良い、 感謝 あなた みんな のために 接合 自分。
これ は a 発見 サミット 2022 プレゼンテーション、
礼儀 の 私の 共同プレゼンター チャールズ チェン そして 石工 チェン。
私の 名前 は パトリック ジュリアン。
その タイトル の これ 話す は、
箱ひげ図A 分析: ブレンディング 科学的 そして 芸術的 問い合わせ
大学で 様々な 応答 特性評価。
こちらは その 抽象的な。
あなた できる 探す これ の上 その ジャンプ ユーザーC コミュニティ
で その 発見 2022 コミュニティ ページ、
米ドル 発見 2022 コミュニティ ページ。
私は パッティング それ ここ のために 参照。
I 意思 提供する a リンク で その スライド
に その コミュニティ ページ どこ その プロジェクト 意思 ライブ。
何ですか その モチベーション のために これ プロジェクト？
その 箱ひげ図 は 1つ の その ほとんど 人気のある グラフィカル ツール
に 視覚化する a 一変量 分布 の データ。
これ プロジェクト 研究 どうやって に 使用 その 箱ひげ図 に 分析する データ 効果的に。
ほとんど 人々 誰が 使用 その 箱ひげ図 しない 使用 それ 必然的に
に 決定する その 形 の その 分布 の その データ。
で 事実、 多くの 人々 使用 それ 間違って に 描く 平均 または 平均 比較 決定、
そして 彼らは 5月 仮定する 正常 ベース の上 対称、
いつ で 事実、 その 正常 予測
だろう 実は ない なれ 合理的 もし 彼らは だった に 取る a より近い 見て
で その 形 の その データ の上 a ヒストグラム、 のために 例。
その 客観的 の これ プロジェクト は に 示す どうやって に 使用 ジャンプ
具体的には 16, に 解釈する 情報 で a 箱ひげ図
そして に 改善する 熟練度
で a グローバル コミュニティ の 科学者たち そして エンジニア
それ は 本当に 下 a DMEIC または APS、
または 傾く タイプ 六 シグマ 方法論、
どれの は とても 人気のある、 明らかに、 今日 そして 以上 その 最後 少し 数十年。
その 面白い もの について これ プロジェクト は 私たちは 額装 それ
で その コンテクスト の 17 クイズ 質問。
これ は a 質問 そして 答え スライド デッキ。
そして 私は ない 行く に 行く の中へ あまりにも 多くの 詳細
について それぞれ そして 毎 質問、
どれ h I 意思 見せる あなた ここ。
しかし 何 私は のように に する は 見せる あなた a 少し 少し について
どうやって あなた できる 使用 ジャンプ に 探検する その 答え に これら 質問、
なぜなら I 考える それは 本当に その ほとんど 面白い そして 楽しい 一部。
その まず最初に I 望んでいた に する は ただ 素早く 行く 以上 何 a 箱ひげ図 は。
それで 何 は その 解剖学 の a ボックス プロット?
ただ として a リフレッシュ のために いくつかの の あなた、 または 導入 のために いくつかの の あなた、
その 中央値 は 示された による その 正中線、
そして その 参照 に として その 2番 四分位、 質問2
または その 50周年 パーセンタイル。
それから 質問1 は 参照 に として その 25日 パーセンタイル。
第3問 は その 75番目 パーセンタイル、 として あなた できる 見る ここ。
その 四分位 範囲、 または IQR、
は その 違い 間 第3問 そして 質問1.
その 他の 重要 要素 は 私たちは 持っている 何ですか と呼ばれる
a ひげ の上 その より低い 側 そして の上 その アッパー 側。
ちょうど その 終わり の それ ひげ、 時々 私たちは 参照する に それ として フェンス
そして あなたは 見る a 垂直 ライン
そして ジャンプ 引き分け a 垂直 ライン に 示す それ 角。
何ですか 重要 について これ は それ これ 位置 は 実は
Q1マイナス 1.5 回 その IQR、
どれの は 代表される による その 距離 間 これ エッジとこのエッジ。
この点 そして その アッパー フェンス は
Q3プラス1 そして a 半分 回 その IQR。
それで それ 定義する その アッパー 角。
それから どれでも ポイント それ は 超えて これら エッジ または フェンス
は 考慮された 潜在的 外れ値。
そして 彼らは 実は 見せる 上 による 彼ら自身 として ポイント
一方 その 休む の その データ で その 真ん中 の その ヒストグラム
は ない 表示されている のために 強調 の上 その ポイント それ は 超えて その 超えて これら フェンス。
私は 行く に ジャンプ 右 で。
どうやって した 私たちは 探検する そして 開発する その 回答 に これら 質問、
そして で いくつかの ケース、 平 リファイン その 質問 彼ら自身？
良い、 私たちは 作成された a シミュレーション データ テーブル内 ジャンプ 16,
どこ 私たちは 建設された 100 行 の データ、
そして 私たちは 建設された データ、 まずから a 普通 分布、
そして それから 適用済み いくつかの 変換 に それ データ。
私たちは 見る それ 私たちは 持っている a 通常 分散型 データ
描かれた から a 人口 その 平均 の ゼロ そして a 標準偏差 の 1つ。
それから私たちは 持っている 均一に 分散型 データ。
それから 私たちは 持っている データ それは ピークに達した、
つまり もっている a ポジティブ 尖度。
それから 私たちは 持っている データ それは 右 歪んだ、
もっている 二 モード、
もっている いくつかの 外れ値 について 3 % の上 平均
そして それから 整数。
で 全て その ケース、 と その 例外 の その 二峰性、
私たちは ただ ベース その シミュレーション 式、
の上 その オリジナル 普通 カラム。
その 方法 それ 私たちは 置く 全て その データ の上 その 同じ 規模
は 私たちは 使用 その カラム 標準化された 関数
それで それ 私たちは できた 比較する 全て その データ
相対的 に それぞれ 他の で その 分布 プラットフォーム。
これ は ただ a プレビュー の それ。
病気 ジャンプ 以上 に ジャンプ そして 見せる あなた それ。
しかし また、 全て の これ データ は 中央揃え 平均して 約 ゼロ
そして a 標準 偏差、 約 1つ。
私たちは 覆われた その 最初の質問です。
なぜ私は s a 箱ひげ図、 時々 参照 に として a 五- ポイント プロット？
良い、 そこには は 五 主要 ポイント .
そこには 質問1 そこには 質問2 で その 真ん中、 そこには 質問3
そして それから そこには は その ひげ、 その アッパー そして より低い .
次 質問。
何 は その 二 方法 それ その 箱ひげ図 できる 決定する
いつ そこに 分布 は 歪んでる？
良い、 私たちは できる 見て で その 幅 の その 箱 自体。
私たちは できる また 見て で その 幅 の その ひげ。
で これ 右 歪んだ 例、
あなた できる 見る それ アッパー ひげ は 多くの より長い よりも その より低い 1つ。
それで それ だろう 暗示する それ その データ は 右 歪んでいる。
で 他の 言葉、 それ その しっぽ で その データ、
もし あなた だった に 想像する それ 分布、 は ポインティング に その 右。
第三に、なぜ する その ボックスプロットには以下が含まれます その 中央値 そして ない その 平均？
良い、 a 箱ひげ図 用途 その 中央値 に 決定する または ゲージ 歪度。
それで もし その 分布 は 普通、 それから その 平均 は 等しい に その 中央値。
そして で 事実、 何 あなた だろう 見る ここ は それ これ 中央値 ライン で その 真ん中
だろう ライン 上 その通り と その エッジ の これ ダイヤモンド、
その 真ん中 の これ ダイヤモンド。
で それ 場合、 あなた だろう 効果的に 持っている a 状況
どこ あなたは ない 本当に 負け どれでも 情報
なぜなら その 分布は対称的です。
その 中央値 で 一般的な、 それから かもしれない なれ 考慮された より良い、
関係なく の かどうか その 分布 は 普通 または 非正常です。
4番目 なぜ は その 箱 プロット その ほとんど 強力 視覚化 道具、
または 1つ の その ほとんど 強力 ツール に 別 歪度 そして 外れ値 問題がありますか?
いつ 私たちは 話した について これ アイデア それ なぜなら その 箱ひげ図 用途
これ 質問1 マイナス 1つ そして 半分 回 IQR
そして Q3プラス1 そして a 半分 回 IQR 方法論、
それ 本当に 許可する 私たち に 別 潜在的 外れ値 から その 主要 データ。
それ また 与える 私たち a フレームワーク
による どれの に 裁判官 かどうか その アッパー ひげ
は 大きい または 小さい よりも a より低い ひげ。
それで それらの 二 コンポーネント の その プロット
本当に ヘルプ 私たち、 それよりも、 見る もし だった 訓練を受けた 歪度
そして 潜在的 辺境の これ。
これは a 個性的 特徴 の その ボックス プロット。
その 5番目の質問 は a 少し もっと 面白い。
何ですか その 関係 間 その 四分位 範囲、
それ 距離 間 質問1 そして 質問3
そして その 標準 偏差、 どれの 私たちは できる 計算する のために どれでも データ セット、
関係なく の どうやって その 配布されますか?
もし その データ は 普通、
何 について もし その データ は 歪んだ または 非正常 または ピークに達した
または どれでも 他の 形？
良い、 私たちは 知る、 ベース の上 理論、
それ その 比率 の その IQR、 標準偏差に
は 1.35 のために 普通 データ。
何 だろう それ 比率 見て のように もし その データ なかった 普通？
良い、 私たちは できる 探検する それ で JMP、
そして 私は 行く に 見せる あなた それ 本当に 素早く。
こちらは その データ セット。
私は また 行く に 役職 これ の上 その コミュニティ .
その まず最初に 私は 行く に する は 行く 先に そして 見せる あなた
どうやって I 得る に a ビジュアル 州
どこ 私たちは できる 見る 全て その 箱ひげ図 一緒に、
それなし その 配布物。
これ は 面白い、
しかし 私は 行く に 行く 先に そして 始める から その 始まり。
私は 行く に 分析する 分布。
私は 見せる あなた どうやって I 得た そこには。
私は 実は 行く に クリック すべて、
そして ジャンプ は 行く に 与える 自分 a ヒストグラム そして a 箱ひげ図 一緒に。
A t その 終わり の その プレゼンテーション、
だった 行く に 要約する なぜ それは 重要。
しかし 何 私は 行く に する ここ は 私は 行く に 行く 先に そして 振り向く オフ その ヒストグラム、
I できる 行く 先に そして カスタマイズ その 幅 ここ の その 行。
I できる コピー これ カスタマイズ 以上、
どれの は 本当に ニース。
私は 行く に 所有 下 その コントロール 鍵 なぜなら 私は の上 a パソコン。
私は 行く に 右 クリック
そして それから 私は 行く に 打つ 編集、 コピー、P このC カスタマイズ、
そして それは 行く に 持ってくる 彼ら 全て 以上。
私は 実は 行く に 所有 下 その コントロール 鍵 また そして サイズ変更 これ
だから私は できる サイズ変更 彼ら 全て 一緒に。
今 私は 行く に 最小化 その 分位数 セクション、
なぜなら 私は 行く に 得る その 情報 それ I 必要
から その まとめ 統計 セクション。
I 実は 持っている その IQR そして a 標準 偏差 表示されている ここ。
A しかし I できた カスタマイズ これ、 どちらか ここ または で その プロパティ、
どれの I できる アクセス 下 ファイル、 設定 そして 下 その 分布 プラットフォーム グループ。
何 私は 行く に する は 私は 実は 行く に 作る
これ 情報 の中へ a データ テーブル
そして 私は 行く に 右- クリック そして 選択、 作る 組み合わせ データ テーブル に する それ。
今 I のみ 必要 その IQR そして 標準 偏差。
私は 本当に のみ 興味がある で それ。
それで 私は 実は 行く に 選択、 1つ の その 標準 逸脱、
1つ の その IQR。
私は 行く に 動く 私の カーソル 以上 ここ
そして 選択 マッチング の上 全て の その 行
それ 持っている これら 価値観 で 彼ら。
私は 行く に 行く 先に そして 反転する その 選択、
消去 その 行 それ I しない 欲しい、
そして 私は 左 と これ。
今 私は ただ 行く に 行く 先に そして 再編 その データ
それで それ I できる 計算する その 比率 の その IQR に その 標準 偏差。
それで 私は ただ 行く に 使用 テーブル スプリット のために それ。
私は 行く に 行く 先に そして スプリット による 列1
置く カラム 2 で ここ、 置く これら で a グループ。
私は行きます に クリック わかりました。
I 持っている その データ どうやって I 欲しい。
これ ショー 自分 から どれの 分布
この統計 来た から、
私は 行く に 行く 先に そして する a 新しい フォーミュラC コラム、 組み合わせる、 比率。
そこには あなた 行く。
これ 見た目 a 少し 少し 難しい に 解釈する のために 自分。
私は 行く に 行く 先に そして 変化 それ それで それ I できる のみ 見る 二 小数点。
私は 得た 数字 どれの は とても 似ている、
それ すべき なれ、 ともかく、 とても 似ている に 何 I 持っている で その ここにスライド
詳細 その 比率 の その IQR に その 標準 偏差。
もちろん、 彼らは 行く に なれ 違う なぜなら そこには サンプリング エラー。
これ テーブル は のみ 1つ サンプリング 実験。
しかし これ は どうやって I できる 素早く
そして インタラクティブに 抽出する これ 情報
そして 本当に 理解する、 何 する これ 比率 見て のように
もし 私の データ は ない 普通 で a 特定の 方法？
私たちは できる 見る ここ、 それ その 価値観 それ 傾向がある に なれ より低い
で その ピーク 分布 の その 1つ と 外れ値、
その 価値観 それ 傾向がある に なれ より高い よりも その 典型的な
または その 期待される 理論的な 1、3、5 普通、
は 行く に なれ その 制服、 その 右 歪んだ そして二峰性。
次 質問、 何ですか その 理想的 外れ値 パーセント
もし その 分布 は 完璧に 普通？
良い、 それ ターン 外 それ もし 私たちは 見て で その 教科書 または 減らす シミュレーション、
の上 平均、 私たちは すべき 見る について 0.7% の その ポイント 超えて その フェンス、
で a 普通 分布、
または で 少しでも 多分 ない 超えて その フェンス、 しかし もし 私たちは だった に する a コントロール チャート、
私たちは だろう 確かに 見る について、
どれの は 下 その 予測 の 正常。
のために 例、
もし 私たちは だった に する 一つの 個人 動く 範囲 チャート、 私たちは だろう 見る その周り 0.7%
の その ポイント の上 平均 いる 外 その 制限。
それでも のために 実用的 目的、
私たちは できた おそらく 言う、
もし 私たちは 見た について 3 % または 少ない の その 分布 超えて その 限界、
私たちは だろう 考慮する それ 約 普通。
なぜ は それ 質問 重要？
良い、 私たちは できる 使用 その 割合 の その ポイント 超えて その フェンス
で a 箱ひげ図 いつ その サンプル サイズ は 小さい
に 決定する かどうか または ない 私たちは 持っている いくつかの 証拠 の 正常
の上 その 基礎 の 外れ値。
それでも もし 私たちの サンプル サイズ は あまりにも 大きい、
それから だった 行く に 見る たくさん そして たくさん の ポイント 超えて それらの フェンス。
それで その 本当に 重要 それ 私たちは 考慮する a " 合理的 サンプル サイズ。"
そして それは 一部 の その 理由 なぜ 私たちは のみ 考慮された 100 行 で 私たちの プロジェクト。
次 質問、 何ですか その 違い 間
a 四分位数 範囲 そして a 分位数 範囲 ボックス プロット?
良い、 で a 実用的 コンテクスト、 ともかく、 私たちは できる 話す について
その アウトライヤーを探索 ユーティリティ で ジャンプ 16,
どれの a 許可する 私たち に 調整する その Q、
どれの は その 乗数 の上 その IQR
そして その しっぽ 分位数、
どれの は 本質的に どうやって その データ は 分割された 上。
私たちは できる カスタマイズ それ 範囲。
私は ただ 行く に 見せる あなた 何 それ 見た目 のように 本物 素早く。
私は 行く に 行く の中へ 分析、
私は 行く に 行く に スクリーニング、
探検する 外れ値。
私は 行く に する これ の上 私の 生 データ。
私は 実は 行く に 近い これ。
私は 行く に 行く 戻る に その 生 データ テーブル。
病気 ただ 選ぶ a カップル の これら。
病気 実は 選ぶ その もの それ I 持っている で 私の スライド に ピーク で その 外れ値。
私は 行く に 行く 先に そして 使用 その 分位数 範囲 外れ値。
私は 行く に 調整する これ に 何 その ボックスプロットでは0.25を使用します そして 1.5.
私は 行く に クリック 再スキャン
そして JMPは 識別する 潜在的 外れ値 ここ。
どうやって する これ 接続する に その 分布 プラットフォーム？
良い、 もし 私たちは 行く 以上 ここ、
私たちは 見て で これ、
何 だった 行く に 見る、
は そこには は a 番号 の 外れ値 ここ。
私は 実は 行く に 選択 その 行、
私は 行く に 行く 以上 ここ。
良い、 それ そして 見よ、 その これら 価値観。
それで あなた 得た 1、2、3、4、5、6、7。
そこには セブン 外れ値。
1、2、3、4、5、6、7。
それ 正方形 上。
それは その通り 何 私たちは だろう 期待する。
同様に、 私たちは 得た 1、2、3、4、
そして もし 私たちは スクロール 以上 ここ、 そして 下 その 外れ値、
見る もし終わったら ここ は に 4つ。
素晴らしい。
行く 戻る に その スライド ここ、 私たちは できる カスタマイズ これ .
そして それは 実は 何 私たちは 得る の中へ で その後 質問 10.
どうやって する 私たちは 決定する かどうか 外れ値 は 限界的な または 過激？
良い、 そして なぜ は それ 重要？
良い、 私たちは できる 調整する その 感度
の その 外れ値 検出 ベース の上 その 乗数 の上 その IQR
その間 維持 その しっぽ 分位数 その 同じ。
あなた かもしれない 直感的に 期待する
それ もし あなた だった に 取る Q₃プラスa 大きい 番号 回 その IQR、
その 行く に 伸ばす その ひげ 長さ 同様に、 の上 その より低い 側。
それは 行く に 平均 それ もっと ポイント は 行く に 秋 内部。
それで 少ない 外れ値 だろう なれ 検出されました。
私たちは すべき なれ できる に 見る それ そして テスト それ JMP で。
それで もし I だった に 増加 これ に 二 そして クリック 再スキャン、
私たちは 見る a 少し 外れ値 なる 一部 の その 箱ひげ図、
または 私たちは できる 想像する a 状況 どこ それは その 場合。
病気 増加 これ に 三つ、
病気 打つ 再 スキャン
私たちは 見る さらに少ない 外れ値 いる 特定された まだ。
A s I 行く 上 に Qは等しい 五、
今 I のみ 持っている 1つ 外れ値 検出された で その ピーク カラム の データ。
それで その アイデア ここ は それ 私たちは できる 開発する 基準 のために Q、 のために 例、
私たちは かもしれない 位置づける それ と 三つ、 状況 どこ データ かもしれない なれ 考慮された
a 印刷上の エラー、 どこ それ かもしれない なれ 一つの 過激 または より極端な外れ値。
私たちは かもしれない セット Q 等しい 1.5 例えば、
我々は、潜在的な外れ値として かもしれない なれ 関連する と 変動性
により その 測定 システム または特別な プロセス 変化。
私たちは できる する いくつかの シミュレーション に基づく 私たちの 応用
そして、 価値 の Q 含まれているべき これら 特定の シナリオ。
関連して と それ、 で 質問 10,
私たちは 感動した a 少し 少し の上 うわー または 測定 システム 変動性。
質問 8 会談 a 少し 少しだけ、
それは行く a 少し 少し もっと深く の中へ これ そして もたらす 一緒に いくつかの アイデア。
その アイデア ここ は それ 私たちは 実際に検討するかもしれない
その 距離 間 その アッパー フェンス そして その 最初の外れ値
または その 最初の可能性 外れ値 シリーズ の 外れ値。
私たちは 5月 伸ばす それ アッパー フェンス による a 距離 の シグマの2倍
期限 に その 測定 システム 変動性。
で これ ちなみに、私たちは実際に検討しています
その 変動性 により その 測定 システム。
そして だった 尋ねる 私たち自身、 は これ 潜在的 価値
内で その ノイズ の その 測定 システム または ない？
だった 作成 a グラフィカル 方法、ブレンドされたグラフィック手段
の 決定する かどうか その 価値 は 合理的
の下で 期待 はい t 測定があります システム 変動性。
I 持っている ここ その 距離 間 その 限界的な 外れ値とヒゲ
すべき なれ 比較すると に その うわー ノイズ 標準 偏差。
もし その 内で 二 標準 逸脱、 私たちは しない 持っている 95 % 自信
これを結論づける 限界的な 外れ値 違う から その ひげ。
これ は ただ a グラフィカル バージョン の a 1つ- サンプル T- テスト で 効果。
私たちは できた 実は 構築する a 1つ- サンプル T- テスト
この赤い線を私たちの ターゲット そして その 観察された 価値、
または それよりも 想定される シリーズ の 価値、この黒い点、
として 私たちの 分布 相対的 に それ ターゲット。
その 次 質問、 どうやって 多くの ポイント 私たちは 必要 本当に に 生産する a 箱ひげ図
もし だった サンプル サイズ 限定？
良い、 私たちは かもしれない 必要 で 少しでも セブン ポイント、
そして私たちのシミュレーション で これ 特定の サンプリング 実験 ショー それ。
何ですか ハプニング ここ？
良い、 それぞれ の これら 三つ データ セット 持っている その 同じ 中央値。
あなた できる 見る で これ データ セット、 そこには は 六 観察。
で これ 1つ そこには は セブン、 そして それから これ 1つ そこには は 八。
さあ 始める の上 その 左、 実は、
そして 私たちは 持っている 八 観察、 1つ 外 ここ その周り 15.
何 もし 私たちは 減らす その 観察回数を7回
そして 私たちは 実は 含まれる その ここでも同じ観察が見られます。
しかし 私たちは 減らす 1つ の その 他には？
何 もし 私たちは 減らす それ さらに遠く その間 維持する その 同じ 中央値？
それから 何 私たちは 見る は それ この外れ値15、
どれの は まだ で その データ セット、 いいえ より長い なる 一つの 外れ値。
で エッセンス、 それ なる 吸収された ひげの中に 自体。
その 他の もの それは 面白い この簡単な実験について
は それ その IQR なる 7 から 6 に増えると膨らみます。
私たちは できる 見る それ 視覚的に そのように
このボックスのQ1からQ3までの幅 なる 多くの より広く。
私たちは できる また 見る それ 数値的に ここ。
I 実は 欲しい に 見せる あなた どうやって 私たちは かもしれない 探検する それ で ジャンプ。
こちらは いくつかの データ。
その ない その 同じ データ、 しかし ここは いくつかの データ。
I ただ 作成された a カラム それ ランク その データ。
A 得、 I ただ 使用 一つの インスタント カラム 式。
I できる する それ による 選択する これらのオプションの1つ、
それで I 信じる その 下 分配的。
今、 何 私は 行く に する 私は行きます に 行く 先に そして ただ クロック これ データ。
私は 行く に 振り向く その ヒストグラム の上 その 側。
私は 実は 行く に 呼び出す その ローカル データ フィルター。
私は 行く に 持ってくる で それ ランク カラム それ 私は 行く に まず序数にします。
それで それ I できる 選択 データ 個別に
それよりも よりも 下 その 予測 の その 連続 分布。
私は 行く に 選択 すべて。
今、 さあ 見る、 もし I 行く 戻る に その データ テーブル、
I 知る それ 8 を表す その 最高、 その 最大 価値。
病気 保つ 8 で そこには、
そして 病気 ただ 始める 削減 いくつかの の 低い値
による 保持 下 私の コントロール 鍵 そして クリック それ、
どれの 意思 効果的に 取り除く それ ポイント 動的に から これ 分析。
I 得た その コントロール 鍵 下 そして クリックした また、 もう一度クリックします。
あなた 見た それ そこには、 低い側の外れ値が1つある
ともかく、 で これ 場合、 ただ 姿を消した。
そこには a 関係 の間で その 距離 間の フェンス そして その ポイント、
どれの は 計算された の上 その 基礎 の その データ
ここで中央値と四分位数は は 計算された
ベース の上 その データ それは で その 分析。
これ 与える あなた a より良い 手段 の 感謝する どうやって その 箱ひげ図
変化している a 関数 の データ それはどちらか で または 外 の その 分析。
これ は a 本当に 素晴らしい いいね 特徴
私は本当に のように に 使用 a 多く で 多くの コンテキスト。
何ですか その アドバンテージ ロバストフィット外れ値 アルゴリズム、
どれの は a ジャンプ 16 アルゴリズム？
それ 与える 私たち 別の 手段 の 検出 辺境性 .
私たちは 持っている その 能力 に 使用 a コーシー 方法
どれの 頻繁 避ける その 歪度の影響
どれの できる なれ 役に立つ のために 実用的 状況。
私たちは できる また 使用 a 3秒 愛 またはKシグマ乗数
で 注文 に ヘルプ 検出する 辺境性 .
全て の これら 方法 本当に ヘルプ 私たち
潜在的な外れ値と実際の外れ値を区別する
そして ヘルプ 私たち 作成する a 合理的 信号検出と 方法論
私たちと同じように する もし 私たちは だった に 使用 コントロール チャート作成
そして管理図を作成します 限界
のために 私たちの 特定の 実験的な または 製造業 応用。
13. できる 私たちは 含む その サンプル サイズ 情報 で その 箱 プロット？
さて、これは は どこ その 箱 プロット 開始 に 現在 a クリア 制限。
そこには ない どれでも サンプル サイズ 情報 明示的に で その ボックス プロット。
A しかし、 私たちは する 持っている その グラフビルダーの機能
ノッチボックスプロットを作成するには、 どれの 与える あなた 何か
のような 自信 間隔 の上 その 中央値、
その エッジ 示す a 自信 間隔 上の 中央値。
私たちは また 持っている その 能力 で グラフ キャプションボックスを呼び出すビルダー
これは非常に便利です 特徴 のために 要約 の データ
グラフィカルに それなし 必要 に 提供する 一つの 追加 表形式 データ 出力。
しかし の コース、 それ 情報 は 完全に 隠れた に その 箱ひげ図 自体。
接続 に それ は、 できる 私たちは 作る どれでも 決断
あらゆるレベルの 統計的 自信 もし だった ただ 見ている で その ボックス プロット?
その 答え は いいえ。
で これ 特定の 例えば、私たちは実際にそれを設計しました
それで その 中央値 だった わずかに 違う の上 平均。
そして それで だった 取得 いくつかの 分離 の間で その 中央値 間 その グループ。
私たちは 使用済み に フィット Yによる X で これ コンテクスト。
何 これ ショー は それ その 平均 [聞き取れない 00:29:27]
を表す 平均、 意地悪なダイヤモンド は 非 重複。
それ 見た目 のように 全て 横切って 全て 比較される4つのグループ、
どれの 示す それ そこには いくつかの証拠
それ そこには a 違い で その 手段 間 その グループ。
私たちは できる また 見る その 違い で その 中央値。
私たちは できる する a 非 パラメトリック テスト。
で これ 場合、 だった 使用して a 非 制御付きパラメトリック鋼試験、
どこ その コントロール は ただ その Z 普通。
だった 見る いくつかの 別居の証拠、
統計的 分離 の間で その この特定の例では中央値です。
その 難しい のために 私たち に 検出する それ そして ボックス プロットでそれを確認します。
で 事実、 それ 本当に ない それ クリア で 全て。
どうやって できる 私たちは 教えて もし 私たちは 持っている どれでも 懸念 と 尊敬 に カート 生徒会 ?
何ですか 尖度？
尖度は 基本的に その アイデア それ もしそれが ポジティブ 尖度、
あなた だろう 持っている データ それは 濃縮 で その 真ん中、
あなたの データ それは 押しつぶされた 一緒に の中へ その 真ん中 の その 分布。
それは これ 例 で その 右。
もし あなた 持っていた 一つの 理想化された 場合 極端に否定的な 尖度、
あなたは 持っている a 制服 分布 どこ その データ は 本当に 広める 外。
何 あなた できる 見る で これら グラフ 相対的 に その 普通 分布、
は それ その 50 % 密集 ゾーン、 示された による これ 赤 バー、
は 基本的に について として 長さ として 間の距離 質問1 そして 第3問 ここ、
しかし その の上 1つ 側 の その 中央値、
の上 1つ 側 の その 中央値 そして その 制服 場合。
その について として 長さ として これ 箱 幅 それから その また の上 1つ 側 の その 中央値。
それは a 個性的 特性 特徴 の これ 制服 分布 形。
もし 私たちは 見て で その ピーク 状況、
私たちは 見る それ その 箱 幅 ははるかに もっと 圧縮された
最短の半幅 もまた ほぼ同じ その ボックスの幅、
最も短い半分は ほとんど 密集 地域 それよりも として 中央揃え について その 中央値。
それは 似ている に 何 あなた だろう 正規分布の場合については、
どこ その 50 % 密集 地域 意思 なれ 中心付近
の上 その 平均 または その 中央値 そして について その 同じ 幅 として その 箱。
明らかに、 その 差別化要因 ここ それは その 距離 は 減少 とても a 少し。
本当に その 取り除く ここ、 けれど、
は それ これ タイプ の 解釈 は 本当に 難しい。
そして それ だろう なれ より簡単に のために 私たち 頼る その ヒストグラムで示される形状
よりも に 試す に 見て で その 箱ひげ図 別途。
質問 16 は とても 15と同様。
何 について で その コンテクスト の データ それ もっている もっと よりも 1つ モード？
何 について a 二峰性 分布？
良い、 I ただ 取った その 箱ひげ図 そして 引っ張られた 彼ら 左側に
彼らは から その 写真 の上 その 右。
私たちは できない 本当に 見る a 全体 多く の 違い の間で これら。
その 難しい のために 私たち に 解釈する これ。
しかし 一度 私たちは 置く その ヒストグラムを見ると 明らかに もし 私たちは フィット a 二- ピーク分布
それ そこには 二 モード で これ データ、 そして そこには 多分 1つ モード、
多分 a 小さい モード、 しかし 本当に 本質的に 1つ モード で その データ の上 その 左。
その 箱ひげ図 ない 特に良い
で 検出 それ 面前 の 複数 モード。
その 最後 質問 は、 どうやって 多くの 「正規性違反故障モード」
できる 私たちは 検出する と その ボックス プロット?
これ 質問 もたらす 全て その 他の もの 一緒に。
良い、 もし 私たちは 持っている 歪度、
私たちは 表示されている それ 私たちは 持っている a 強い 能力 に 検出する それ。
もし 私たちは 持っている 潜在的 外れ値、
私たちは 絶対に 持っている a 強い 能力 に 検出する それ。
もし 私たちは 持っている 尖度、
どれの は 本当に 関連している に その 形 そのまま もし そこには は 複数 モード、
それから 私たちは 本当に しない 持っている a 強い 能力 に 検出する それ。
もし だった 考慮して 仮説 テスト、
私たちには絶対に 能力 それを検出する どちらか と その ボックス プロット。
何ですか その 持ち帰りは？
良い、 その 箱ひげ図 は 間違いなく強力な視覚化ツールです。
その a 素晴らしい 入門 道具、
そしてそれは もっている a 素晴らしい 能力 に 個別の歪度
から 潜在的 辺境の ネス。
しかし それ もっている その 制限事項。
で 症例 どこ だった 見ている で 尖度 形 または a 二峰性
あるいはマルチモダリティ、 その ヒストグラム は 絶対に a より良い 選択。
それは 本当に おそらく なぜ ジャンプ ヒストグラムとボックスプロットの両方を使用します
で その 分布 データがどのように動いているかを視覚化するプラットフォーム
もし あなた 意思。
の コース、 追加する 説明的な 統計
本当に助かる ラウンド 上 その 写真 私たちが 持っている a グラフィカル 最初のアプローチ。
これ は ただ、 また、 a 要約 の 何 私たちは 議論した。
しかし、 最後 カップル の 分、
I ただ 欲しい に 見せる あなた a カップル もっと もの について その データ セット 自体。
なぜなら I 考える これ は 多分 その ほとんど 役に立つ 側面 の その プロジェクト。
どうやって かもしれない 私たちは セット 上 a データ セット のように これ？
全て 私たちは 本当に 持っている に する に シミュレートする JMPのデータ
は ただ 作成する いくつかの 行 そして作成する a 関数、
ランダム 普通 関数。
その プロセス それ 私たちは した、一方的に あなた できた する これ は あなた こう言えるだろう、
わかった、 あなた できる 行く の中へ a カラム 式…
私にさせて ただ 見せる あなた これ。
あなた できる ただ ダブル- クリック の中へ それ、 そして あなた できる クリック 式、
あなた できる 編集 その 式。
あなた できる 行く 以上 ここ に これら ランダム関数、
あなた できる クリック それ で、 そして それから あなた できる 特定 a 人口 シグマでの平均。
ゼロ そして 1つ による デフォルト、 クリック わかりました、 そして それから I できる 追加 a 束 の 行。
病気 行く 先に そして 追加 100 行。
何 について これら 他の 配布物ですか？
ユニフォーム 分布は、 私たちは できる 使用 その ランダム 制服 関数。
そして それから 私たちは できる 特定 a 分 そして マックス 価値。
で これ 場合、
I ただ 指定された その 最小 この カラム、
これ 通常 分散型 データ カラム、 そして その マックスは その 最大。
そして それから ついに、 として I 言及された、
I 標準化された その カラム それで それ そうだった の上 その 同じ 数値 規模。
これ 標準化する これ カラム、
標準化された 特徴 は 一般 に 全て の これら 列。
今、 その 最後 もの I 欲しい に ちょっと話しましょう
は、 良い、 何 について ピーク？
何 について 右 歪んだ、 そして 平 と 資本？
良い、 1つ の その もの 私たちは できる 私はそれが本当にクールだと思う
は 私たちは できる 使用 その 分布 JMPの計算機
に ヘルプ 私たち 理解する 特定の 分布 種類 見て のように。
私は ただ 行く に 行く の中へ それ ここ。 私は 行く に ただ ドライブ 下 で ここ。
病気 共有 と あなた その 位置 ここ の これ スクリプト。
その 行く に なれ 下 電卓。違います。
その 行く に なれ 配布の下。
ジェネレータ。
分布 電卓、 計算機上で、 はい。
どうやって かもしれない I 作成する a 分布 それは 右 歪んでる？
どれの ランダム 関数 だろう I 使用？
良い、 I 持っている その 能力 に 見て いくつかの これら 分布と参照
のために 例、
もし I 特定 a ランダム F そして I これらのパラメータを指定すると、
それから 私は 取得 a 分布 と これ 一種の歪み。
そして それから I できる 言う、 良い、
何 起こる もし I 変化 これら パラメータ a 少し 少し？
どうやって は それ 行く に 変化 その 分布？
I できる 使用 これ 洞察力 に パラメータを指定する
のために その ランダム分布 それ I 特定 で 私の データ セット。
で 事実、 それは 何 I した ここ。
何 した I する のために その ピークに達した 1つ？
良い、 もし I 見て で その T 分布、 そして I 減らす その 度 の 自由、
私は 行く に 得る a 分布 それは 比較的 ピーク。
私は 行く に 参照 ポジティブ 尖度 で それ。
それは 1つ 方法 I できる 理解する これらの分布の形状
それで それ I できる それを自分の利益のために利用する
に する 違う 何 もし 分析 JMP で。
私は ただ 行く に 素早く 行く 戻る に 私の スライド。
感謝 あなた とても 多くの のために リスニング。
もし あなた 持っている どれでも 質問、
I 見て フォワード に 受信 彼ら の上 その ユーザー コミュニティ。
私が 言及された、 これ プロジェクト 意思 なれ 投稿 そこには、
そして その まとめ 抽象的な 投稿された で これ リンク ここ。
感謝 またあなた。
