori In loro.
Io sono andando A andare avanti E invertire IL selezione,
eliminare IL righe Quello I non Volere,
E Io sono Sinistra con Questo.
Ora Io sono Appena andando A andare avanti E ristrutturare IL dati
COSÌ Quello I Potere calcolare IL rapporto Di IL IQR A IL standard deviazione.
COSÌ Io sono Appena andando A utilizzo Tavolo Diviso per Quello.
Io sono andando A andare avanti E diviso di colonna 1
Mettere colonna 2 In Qui, Mettere questi In a gruppo.
Vado A clic OK.
I Avere IL dati Come I Volere.
Questo spettacoli Me da Quale distribuzione
queste statistiche venni da,
Io sono andando A andare avanti E Fare a Nuovo Formula C colonna, Combinare, Rapporto.
Là Voi andare.
Questo sembra a poco morso difficile A interpretare per Me.
Io sono andando A andare avanti E modifica Esso COSÌ Quello I Potere soltanto Vedere due decimali.
Io ho avuto numeri Quale Sono molto simile,
Esso Dovrebbe Essere, Comunque, molto simile A Che cosa I Avere In IL scorrere qui
dettagliare IL rapporto Di IL IQR A IL standard deviazione.
Ovviamente, loro sono andando A Essere diverso Perché c'è campionamento errore.
Questo tavolo È soltanto uno campionamento sperimentare.
Ma Questo È Come I Potere velocemente
E interattivamente estrarre Questo informazioni
E Veramente capire, Che cosa fa Questo rapporto Aspetto Piace
Se Mio dati È non normale In a particolare modo?
Noi Potere Vedere Qui, Quello IL valori Quello tendere A Essere inferiore
A IL picco distribuzione Di IL uno con valori anomali,
IL valori Quello tendere A Essere più alto di IL tipico
O IL previsto teorico 1, 3, 5 normale,
Sono andando A Essere IL uniforme, IL Giusto storto e bimodale.
Prossimo domanda, cosa c'è IL ideale valore anomalo per cento
Se IL distribuzione È perfettamente normale?
BENE, Esso giri fuori Quello Se Noi Aspetto In IL libri di testo O ridurre simulazione,
SU media, Noi Dovrebbe Vedere Di 0,7% Di IL punti al di là IL recinzioni,
In a normale distribuzione,
O A meno Forse non al di là IL recinzioni, Ma Se Noi erano A Fare a controllare grafico,
Noi volevo certamente Vedere Di,
Quale È Sotto IL assunzione Di normalità.
Per esempio,
Se Noi erano A Fare UN individuale in movimento allineare grafico, Noi volevo Vedere in giro 0,7%
Di IL punti SU media essendo al di fuori IL limiti.
Sebbene per pratico scopi,
Noi Potevo probabilmente Dire,
Se Noi sega Di 3 % O meno Di IL distribuzione al di là IL limiti,
Noi volevo considerare Esso circa normale.
Perché È Quello domanda importante?
BENE, Noi Potere utilizzo IL proporzione Di IL punti al di là IL recinzioni
In a Diagramma a scatola Quando IL campione misurare È piccolo
A determinare se O non Noi Avere Alcuni prova Di normalità
SU IL base Di valori anomali.
Sebbene Se Nostro campione misurare È pure grande,
Poi erano andando A Vedere molti E molti Di punti al di là quelli recinzioni.
COSÌ suo Veramente importante Quello Noi considerare a " ragionevole campione misurare."
E questo è parte Di IL motivo Perché Noi soltanto considerato 100 righe In Nostro progetto.
Prossimo domanda, cosa c'è IL differenza fra
a quartile allineare E a quantile allineare Diagramma a scatola?
BENE, In a pratico contesto, Comunque, Noi Potere parlare Di
IL Esplora Outlier utilità In JMP 16,
Quale a leve noi A regolare IL Q,
Quale È IL moltiplicatore SU IL IQR
E IL coda quantile,
Quale È essenzialmente Come IL dati È diviso su.
Noi Potere personalizzare Quello allineare.
Io sono Appena andando A spettacolo Voi Che cosa Quello sembra Piace vero velocemente.
Io sono andando A andare in Analizzare,
Io sono andando A andare A Screening,
Esplorare Valori anomali.
Io sono andando A Fare Questo SU Mio crudo dati.
Io sono In realtà andando A vicino Questo.
Io sono andando A andare Indietro A IL crudo dati tavolo.
Malato Appena scegliere a coppia Di questi.
Malato In realtà scegliere IL quelli Quello I Avere In Mio diapositive A picco In IL valori anomali.
Io sono andando A andare avanti E utilizzo IL quantile allineare valori anomali.
Io sono andando A regolare Questo A Che cosa IL Box Plot utilizza: 0,25 E 1.5.
Io sono andando A clic Nuova scansione
E JMP sta per identificare potenziale valori anomali Qui.
Come fa Questo collegare A IL distribuzione piattaforma?
BENE, Se Noi andare Sopra Qui,
Noi Aspetto A Questo,
Che cosa erano andando A Vedere,
È Là Sono a numero Di valori anomali Qui.
Io sono In realtà andando A selezionare IL righe,
Io sono andando A andare Sopra Qui.
BENE, Esso E ecco, suo questi valori.
COSÌ Voi avuto 1, 2, 3, 4, 5, 6, 7.
C'è Sette valori anomali.
1, 2, 3, 4, 5, 6, 7.
Quello piazze su.
Questo è esattamente Che cosa Noi volevo aspettarsi.
Allo stesso modo, noi abbiamo avuto 1, 2, 3, 4,
E Se Noi scorrere Sopra Qui, E Sotto IL valori anomali,
Vedere se siamo finiti Qui Sono A quattro.
Grande.
Andando Indietro A IL diapositive Qui, Noi Potere personalizzare Questo .
E questo è In realtà Che cosa Noi Ottenere in In successivo Domanda 10.
Come Fare Noi determinare se valori anomali Sono marginale O estremo?
BENE, E Perché È Esso importante?
BENE, Noi Potere regolare IL sensibilità
Di IL valore anomalo rilevamento basato SU IL moltiplicatore SU IL IQR
Mentre mantenendo IL coda quantile IL Stesso.
Voi Potrebbe intuitivamente aspettarsi
Quello Se Voi erano A Prendere Q₃ più a più grande numero volte IL IQR,
suo andando A estendere IL baffo lunghezza e allo stesso modo, SU IL inferiore lato.
Questo è andando A Significare Quello Di più punti Sono andando A autunno dentro.
COSÌ meno valore anomalo volevo Essere rilevato.
Noi Dovrebbe Essere capace A Vedere Quello E test Quello in JMP.
COSÌ Se I erano A aumento Questo A due E clic Nuova scansione,
Noi Vedere a pochi valori anomali diventare parte Di IL Diagramma a scatola,
O Noi Potere immaginare a situazione Dove questo è IL caso.
Malato aumento Questo A tre,
Malato colpo Rif scansione
Noi Vedere ancora meno valori anomali essendo identificato Ancora.
A s I andare su A Q uguale a cinque,
Ora I soltanto Avere uno valore anomalo rilevato In IL picco colonna Di dati.
COSÌ IL idea Qui È Quello Noi Potere sviluppare criteri per Q, per esempio,
Noi Potrebbe situare Esso con tre, una situazione Dove dati Potrebbe Essere considerato
a tipografico errore, Dove Esso Potrebbe Essere UN estremo O valore anomalo più estremo.
Noi Potrebbe impostato Q pari 1.5 se, ad esempio,
pensiamo che il potenziale valore anomalo Potrebbe Essere associato con variabilità
a causa di IL misurazione sistema o speciale processo variazione.
Noi Potere Fare Alcuni simulazione basato su Nostro applicazione
e decidere cosa valore Di Q dovrebbe essere dentro questi particolare scenari.
In connessione con Quello, In Domanda 10,
Noi toccato a poco morso SU GRR O misurazione sistema variabilità.
Domanda 8 discorsi a poco un po' su,
va a poco morso più profondo in Questo E porta insieme Alcuni idee.
IL idea Qui È Quello Noi potrebbe effettivamente considerare
IL distanza fra IL superiore recinzione E IL primo valore anomalo
O IL primo potenziale valore anomalo serie Di valori anomali.
Noi Maggio estendere Quello superiore recinzione di a distanza Di due volte il Sigma
dovuto A IL misurazione sistema variabilità.
In Questo in effetti, stiamo considerando
IL variabilità a causa di IL misurazione sistema.
E erano chiedendo noi stessi, È Questo potenziale valore
entro IL rumore Di IL misurazione sistema O non?
Erano creazione a grafico modo, un mezzo grafico misto
Di determinante se IL valore È ragionevole
sotto il aspettativa SÌ t c'è la misurazione sistema variabilità.
I Avere Qui IL distanza fra IL marginale outlier e il baffo
Dovrebbe Essere confrontato A IL GRR rumore standard deviazione.
Se suo entro due standard deviazioni, Noi non Avere 95 % fiducia
per concludere questo marginale valore anomalo è diverso da IL baffo.
Questo È Appena a grafico versione Di a uno- campione T- test In effetto.
Noi Potevo In realtà costruire a uno- campione T- test
usando questa linea rossa come nostra bersaglio E IL osservato valore,
O Piuttosto assunto serie Di valori, questo punto nero,
COME Nostro distribuzione relativo A Quello bersaglio.
IL Prossimo domanda, Come molti punti noi lo facciamo Bisogno Veramente A produrre a Diagramma a scatola
Se erano campione misurare limitato?
BENE, Noi Potrebbe Bisogno A meno Sette punti,
e la nostra simulazione In Questo particolare campionamento sperimentare spettacoli Quello.
Cosa c'è accadendo Qui?
BENE, ogni Di questi tre dati set Avere IL Stesso mediano.
Voi Potere Vedere In Questo dati impostato, Là Sono sei osservazioni.
In Questo uno Là Sono Sette, E Poi Questo uno Là Sono otto.
Andiamo inizio SU IL Sinistra, In realtà,
E Noi Avere otto osservazioni, uno fuori Qui in giro 15.
Che cosa Se Noi ridurre IL numero di osservazioni a sette
E Noi In realtà incluso IL stessa osservazione qui,
Ma Noi ridurre uno Di IL altri?
Che cosa Se Noi ridurre Esso ulteriore Mentre mantenimento IL Stesso mediano?
Poi Che cosa Noi Vedere È Quello questo valore anomalo 15,
Quale È Ancora In IL dati impostato, NO più lungo diventa UN valore anomalo.
In essenza, Esso diventa assorbito nel baffo si.
IL altro cosa questo è interessante riguardo a questo semplice esperimento,
È Quello IL IQR diventa gonfiati quando passiamo da sette a sei.
Noi Potere Vedere Quello visivamente come quello
la larghezza di questa scatola da Q1 a Q3 diventa tanto più ampio.
Noi Potere Anche Vedere Quello numericamente Qui.
I In realtà Volere A spettacolo Voi Come Noi Potrebbe esplorare Quello In JMP.
Ecco Alcuni dati.
Suo non IL Stesso dati, Ma ecco Alcuni dati.
I Appena creato a colonna Quello ranghi IL dati.
A guadagno, I Appena utilizzo UN istantaneo colonna formula.
I Potere Fare Quello di selezione una di queste opzioni,
COSÌ I credere suo Sotto distributivo.
Ora, Che cosa Io sono andando A Fare sto andando A andare avanti E Appena orologio Questo dati.
Io sono andando A giro IL istogramma SU suo lato.
Io sono In realtà andando A invocare IL filtro dati locale.
Io sono andando A Portare In Quello rango colonna Quello Io sono andando A rendilo prima ordinale,
COSÌ Quello I Potere selezionare dati individualmente
Piuttosto di Sotto IL assunzione Di IL continuo distribuzione.
Io sono andando A selezionare qualunque cosa.
Ora, andiamo Vedere, Se I andare Indietro A IL dati tavolo,
I Sapere Quello 8 rappresenta IL più alto, IL più grande valore.
Malato Mantenere 8 In Là,
E Malato Appena inizio riducendo Alcuni Di i valori più bassi
di presa giù Mio controllare chiave E cliccando Quello,
Quale Volere efficacemente rimuovere Quello punto dinamicamente da Questo analisi.
I avuto IL controllare chiave giù E cliccato Ancora, clicca di nuovo.
Voi sega Esso Là, quell'unico valore anomalo sul lato basso,
Comunque, In Questo caso, Appena scomparso.
C'è a relazione tra IL distanza tra il recinzioni E IL punti,
Quale È calcolato SU IL base Di IL dati
dove la mediana e i quartili Sono calcolato
basato SU IL dati questo è In IL analisi.
Questo dà Voi a Meglio significa Di apprezzando Come IL Diagramma a scatola
sta cambiando come a funzione Di dati questo è o In O fuori Di IL analisi.
Questo È a Veramente super Freddo caratteristica
che io veramente Piace A utilizzo a quantità In molti contesti.
Cosa c'è IL vantaggio di un valore anomalo di adattamento robusto algoritmo,
Quale È a JMP 16 algoritmo?
Esso dà noi un altro significa Di rilevamento perifericità .
Noi Avere IL capacità A utilizzo a Cauchy metodo
Quale Spesso evita IL impatto dell'asimmetria,
Quale Potere Essere utile per pratico situazioni.
Noi Potere Anche utilizzo a 3-s Amore o un moltiplicatore K-sigma
In ordine A aiuto rilevare perifericità .
Tutto Di questi metodi Veramente aiuto noi
separare i potenziali valori anomali da quelli reali
E aiuto noi creare a ragionevole rilevamento del segnale e metodologia
in modo simile a come potremmo Fare Se Noi erano A utilizzo controllare creazione di grafici
e costruire un grafico di controllo con limiti
per Nostro particolare sperimentale O produzione applicazione.
13. Potere Noi includere IL campione misurare informazioni In IL Scatola Complotto?
Bene, questo È Dove IL Scatola Complotto inizia A presente a chiaro limitazione.
Là non è Qualunque campione misurare informazioni esplicitamente In IL Diagramma a scatola.
A sebbene, Noi Fare Avere IL capacità di costruire grafici
per creare un Box Plot a tacche, Quale dà Voi qualcosa
come un fiducia intervallo SU IL mediano,
IL bordi indicare a fiducia intervallo sul mediano.
Noi Anche Avere IL capacità In grafico costruttore per richiamare la casella didascalia
che è molto utile caratteristica per riassunto Di dati
graficamente senza bisognoso A fornire UN aggiuntivo tabellare dati produzione.
Ma Di corso, Quello informazioni È completamente nascosto A IL Diagramma a scatola si.
Collegato A Quello È, Potere Noi Fare Qualunque decisione
con qualsiasi livello di statistico fiducia Se erano Appena guardare A IL Diagramma a scatola?
IL risposta È NO.
In Questo particolare ad esempio, l'abbiamo effettivamente progettato
COSÌ IL mediane erano leggermente diverso SU media.
E COSÌ erano ottenere Alcuni separazione tra IL mediane fra IL gruppi.
Noi usato A adatto Y di X In Questo contesto.
Che cosa Questo spettacoli È Quello IL Significare [inudibile 00:29:27]
rappresenta il Significare, i diamanti cattivi Sono non- sovrapposte.
Esso sembra Piace Tutto attraverso Tutto quattro gruppi a confronto,
Quale indica Quello c'è alcune prove
Quello c'è a differenza In IL significa fra IL gruppi.
Noi Potere Anche Vedere IL differenza In IL mediane.
Noi Potere Fare a non- parametrico test.
In Questo caso, erano usando a non- test parametrico dell'acciaio con controllo,
Dove IL controllare È Appena IL Z normale.
Erano vedere Alcuni prova di separazione,
statistico separazione tra IL mediane in questo caso particolare.
Suo difficile per noi A rilevare Quello E vedi nel Box Plot.
In fatto, Esso Veramente non è Quello chiaro A Tutto.
Come Potere Noi raccontare Se Noi Avere Qualunque preoccupazione con rispetto A Kurt consiglio studentesco ?
Cosa c'è Curtosi?
La curtosi è fondamentalmente IL idea Quello se fosse un positivo Curtosi,
Voi volevo Avere dati questo è concentrato In IL mezzo,
tuo dati questo è schiacciato insieme in IL mezzo Di IL distribuzione.
Questo è Questo esempio In IL Giusto.
Se Voi avevo UN idealizzato caso di estremo negativo Curtosi,
tu vorresti Avere a uniforme distribuzione Dove IL dati È Veramente diffusione fuori.
Che cosa Voi Potere Vedere In questi grafici relativo A IL normale distribuzione,
È Quello IL 50 % denso zona, indicato di Questo rosso sbarra,
È fondamentalmente Di COME lungo COME la distanza tra Q1 E Terzo trimestre Qui,
Ma suo SU uno lato Di IL mediano,
SU uno lato Di IL mediano E IL uniforme caso.
Suo Di COME lungo COME Questo scatola larghezza Poi suo Anche SU uno lato Di IL mediano.
Questo è a unico caratteristica caratteristica Di Questo uniforme distribuzione forma.
Se Noi Aspetto A IL picco situazione,
Noi Vedere Quello IL scatola larghezza è molto Di più compresso
e la metà più corta è anche circa lo stesso di IL larghezza della scatola,
la metà più corta è la maggior parte denso regione Piuttosto COME centrato Di IL mediano.
Questo è simile A Che cosa Voi volevo vedere per il caso di distribuzione normale,
Dove IL 50 % denso regione Volere Essere circa centrato
SU IL Significare O IL mediano E Di IL Stesso larghezza COME IL scatola.
Chiaramente, IL differenziatore Qui è quello IL distanze Sono ridotto abbastanza a morso.
Veramente IL porta via Qui, Anche se,
È Quello Questo tipo Di interpretazione È Veramente difficile.
E Esso volevo Essere Più facile per noi fare affidamento su IL forma evidenziata dall'istogramma
di A Tentativo A Aspetto A IL Box plot separatamente.
Domanda 16 È molto simile a 15.
Che cosa Di In IL contesto Di dati Quello ha Di più di uno modalità?
Che cosa Di a bimodal distribuzione?
BENE, I Appena preso IL Box plot E tirato loro fuori a sinistra,
loro sono da IL immagini SU IL Giusto.
Noi non posso Veramente Vedere a Totale quantità Di differenza tra questi.
Suo difficile per noi A interpretare Questo.
Ma una volta Noi Mettere IL istogrammi, possiamo vedere chiaramente Se Noi adatto a due- distribuzione di picco
Quello c'è due modalità In Questo dati, E c'è Forse uno modalità,
Forse a piccolo modalità, Ma Veramente essenzialmente uno modalità In IL dati SU IL Sinistra.
IL Diagramma a scatola non è particolarmente buono
A rilevamento Quello presenza Di multiplo modalità.
IL scorso domanda È, Come molti "modalità di errore per violazione della normalità"
Potere Noi rilevare con IL Diagramma a scatola?
Questo domanda porta Tutto IL altro quelli insieme.
BENE, Se Noi Avere asimmetria,
noi abbiamo mostrato Quello Noi Avere a forte capacità A rilevare Quello.
Se Noi Avere potenziale valori anomali,
Noi decisamente Avere a forte capacità A rilevare Quello.
Se Noi Avere Curtosi,
Quale È Veramente imparentato A IL forma così com'è Se Là Sono multiplo modalità,
Poi Noi Veramente non Avere a forte capacità A rilevare Quello.
Se erano considerando ipotesi test,
sicuramente non abbiamo un capacità per rilevare che O con IL Diagramma a scatola.
Cosa c'è IL cibo da asporto?
BENE, IL Diagramma a scatola È sicuramente uno strumento di visualizzazione potente.
Suo a Grande introduttivo attrezzo,
e questo ha a meraviglioso capacità A asimmetria separata
da potenziale periferico ness.
Ma Esso ha suo limitazioni.
In casi Dove erano guardare A Kurtotico forma O a bimodalità
o multimodalità, IL istogramma È decisamente a Meglio scelta.
Questo è Veramente probabilmente Perché JMP utilizza sia l'istogramma che il box plot insieme
In IL distribuzione piattaforma per visualizzare come si comportano i dati,
Se Voi Volere.
Di corso, aggiungendo descrittivo statistiche
ci aiuta davvero girare su IL immagine dove noi Avere a grafico primo approccio.
Questo È Appena, Ancora, a riassunto Di Che cosa noi abbiamo discusso.
Ma il scorso coppia Di minuti,
I Appena Volere A spettacolo Voi a coppia Di più cose Di IL dati impostato si.
Perché I pensare Questo È Forse IL maggior parte utile aspetto Di IL progetto.
Come Potrebbe Noi impostato su a dati impostato Piace Questo?
Tutto Noi Veramente Avere A Fare A simulare dati in JMP
È Appena creare Alcuni righe e poi creare a funzione,
un caso normale funzione.
IL processo Quello Noi fatto, in un modo Voi Potevo Fare Questo È Voi potrebbe dire,
Va bene, Voi Potere andare in a colonna formula…
Lasciami Appena spettacolo Voi Questo.
Voi Potere Appena raddoppiare- clic in Esso, E Voi Potere clic Formula,
Voi Potere modificare IL formula.
Voi Potere andare Sopra Qui A questi funzioni casuali,
Voi Potere clic Esso In, E Poi Voi Potere specificare a popolazione media in Sigma.
Zero E uno di predefinito, clic OK, E Poi I Potere aggiungere a grappolo Di righe.
Malato andare avanti E aggiungere 100 righe.
Che cosa Di questi altro distribuzioni?
Un'uniforme la distribuzione è, Noi Potere utilizzo IL casuale uniforme funzione.
E Poi Noi Potere specificare a Minimo E Massimo valore.
In Questo caso,
I Appena specificato IL minimo di questo colonna,
Questo normalmente distribuito dati colonna, E IL Max è IL massimo.
E Poi Finalmente, COME I menzionato,
I standardizzato IL colonna COSÌ Quello era SU IL Stesso numerico scala.
Questo standardizzare Questo colonna,
standardizzato caratteristica È comune A Tutto Di questi colonne.
Ora, IL scorso cosa I Volere A parliamone velocemente
È, BENE, Che cosa Di picco?
Che cosa Di Giusto storto, E Anche con un capitale?
BENE, uno Di IL cose Noi Potere fare, cosa che trovo davvero fantastica,
È Noi Potere utilizzo IL distribuzione calcolatrice in JMP
A aiuto noi capire cosa certa distribuzione tipi Aspetto Piace.
Io sono Appena andando A andare in Esso Qui. Io sono andando A Appena guidare giù In Qui.
Malato condividere con Voi IL posizione Qui Di Questo sceneggiatura.
Suo andando A Essere Sotto Calcolatrice. Non lo è.
Suo andando A Essere sotto Distribuzione.
Generatore.
Distribuzione calcolatrice, sulle calcolatrici, SÌ.
Come Potrebbe I creare a distribuzione questo è Giusto distorto?
Quale casuale funzione volevo I utilizzo?
BENE, I Avere IL capacità A Aspetto in alcuni di questi distribuzioni e vedere
per esempio,
Se I specificare a casuale F E I specificare questi parametri,
Poi Io sono ottenere a distribuzione con Questo tipo di asimmetria.
E Poi I Potere Dire, BENE,
Che cosa succede Se I modifica questi parametri a poco morso?
Come È Quello andando A modifica IL distribuzione?
I Potere utilizzo Questo intuizione A specificare i parametri
per IL distribuzioni casuali Quello I specificare In Mio dati impostato.
In fatto, questo è Che cosa I fatto Qui.
Che cosa fatto I Fare per IL raggiunto il picco uno?
BENE, Se I Aspetto A IL T distribuzione, E I ridurre IL gradi Di libertà,
Io sono andando A Ottenere a distribuzione questo è relativamente picco.
Io sono andando A vedere un positivo Curtosi In Quello.
Questo è uno modo I Potere capire la forma di queste distribuzioni
COSÌ Quello I Potere usarli a mio vantaggio
A Fare diverso Che cosa Se analisi in JMP.
Io sono Appena andando A velocemente andare Indietro A Mio diapositive.
Grazie Voi molto tanto per ascolto.
Se Voi Avere Qualunque domande,
I Aspetto inoltrare A ricevere loro SU IL utente comunità.
Come io menzionato, Questo progetto Volere Essere pubblicato Là,
E IL riepilogo astratto è pubblicato A Questo collegamento Qui.
Grazie di nuovo tu.
