잘, 감사하다 너 모든 사람 ~을 위한 합류 나.
이것 ~이다 a 발견 정상 회담 2022 프레젠테이션,
예의 ~의 나의 공동 발표자, 찰스 첸 그리고 석공 첸.
나의 이름 ~이다 패트릭 줄리안.
그만큼 제목 ~의 이것 말하다 이다,
상자 그림 A 분석: 블렌딩 과학적인 그리고 예술적인 문의
대학교에서 다양한 응답 성격 묘사.
여기 있습니다 그만큼 추상적인.
너 ~할 수 있다 찾다 이것 ~에 그만큼 JMP 사용자 C 커뮤니티
~에 그만큼 발견 2022 지역 사회 페이지,
미국 D 발견 2022 지역 사회 페이지.
나는 놓기 그것 여기 ~을 위한 참조.
I ~ 할 것이다 제공하다 a 링크 ~에 그만큼 슬라이드
에게 그만큼 지역 사회 페이지 어디 그만큼 프로젝트 ~ 할 것이다 살다.
무슨 그만큼 동기 부여 ~을 위한 이것 프로젝트?
그만큼 상자 그림 ~이다 하나 ~의 그만큼 최대 인기 있는 그래픽 도구
에게 시각화하다 a 단변량 분포 ~의 데이터.
이것 프로젝트 연구 어떻게 에게 사용 그만큼 상자 그림 에게 분석하다 데이터 효과적으로.
최대 사람들 WHO 사용 그만큼 상자 그림 ~하지 않다 사용 그것 필연적으로
에게 결정하다 그만큼 모양 ~의 그만큼 분포 ~의 그만큼 데이터.
~ 안에 사실, 많은 사람들 사용 그것 잘못된 에게 그리다 평균 또는 평균 비교 결정,
그리고 그들 5월 추정하다 정상 기반을 둔 ~에 대칭,
언제 ~에 사실, 그만큼 정상 추정
~일 것이다 실제로 ~ 아니다 BE 합리적인 만약에 그들 ~이었다 에게 가져가다 a 더 가까이 바라보다
~에 그만큼 모양 ~의 그만큼 데이터 ~에 a 히스토그램, ~을 위한 예.
그만큼 목적 ~의 이것 프로젝트 ~이다 에게 입증하다 어떻게 에게 사용 JMP
구체적으로 16, 에게 해석하다 정보 ~에 a 상자 그림
그리고 에게 개선하다 진보
~에 a 글로벌 지역 사회 ~의 과학자들 그리고 엔지니어
저것 ~이다 정말 아래에 a 디메이크 또는 APS,
또는 기대다 유형 육 시그마 방법론,
어느 ~이다 매우 인기 있는, 확실히, 오늘 그리고 ~ 위에 그만큼 마지막 약간의 수십 년.
그만큼 흥미로운 물건 ~에 대한 이것 프로젝트 ~이다 우리 액자에 담긴 그것
~에 그만큼 문맥 ~의 17 놀리다 질문.
이것 ~이다 a 질문 그리고 답변 슬라이드 갑판.
그리고 나는 ~ 아니다 가고 있다 에게 가다 ~ 안으로 ~도 많이 세부 사항
~에 대한 각 그리고 모든 질문,
어느 h I ~ 할 것이다 보여주다 너 여기.
하지만 무엇 ID 좋다 에게 하다 ~이다 보여주다 너 a 작은 조금 ~에 대한
어떻게 너 ~할 수 있다 사용 JMP 에게 탐구하다 그만큼 답변 에게 이것들 질문,
왜냐하면 I 생각하다 그건 정말 그만큼 최대 흥미로운 그리고 재미있는 부분.
그만큼 첫 번째 I 원함 에게 하다 ~이다 단지 빠르게 가다 ~ 위에 무엇 a 상자 그림 이다.
그래서 무엇 ~이다 그만큼 해부 ~의 a 상자 그림?
단지 ~처럼 a 보충 교육 ~을 위한 일부 ~의 너, 또는 소개 ~을 위한 일부 ~의 너,
그만큼 중앙값 ~이다 가리키는 ~에 의해 그만큼 중앙선,
그리고 그것은 언급됨 에게 ~처럼 그만큼 두번째 사분위수, 2분기
또는 그만큼 50주년 백분위수.
그 다음에 Q1 ~이다 언급됨 에게 ~처럼 그만큼 25일 백분위수.
3분기 ~이다 그만큼 75번째 백분위수, ~처럼 너 ~할 수 있다 보다 여기.
그만큼 사분위수 범위, 또는 사분위수,
~이다 그만큼 차이점 ~ 사이 3분기 그리고 질문 1.
그만큼 다른 중요한 강요 ~이다 우리 가지다 무슨 ~라고 불리는
a 수염 결정 ~에 그만큼 낮추다 옆 그리고 ~에 그만큼 높은 옆.
바로 그만큼 끝 ~의 저것 수염 결정, 때때로 우리 나타내다 에게 그것 ~처럼 울타리
그리고 당신은 보다 a 수직의 선
그리고 JMP 추첨 a 수직의 선 에게 나타내다 저것 가장자리.
무슨 중요한 ~에 대한 이것 ~이다 저것 이것 위치 ~이다 실제로
Q1 마이너스 1.5 타임스 그만큼 사분위수,
어느 ~이다 표현된 ~에 의해 그만큼 거리 ~ 사이 이것 가장자리와 이 가장자리.
이 지점 그리고 그만큼 높은 울타리 ~이다
3분기에 1분기를 더한 값 그리고 a 반 타임스 그만큼 사분위수(IQR).
그래서 저것 정의하다 그만큼 높은 가장자리.
그 다음에 어느 전철기 저것 ~이다 그 너머에 이것들 가장자리 또는 울타리
~이다 존경받는 잠재적인 이상치.
그리고 그들 실제로 보여주다 위로 ~에 의해 그들 자신 ~처럼 전철기
반면 그만큼 나머지 ~의 그만큼 데이터 ~에 그만큼 가운데 ~의 그만큼 히스토그램
~이다 ~ 아니다 표시된 ~을 위한 중요성 ~에 그만큼 전철기 저것 ~이다 그 너머에 그만큼 그 너머에 이것들 울타리.
나는 가고 있다 에게 도약 오른쪽 안에.
어떻게 했다 우리 탐구하다 그리고 개발하다 그만큼 답변 에게 이것들 질문,
그리고 ~에 일부 사례, 심지어 정제하다 그만큼 질문 그들 자신?
잘, 우리 생성됨 a 시뮬레이션된 데이터 테이블 JMP 16,
어디 우리 건설된 100 행 ~의 데이터,
그리고 우리 건설된 데이터, 첫 번째 a 정상 분포,
그리고 그 다음에 적용된 일부 변환 에게 저것 데이터.
우리 보다 저것 우리 가지다 a 보통 배포됨 데이터
그어진 ~에서 a 인구 그만큼 평균 ~의 영 그리고 a 표준편차 ~의 하나.
그럼 우리는 가지다 균일하게 배포됨 데이터.
그 다음에 우리 가지다 데이터 그건 뾰족한,
즉 가지다 a 긍정적인 첨도.
그 다음에 우리 가지다 데이터 그건 오른쪽 왜곡된,
가지다 둘 모드,
가지다 일부 이상치 ~에 대한 3 % ~에 평균
그리고 그 다음에 정수.
~ 안에 모두 그만큼 사례, ~와 함께 그만큼 예외 ~의 그만큼 이중모드,
우리 단지 기반을 둔 그만큼 시뮬레이션된 공식,
~에 그만큼 원래의 정상 열.
그만큼 방법 저것 우리 놓다 모두 그만큼 데이터 ~에 그만큼 같은 규모
~이다 우리 사용 그만큼 열 표준화된 기능
그래서 저것 우리 ~할 수 있었다 비교하다 모두 그만큼 데이터
상대적인 에게 각 다른 ~에 그만큼 분포 플랫폼.
이것 ~이다 단지 a 시사 ~의 저것.
아픈 도약 ~ 위에 에게 JMP 그리고 보여주다 너 저것.
하지만 다시, 모두 ~의 이것 데이터 ~이다 중앙에 평균적으로 약 영
그리고 a 기준 편차, 약 하나.
우리 덮인 그만큼 첫 번째 질문입니다.
왜 나는 s a 상자 그림, 때때로 언급됨 에게 ~처럼 a 다섯- 가리키다 구성?
잘, 거기 ~이다 다섯 기본 전철기 .
있다 Q1, 있다 2분기 ~에 그만큼 가운데, 있다 3분기,
그리고 그 다음에 거기 ~이다 그만큼 구레나룻, 그만큼 높은 그리고 낮추다 .
다음 질문.
무엇 ~이다 그만큼 둘 방법 저것 그만큼 상자 그림 ~할 수 있다 결정하다
언제 거기 분포 ~이다 왜곡되었나요?
잘, 우리 ~할 수 있다 바라보다 ~에 그만큼 너비 ~의 그만큼 상자 그 자체.
우리 ~할 수 있다 또한 바라보다 ~에 그만큼 너비 ~의 그만큼 구레나룻.
~ 안에 이것 오른쪽 왜곡된 예,
너 ~할 수 있다 보다 저것 높은 수염 결정 ~이다 많이 더 길게 ~보다 그만큼 낮추다 하나.
그래서 저것 ~일 것이다 암시하다 저것 그만큼 데이터 ~이다 오른쪽 왜곡된.
~ 안에 다른 단어, 저것 그만큼 꼬리 ~에 그만큼 데이터,
만약에 너 ~이었다 에게 상상하다 저것 분포, ~이다 가리키는 에게 그만큼 오른쪽.
셋째, 왜 하다 그만큼 상자 그림 포함 그만큼 중앙값 그리고 ~ 아니다 그만큼 평균?
잘, a 상자 그림 사용 그만큼 중앙값 에게 결정하다 또는 계량기 왜곡도.
그래서 만약에 그만큼 분포 ~이다 정상, 그 다음에 그만큼 평균 ~이다 동일한 에게 그만큼 중앙값.
그리고 ~에 사실, 무엇 너 ~일 것이다 보다 여기 ~이다 저것 이것 중앙값 선 ~에 그만큼 가운데
~일 것이다 선 위로 정확히 ~와 함께 그만큼 가장자리 ~의 이것 다이아몬드,
그만큼 가운데 ~의 이것 다이아몬드.
~ 안에 저것 사례, 너 ~일 것이다 효과적으로 가지다 a 상황
어디 당신은 ~ 아니다 정말 지는 어느 정보
왜냐하면 그만큼 분포는 대칭적입니다.
그만큼 중앙값 ~에 일반적인, 그 다음에 ~할 것 같다 BE 존경받는 더 나은,
~에 관계없이 ~의 ~이든 그만큼 분포 ~이다 정상 또는 비정상적인.
네번째, 왜 ~이다 그만큼 상자 구성 그만큼 최대 강한 심상 도구,
또는 하나 ~의 그만큼 최대 강한 도구 에게 분리된 왜곡도 그리고 국외자 문제 있으신가요?
언제 우리 이야기했다 ~에 대한 이것 아이디어 저것 왜냐하면 그만큼 상자 그림 사용
이것 Q1 마이너스 하나 그리고 반 타임스 사분위수(IQR)
그리고 3분기에 1분기를 더한 값 그리고 a 반 타임스 사분위수(IQR) 방법론,
그것 정말 허용합니다 우리를 에게 분리된 잠재적인 이상치 ~에서 그만큼 기본 데이터.
그것 또한 준다 우리를 a 뼈대
~에 의해 어느 에게 판사 ~이든 그만큼 높은 수염 결정
~이다 더 큰 또는 더 작은 ~보다 a 낮추다 수염 결정.
그래서 저것들 둘 구성 요소 ~의 그만큼 구성
정말 돕다 우리를, 꽤, 보다 만약에 이었다 훈련된 왜곡도
그리고 잠재적인 밖에 있는 이것.
이것은 a 고유한 특징 ~의 그만큼 상자 그림.
그만큼 다섯 번째 질문 ~이다 a 작은 더 흥미로운.
무슨 그만큼 관계 ~ 사이 그만큼 사분위수 범위,
저것 거리 ~ 사이 Q1 그리고 3분기,
그리고 그만큼 기준 편차, 어느 우리 ~할 수 있다 믿다 ~을 위한 어느 데이터 세트,
~에 관계없이 ~의 어떻게 그것은 배포되었습니까?
만약에 그만큼 데이터 ~이다 정상,
무엇 ~에 대한 만약에 그만큼 데이터 ~이다 왜곡된 또는 비정상적인 또는 뾰족한
또는 어느 다른 모양?
잘, 우리 알다, 기반을 둔 ~에 이론,
저것 그만큼 비율 ~의 그만큼 사분위수, 표준편차에
~이다 1.35 ~을 위한 정상 데이터.
무엇 ~일 것이다 저것 비율 바라보다 좋다 만약에 그만큼 데이터 아니었다 정상?
잘, 우리 ~할 수 있다 탐구하다 저것 ~에 JMP,
그리고 나는 가고 있다 에게 보여주다 너 저것 정말 빠르게.
여기 있습니다 그만큼 데이터 세트.
나는 또한 가고 있다 에게 우편 이것 ~에 그만큼 지역 사회 .
그만큼 첫 번째 나는 가고 있다 에게 하다 ~이다 가다 앞으로 그리고 보여주다 너
어떻게 I 얻다 에게 a 시각적 상태
어디 우리 ~할 수 있다 보다 모두 그만큼 상자 그림 함께,
없이 그만큼 분포.
이것 ~이다 흥미로운,
하지만 나는 가고 있다 에게 가다 앞으로 그리고 시작 ~에서 그만큼 시작.
나는 가고 있다 에게 분석하다 분포.
나는 갈 것이다 보여주다 너 어떻게 I 갖다 거기.
나는 실제로 가고 있다 에게 딸깍 하는 소리 모든 것,
그리고 JMP ~이다 가고 있다 에게 주다 나 a 히스토그램 그리고 a 상자 그림 함께.
A t 그만큼 끝 ~의 그만큼 프레젠테이션,
이었다 가고 있다 에게 요약 왜 그건 중요한.
하지만 무엇 나는 가고 있다 에게 하다 여기 ~이다 나는 가고 있다 에게 가다 앞으로 그리고 회전하다 끄다 그만큼 히스토그램,
I ~할 수 있다 가다 앞으로 그리고 맞춤 설정 그만큼 너비 여기 ~의 그만큼 윤곽.
I ~할 수 있다 복사 이것 맞춤 설정 위에,
어느 ~이다 정말 멋진.
나는 가고 있다 에게 잡고 있다 아래에 그만큼 제어 열쇠 왜냐하면 나는 ~에 a PC.
나는 가고 있다 에게 오른쪽 딸깍 하는 소리
그리고 그 다음에 나는 가고 있다 에게 때리다 편집하다, 복사, P 이 C 맞춤 설정,
그리고 그건 가고 있다 에게 가져오다 그들을 모두 위에.
나는 실제로 가고 있다 에게 잡고 있다 아래에 그만큼 제어 열쇠 다시 그리고 크기 조정 이것
그래서 내가 ~할 수 있다 크기 조정 그들을 모두 함께.
지금 나는 가고 있다 에게 최소화 그만큼 분위수 부분,
왜냐하면 나는 가고 있다 에게 얻다 그만큼 정보 저것 I 필요
~에서 그만큼 요약 통계 부분.
I 실제로 가지다 그만큼 사분위수(IQR) 그리고 a 기준 편차 표시된 여기.
A 비록 I ~할 수 있었다 맞춤 설정 이것, 어느 하나 여기 또는 ~에 그만큼 속성,
어느 I ~할 수 있다 입장 아래에 파일, 환경설정 그리고 아래에 그만큼 분포 플랫폼 그룹.
무엇 나는 가고 있다 에게 하다 ~이다 나는 실제로 가고 있다 에게 만들다
이것 정보 ~ 안으로 a 데이터 테이블
그리고 나는 가고 있다 에게 오른쪽- 딸깍 하는 소리 그리고 선택하다, 만들다 결합 데이터 테이블 에게 하다 저것.
지금 I 오직 필요 그만큼 사분위수(IQR) 그리고 기준 편차.
나는 정말 오직 관심 있는 ~에 저것.
그래서 나는 실제로 가고 있다 에게 선택하다, 하나 ~의 그만큼 기준 편차,
하나 ~의 그만큼 사분위수(IQR).
나는 가고 있다 에게 이동하다 나의 커서 ~ 위에 여기
그리고 선택하다 어울리는 ~에 모두 ~의 그만큼 행
저것 가지다 이것들 값 ~에 그들을.
나는 가고 있다 에게 가다 앞으로 그리고 거꾸로 하다 그만큼 선택,
삭제 그만큼 행 저것 I ~하지 않다 원하다,
그리고 나는 왼쪽 ~와 함께 이것.
지금 나는 단지 가고 있다 에게 가다 앞으로 그리고 구조조정 그만큼 데이터
그래서 저것 I ~할 수 있다 믿다 그만큼 비율 ~의 그만큼 사분위수(IQR) 에게 그만큼 기준 편차.
그래서 나는 단지 가고 있다 에게 사용 테이블 나뉘다 ~을 위한 저것.
나는 가고 있다 에게 가다 앞으로 그리고 나뉘다 ~에 의해 1열
놓다 열 2 ~에 여기, 놓다 이것들 ~에 a 그룹.
나는 간다 에게 딸깍 하는 소리 좋아요.
I 가지다 그만큼 데이터 어떻게 I 원하다.
이것 쇼 나 ~에서 어느 분포
이 통계 왔다 에서,
나는 가고 있다 에게 가다 앞으로 그리고 하다 a 새로운 공식 C 컬럼, 결합하다, 비율.
거기 너 가다.
이것 외모 a 작은 조금 딱딱한 에게 해석하다 ~을 위한 나.
나는 가고 있다 에게 가다 앞으로 그리고 변화 그것 그래서 저것 I ~할 수 있다 오직 보다 둘 소수.
나는 가지고 있다 갖다 숫자 어느 ~이다 매우 비슷한,
그것 ~해야 한다 BE, 그래도, 매우 비슷한 에게 무엇 I 가지다 ~에 그만큼 슬라이드 여기
세부 사항 그만큼 비율 ~의 그만큼 사분위수(IQR) 에게 그만큼 기준 편차.
물론, 그들은 가고 있다 에게 BE 다른 왜냐하면 있다 견본 추출 오류.
이것 테이블 ~이다 오직 하나 견본 추출 실험.
하지만 이것 ~이다 어떻게 I ~할 수 있다 빠르게
그리고 상호작용적으로 발췌 이것 정보
그리고 정말 이해하다, 무엇 하다 이것 비율 바라보다 좋다
만약에 나의 데이터 ~이다 ~ 아니다 정상 ~에 a 특정한 방법?
우리 ~할 수 있다 보다 여기, 저것 그만큼 값 저것 추세 에게 BE 낮추다
~에 그만큼 정점 분포 ~의 그만큼 하나 ~와 함께 이상치,
그만큼 값 저것 추세 에게 BE 더 높은 ~보다 그만큼 전형적인
또는 그만큼 예상되는 이론적인 1, 3, 5 정상,
~이다 가고 있다 에게 BE 그만큼 제복, 그만큼 오른쪽 왜곡된 그리고 이중 모드입니다.
다음 질문, 무슨 그만큼 이상적인 국외자 퍼센트
만약에 그만큼 분포 ~이다 아주 정상?
잘, 그것 회전 밖으로 저것 만약에 우리 바라보다 ~에 그만큼 교과서 또는 줄이다 시뮬레이션,
~에 평균, 우리 ~해야 한다 보다 ~에 대한 0.7% ~의 그만큼 전철기 그 너머에 그만큼 울타리,
~에 a 정상 분포,
또는 ~에 최소 아마도 ~ 아니다 그 너머에 그만큼 울타리, 하지만 만약에 우리 ~이었다 에게 하다 a 제어 차트,
우리 ~일 것이다 틀림없이 보다 에 대한,
어느 ~이다 아래에 그만큼 추정 ~의 정상 상태.
을 위한 예,
만약에 우리 ~이었다 에게 하다 안 개인 움직이는 범위 차트, 우리 ~일 것이다 보다 약 0.7%
~의 그만큼 전철기 ~에 평균 존재 밖의 그만큼 제한.
하지만 ~을 위한 현실적인 목적,
우리 ~할 수 있었다 아마 말하다,
만약에 우리 봤다 ~에 대한 3 % 또는 더 적은 ~의 그만큼 분포 그 너머에 그만큼 제한,
우리 ~일 것이다 고려하다 그것 약 정상.
왜 ~이다 저것 질문 중요한?
잘, 우리 ~할 수 있다 사용 그만큼 비율 ~의 그만큼 전철기 그 너머에 그만큼 울타리
~에 a 상자 그림 언제 그만큼 견본 크기 ~이다 작은
에게 결정하다 ~이든 또는 ~ 아니다 우리 가지다 일부 증거 ~의 정상
~에 그만큼 기초 ~의 이상치.
하지만 만약에 우리의 견본 크기 ~이다 ~도 큰,
그 다음에 이었다 가고 있다 에게 보다 많은 그리고 많은 ~의 전철기 그 너머에 저것들 울타리.
그래서 그것은 정말 중요한 저것 우리 고려하다 a " 합리적인 견본 크기."
그리고 그건 부분 ~의 그만큼 이유 왜 우리 오직 존경받는 100 행 ~에 우리의 프로젝트.
다음 질문, 무슨 그만큼 차이점 ~ 사이
a 사분위수 범위 그리고 a 분위수 범위 상자 그림?
잘, ~에 a 현실적인 문맥, 그래도, 우리 ~할 수 있다 말하다 ~에 대한
그만큼 아웃라이어를 살펴보세요 공익사업 ~에 JMP 16,
어느 a 로우즈 우리를 에게 조정하다 그만큼 큐,
어느 ~이다 그만큼 승수 ~에 그만큼 사분위수(IQR)
그리고 그만큼 꼬리 분위수,
어느 ~이다 본질적으로 어떻게 그만큼 데이터 ~이다 각기 다른 위로.
우리 ~할 수 있다 맞춤 설정 저것 범위.
나는 단지 가고 있다 에게 보여주다 너 무엇 저것 외모 좋다 진짜 빠르게.
나는 가고 있다 에게 가다 ~ 안으로 분석하다,
나는 가고 있다 에게 가다 에게 상영,
탐구하다 이상치.
나는 가고 있다 에게 하다 이것 ~에 나의 날것의 데이터.
나는 실제로 가고 있다 에게 닫다 이것.
나는 가고 있다 에게 가다 뒤쪽에 에게 그만큼 날것의 데이터 테이블.
아픈 단지 선택하다 a 커플 ~의 이것들.
아픈 실제로 선택하다 그만큼 하나 저것 I 가지다 ~에 나의 슬라이드 에게 정점 ~에 그만큼 이상치.
나는 가고 있다 에게 가다 앞으로 그리고 사용 그만큼 분위수 범위 이상치.
나는 가고 있다 에게 조정하다 이것 에게 무엇 그만큼 박스 플롯 사용값: 0.25 그리고 1.5.
나는 가고 있다 에게 딸깍 하는 소리 재스캔
그리고 JMP가 갈 거예요 식별하다 잠재적인 이상치 여기.
어떻게 하다 이것 연결하다 에게 그만큼 분포 플랫폼?
잘, 만약에 우리 가다 ~ 위에 여기,
우리 바라보다 ~에 이것,
무엇 이었다 가고 있다 에게 보다,
~이다 거기 ~이다 a 숫자 ~의 이상치 여기.
나는 실제로 가고 있다 에게 선택하다 그만큼 행,
나는 가고 있다 에게 가다 ~ 위에 여기.
잘, 그것 그리고 보다, 그것은 이것들 값들.
그래서 너 갖다 1, 2, 3, 4, 5, 6, 7.
있다 일곱 이상치.
1, 2, 3, 4, 5, 6, 7.
저것 정사각형 위로.
그건 정확히 무엇 우리 ~일 것이다 예상하다.
비슷하게, 우리는 갖다 1, 2, 3, 4,
그리고 만약에 우리 스크롤 ~ 위에 여기, 그리고 아래에 그만큼 이상치,
보다 우리가 끝났다면 여기 ~이다 에게 넷.
엄청난.
가고 있다 뒤쪽에 에게 그만큼 슬라이드 여기, 우리 ~할 수 있다 맞춤 설정 이것 .
그리고 그건 실제로 무엇 우리 얻다 ~ 안으로 ~에 후속 질문 10.
어떻게 하다 우리 결정하다 ~이든 이상치 ~이다 가장자리 가의 또는 극심한?
잘, 그리고 왜 ~이다 그것 중요한?
잘, 우리 ~할 수 있다 조정하다 그만큼 감광도
~의 그만큼 국외자 발각 기반을 둔 ~에 그만큼 승수 ~에 그만큼 사분위수(IQR)
~하는 동안 유지 그만큼 꼬리 분위수 그만큼 같은.
너 ~할 것 같다 직관적으로 예상하다
저것 만약에 너 ~이었다 에게 가져가다 Q₃ 플러스 a 더 큰 숫자 타임스 그만큼 사분위수,
그것은 가고 있다 에게 연장하다 그만큼 수염 결정 길이 마찬가지로, ~에 그만큼 낮추다 옆.
그건 가고 있다 에게 평균 저것 더 전철기 ~이다 가고 있다 에게 떨어지다 내부에.
그래서 더 적은 국외자 ~일 것이다 BE 감지되었습니다.
우리 ~해야 한다 BE 할 수 있는 에게 보다 저것 그리고 시험 저것 JMP에서.
그래서 만약에 I ~이었다 에게 증가하다 이것 에게 둘 그리고 딸깍 하는 소리 재스캔,
우리 보다 a 약간의 이상치 ~이 되다 부분 ~의 그만큼 상자 그림,
또는 우리 ~할 수 있다 상상하다 a 상황 어디 그건 그만큼 사례.
아픈 증가하다 이것 에게 삼,
아픈 때리다 답장 주사
우리 보다 훨씬 더 적은 이상치 존재 식별됨 아직.
A s I 가다 위로 에게 Q는 다음과 같습니다. 다섯,
지금 I 오직 가지다 하나 국외자 감지됨 ~에 그만큼 정점 열 ~의 데이터.
그래서 그만큼 아이디어 여기 ~이다 저것 우리 ~할 수 있다 개발하다 기준 ~을 위한 큐, ~을 위한 예,
우리 ~할 것 같다 ...을 놓다 그것 ~와 함께 삼, 상황 어디 데이터 ~할 것 같다 BE 존경받는
a 타이포그래피 오류, 어디 그것 ~할 것 같다 BE 안 극심한 또는 더욱 극단적인 이상치.
우리 ~할 것 같다 세트 Q 동일한 예를 들어 1.5인 경우
우리는 잠재적 이상치가 있다고 생각합니다. ~할 것 같다 BE 관련된 ~와 함께 변동성
~ 때문에 그만큼 측정 체계 또는 특별한 프로세스 변화.
우리 ~할 수 있다 하다 일부 시뮬레이션 ~을 기반으로 우리의 애플리케이션
그리고 무엇을 결정할지 값 ~의 Q 있어야 합니다 이것들 특정한 시나리오.
관련하여 ~와 함께 저것, ~에 질문 10,
우리 감동받았습니다 a 작은 조금 ~에 GRR 또는 측정 체계 변동성.
질문 8 대화 a 작은 간략하게 설명하자면,
그렇게 됩니다 a 작은 조금 더 깊이 ~ 안으로 이것 그리고 가져오다 함께 일부 아이디어.
그만큼 아이디어 여기 ~이다 저것 우리 실제로 고려해 볼 수도 있습니다
그만큼 거리 ~ 사이 그만큼 높은 울타리 그리고 그만큼 첫 번째 이상치
또는 그만큼 첫 번째 잠재력 국외자 시리즈 ~의 이상치.
우리 5월 연장하다 저것 높은 울타리 ~에 의해 a 거리 ~의 시그마의 두 배
~로 인한 에게 그만큼 측정 체계 변동성.
~ 안에 이것 우리는 실제로 다음과 같은 점을 고려하고 있습니다.
그만큼 변동성 ~ 때문에 그만큼 측정 체계.
그리고 이었다 질문 우리 스스로, ~이다 이것 잠재적인 값
이내에 그만큼 소음 ~의 그만큼 측정 체계 또는 아니다?
이었다 만들기 a 그래픽 한 가지 방법, 혼합된 그래픽 수단
~의 결정하다 ~이든 그만큼 값 ~이다 합리적인
~아래에 기대 예 t 측정이 있습니다 체계 변동성.
I 가지다 여기 그만큼 거리 ~ 사이 그만큼 가장자리 가의 이상치와 수염
~해야 한다 BE 비교하다 에게 그만큼 GRR 소음 기준 편차.
만약에 그것은 이내에 둘 기준 편차, 우리 ~하지 않다 가지다 95 % 신뢰
결론적으로 말하자면 가장자리 가의 국외자 다르다 ~에서 그만큼 수염 결정.
이것 ~이다 단지 a 그래픽 버전 ~의 a 하나- 견본 티- 시험 ~에 효과.
우리 ~할 수 있었다 실제로 건설하다 a 하나- 견본 티- 시험
이 빨간 선을 기준으로 삼아 목표 그리고 그만큼 관찰됨 값,
또는 꽤 꾸민 시리즈 ~의 값, 이 검은 점,
~처럼 우리의 분포 상대적인 에게 저것 목표.
그만큼 다음 질문, 어떻게 많은 전철기 우리는 필요 정말 에게 생산하다 a 상자 그림
만약에 이었다 견본 크기 제한된?
잘, 우리 ~할 것 같다 필요 ~에 최소 일곱 전철기,
그리고 우리의 시뮬레이션 ~에 이것 특정한 견본 추출 실험 쇼 저것.
무슨 사고 여기?
잘, 각 ~의 이것들 삼 데이터 세트 가지다 그만큼 같은 중앙값.
너 ~할 수 있다 보다 ~에 이것 데이터 세트, 거기 ~이다 육 관찰.
~ 안에 이것 하나 거기 ~이다 일곱, 그리고 그 다음에 이것 하나 거기 ~이다 여덟.
우리 시작 ~에 그만큼 왼쪽, 실제로,
그리고 우리 가지다 여덟 관찰, 하나 밖으로 여기 약 15.
무엇 만약에 우리 줄이다 그만큼 관찰 횟수 7회
그리고 우리 실제로 포함된 그만큼 저도 같은 생각을 했습니다.
하지만 우리 줄이다 하나 ~의 그만큼 다른 사람들은요?
무엇 만약에 우리 줄이다 그것 더 나아가 ~하는 동안 유지 그만큼 같은 중앙값?
그 다음에 무엇 우리 보다 ~이다 저것 이 이상치 15,
어느 ~이다 아직 ~에 그만큼 데이터 세트, 아니요 더 길게 되다 안 국외자.
~ 안에 본질, 그것 되다 흡수됨 수염 속으로 그 자체.
그만큼 다른 물건 그건 흥미로운 이 간단한 실험에 대해
~이다 저것 그만큼 사분위수(IQR) 되다 7에서 6으로 줄어들 때 부풀려집니다.
우리 ~할 수 있다 보다 저것 시각적으로 그것으로서
Q1부터 Q3까지 이 상자의 너비 되다 많이 더 넓게.
우리 ~할 수 있다 또한 보다 저것 수치적으로 여기.
I 실제로 원하다 에게 보여주다 너 어떻게 우리 ~할 것 같다 탐구하다 저것 ~에 JMP.
여기 있습니다 일부 데이터.
그것은 ~ 아니다 그만큼 같은 데이터, 하지만 여기 있습니다 일부 데이터.
I 단지 생성됨 a 열 저것 순위 그만큼 데이터.
A 얻다, I 단지 사용 안 즉각적인 열 공식.
I ~할 수 있다 하다 저것 ~에 의해 선택하는 다음 옵션 중 하나,
그래서 I 믿다 그것은 아래에 분포적인.
지금, 무엇 나는 가고 있다 에게 하다 내가 가는 건가요? 에게 가다 앞으로 그리고 단지 시계 이것 데이터.
나는 가고 있다 에게 회전하다 그만큼 히스토그램 ~에 그것은 옆.
나는 실제로 가고 있다 에게 부르다 그만큼 로컬 데이터 필터.
나는 가고 있다 에게 가져오다 ~에 저것 계급 열 저것 나는 가고 있다 에게 먼저 서수로 만드세요.
그래서 저것 I ~할 수 있다 선택하다 데이터 개별적으로
꽤 ~보다 아래에 그만큼 추정 ~의 그만큼 마디 없는 분포.
나는 가고 있다 에게 선택하다 모든 것.
지금, 우리 보다, 만약에 I 가다 뒤쪽에 에게 그만큼 데이터 테이블,
I 알다 저것 8 나타냅니다 그만큼 제일 높은, 그만큼 가장 큰 값.
아픈 유지하다 8 ~에 거기,
그리고 아픈 단지 시작 줄이는 일부 ~의 낮은 값들
~에 의해 보유 아래에 나의 제어 열쇠 그리고 클릭 저것,
어느 ~ 할 것이다 효과적으로 제거하다 저것 가리키다 동적으로 ~에서 이것 분석.
I 갖다 그만큼 제어 열쇠 아래에 그리고 클릭됨 다시, 다시 클릭하세요.
너 봤다 그것 거기, 낮은 쪽에 있는 그 하나의 예외적인 경우,
그래도, ~에 이것 사례, 단지 사라졌다.
있다 a 관계 ~ 중에 그만큼 거리 사이에 울타리 그리고 그만큼 전철기,
어느 ~이다 계획된 ~에 그만큼 기초 ~의 그만큼 데이터
중앙값과 사분위수는 다음과 같습니다. ~이다 계획된
기반을 둔 ~에 그만큼 데이터 그건 ~에 그만큼 분석.
이것 준다 너 a 더 나은 수단 ~의 감사하는 어떻게 그만큼 상자 그림
변화하고 있습니다 a 기능 ~의 데이터 그건 둘 중 하나야 ~에 또는 밖으로 ~의 그만큼 분석.
이것 ~이다 a 정말 감독자 시원한 특징
내가 정말로 좋다 에게 사용 a 많은 ~에 많은 맥락.
무슨 그만큼 이점 강건한 적합 이상치의 연산,
어느 ~이다 a JMP 16 연산?
그것 준다 우리를 또 다른 수단 ~의 감지 외곽성 .
우리 가지다 그만큼 능력 에게 사용 a 코시 방법
어느 자주 피한다 그만큼 왜곡의 영향
어느 ~할 수 있다 BE 유용한 ~을 위한 현실적인 상황.
우리 ~할 수 있다 또한 사용 a 3초 사랑 또는 K-시그마 승수
~에 주문하다 에게 돕다 감지하다 외곽성 .
모두 ~의 이것들 행동 양식 정말 돕다 우리를
잠재적 이상치와 실제 이상치를 구분합니다.
그리고 돕다 우리를 만들다 a 합리적인 신호 감지 및 방법론
우리가 할 수 있는 것과 비슷한 방식으로 하다 만약에 우리 ~이었다 에게 사용 제어 차트 작성
그리고 관리도를 작성하세요 제한
~을 위한 우리의 특정한 실험적인 또는 조작 애플리케이션.
13. 할 수 있다 우리 포함하다 그만큼 견본 크기 정보 ~에 그만큼 상자 구성?
음, 이것은 ~이다 어디 그만큼 상자 구성 시작 에게 현재의 a 분명한 한정.
거기 아니다 어느 견본 크기 정보 명시적으로 ~에 그만큼 상자 그림.
A 하지만, 우리 하다 가지다 그만큼 그래프 작성 능력
노치 박스 플롯을 생성하려면, 어느 준다 너 무엇
마치 신뢰 간격 ~에 그만큼 중앙값,
그만큼 가장자리 나타내다 a 신뢰 간격 위에 중앙값.
우리 또한 가지다 그만큼 능력 ~에 그래프 작성자가 캡션 상자를 호출합니다.
매우 유용한 특징 ~을 위한 요약 ~의 데이터
그래픽적으로 없이 필요로 하는 에게 제공하다 안 추가의 표의 데이터 산출.
하지만 ~의 강의, 저것 정보 ~이다 완전히 숨겨진 에게 그만큼 상자 그림 그 자체.
연결됨 에게 저것 이다, ~할 수 있다 우리 만들다 어느 결정
어떤 수준의 사람이든 통계적 신뢰 만약에 이었다 단지 찾고 있는 ~에 그만큼 상자 그림?
그만큼 답변 ~이다 아니요.
~ 안에 이것 특정한 예를 들어, 저희가 직접 설계했습니다.
그래서 그만큼 중앙값 ~이었다 약간 다른 ~에 평균.
그리고 그래서 이었다 구하는 일부 분리 ~ 중에 그만큼 중앙값 ~ 사이 그만큼 여러 떼.
우리 사용된 에게 맞다 Y에 의해 X ~에 이것 문맥.
무엇 이것 쇼 ~이다 저것 그만큼 평균 [00:29:27에 들리지 않음]
~을 나타냅니다 평균, 평균 다이아몬드 ~이다 비- 겹치는.
그것 외모 좋다 모두 가로질러 모두 비교 대상은 네 그룹입니다.
어느 나타내다 저것 있다 일부 증거
저것 있다 a 차이점 ~에 그만큼 수단 ~ 사이 그만큼 여러 떼.
우리 ~할 수 있다 또한 보다 그만큼 차이점 ~에 그만큼 중앙값.
우리 ~할 수 있다 하다 a 비- 매개변수 시험.
~ 안에 이것 사례, 이었다 사용 a 비- 대조군을 포함한 매개변수적 강철 테스트
어디 그만큼 제어 ~이다 단지 그만큼 Z 정상.
이었다 봄 일부 분리의 증거,
통계적 분리 ~ 중에 그만큼 이 특정 사례에서는 중앙값입니다.
그것은 딱딱한 ~을 위한 우리를 에게 감지하다 저것 그리고 상자 그림에서 확인해 보세요.
~ 안에 사실, 그것 정말 아니다 저것 분명한 ~에 모두.
어떻게 ~할 수 있다 우리 말하다 만약에 우리 가지다 어느 우려 ~와 함께 존경 에게 커트 학생회 ?
무슨 첨도?
첨도는 원래 그만큼 아이디어 저것 만약 그것이 긍정적인 첨도,
너 ~일 것이다 가지다 데이터 그건 집중된 ~에 그만큼 가운데,
당신의 데이터 그건 찌그러진 함께 ~ 안으로 그만큼 가운데 ~의 그만큼 분포.
그건 이것 예 ~에 그만큼 오른쪽.
만약에 너 가졌다 안 이상화된 사례 극도로 부정적 첨도,
당신은 가지다 a 제복 분포 어디 그만큼 데이터 ~이다 정말 확산 밖으로.
무엇 너 ~할 수 있다 보다 ~에 이것들 그래프 상대적인 에게 그만큼 정상 분포,
~이다 저것 그만큼 50 % 밀집한 존, 가리키는 ~에 의해 이것 빨간색 술집,
~이다 원래 ~에 대한 ~처럼 긴 ~처럼 거리 Q1 그리고 3분기 여기,
하지만 그것은 ~에 하나 옆 ~의 그만큼 중앙값,
~에 하나 옆 ~의 그만큼 중앙값 그리고 그만큼 제복 사례.
그것은 ~에 대한 ~처럼 긴 ~처럼 이것 상자 너비 그 다음에 그것은 또한 ~에 하나 옆 ~의 그만큼 중앙값.
그건 a 고유한 특성 특징 ~의 이것 제복 분포 모양.
만약에 우리 바라보다 ~에 그만큼 정점 상황,
우리 보다 저것 그만큼 상자 너비 훨씬 더 압축됨
그리고 가장 짧은 반폭 또한 거의 같은 그만큼 상자 너비,
가장 짧은 절반이 최대 밀집한 지역 꽤 ~처럼 중앙에 ~에 대한 그만큼 중앙값.
그건 비슷한 에게 무엇 너 ~일 것이다 정규 분포의 경우를 참조하십시오.
어디 그만큼 50 % 밀집한 지역 ~ 할 것이다 BE 중심에 대해
~에 그만큼 평균 또는 그만큼 중앙값 그리고 ~에 대한 그만큼 같은 너비 ~처럼 그만큼 상자.
분명히, 그만큼 미분계수 여기 그것은 그만큼 거리 ~이다 줄인 상당히 a 조금.
정말 그만큼 테이크아웃 여기, 그렇지만,
~이다 저것 이것 유형 ~의 해석 ~이다 정말 어려운.
그리고 그것 ~일 것이다 BE 더 쉽게 ~을 위한 우리를 의존하다 그만큼 히스토그램에서 나타나는 모양
~보다 에게 노력하다 에게 바라보다 ~에 그만큼 상자 그림 갈라져.
질문 16 ~이다 매우 15와 비슷합니다.
무엇 ~에 대한 ~에 그만큼 문맥 ~의 데이터 저것 가지다 더 ~보다 하나 방법?
무엇 ~에 대한 a 이중모드 분포?
잘, I 단지 가지고 갔다 그만큼 상자 그림 그리고 당겨진 그들을 왼쪽에,
그들은 ~에서 그만큼 영화 ~에 그만큼 오른쪽.
우리 캔트 정말 보다 a 전체 많은 ~의 차이점 ~ 중에 이것들.
그것은 어려운 ~을 위한 우리를 에게 해석하다 이것.
하지만 한 번 우리 놓다 그만큼 히스토그램을 보면 알 수 있습니다. 분명히 만약에 우리 맞다 a 둘- 피크 분포
저것 있다 둘 모드 ~에 이것 데이터, 그리고 있다 아마도 하나 방법,
아마도 a 작은 방법, 하지만 정말 본질적으로 하나 방법 ~에 그만큼 데이터 ~에 그만큼 왼쪽.
그만큼 상자 그림 아니다 특히 좋은
~에 감지 저것 있음 ~의 다수의 모드.
그만큼 마지막 질문 이다, 어떻게 많은 "정상 상태 위반 오류 모드"
~할 수 있다 우리 감지하다 ~와 함께 그만큼 상자 그림?
이것 질문 가져오다 모두 그만큼 다른 하나 함께.
잘, 만약에 우리 가지다 왜곡도,
우리는 표시된 저것 우리 가지다 a 강한 능력 에게 감지하다 저것.
만약에 우리 가지다 잠재적인 이상치,
우리 분명히 가지다 a 강한 능력 에게 감지하다 저것.
만약에 우리 가지다 첨도,
어느 ~이다 정말 관련된 에게 그만큼 모양 있는 그대로 만약에 거기 ~이다 다수의 모드,
그 다음에 우리 정말 ~하지 않다 가지다 a 강한 능력 에게 감지하다 저것.
만약에 이었다 치고는 가설 테스트,
우리는 확실히 가지고 있지 않습니다 능력 그것을 감지하기 위해 어느 하나 ~와 함께 그만큼 상자 그림.
무슨 그만큼 핵심 요약?
잘, 그만큼 상자 그림 ~이다 확실히 강력한 시각화 도구입니다.
그것은 a 엄청난 소개 도구,
그리고 그것은 가지다 a 아주 멋진 능력 에게 분리된 왜곡도
~에서 잠재적인 밖에 있는 네스 호.
하지만 그것 가지다 그것은 제한 사항.
~ 안에 사례 어디 이었다 찾고 있는 ~에 첨토틱 모양 또는 a 이중 모드
또는 다중 모드, 그만큼 히스토그램 ~이다 분명히 a 더 나은 선택.
그건 정말 아마 왜 JMP 히스토그램과 박스 플롯을 함께 사용합니다.
~에 그만큼 분포 데이터의 동작 방식을 시각화하는 플랫폼
만약에 너 할 것이다.
의 강의, 첨가 서술적인 통계
우리에게 정말 도움이 됩니다 둥근 위로 그만큼 그림 우리가 있는 곳 가지다 a 그래픽 첫 번째 접근 방식.
이것 ~이다 단지, 다시, a 요약 ~의 무엇 우리는 논의되었습니다.
하지만 마지막 커플 ~의 분,
I 단지 원하다 에게 보여주다 너 a 커플 더 것들 ~에 대한 그만큼 데이터 세트 그 자체.
왜냐하면 I 생각하다 이것 ~이다 아마도 그만큼 최대 유용한 측면 ~의 그만큼 프로젝트.
어떻게 ~할 것 같다 우리 세트 위로 a 데이터 세트 좋다 이것?
모두 우리 정말 가지다 에게 하다 에게 시뮬레이션 JMP의 데이터
~이다 단지 만들다 일부 행 그런 다음 생성합니다. a 기능,
무작위 정상 기능.
그만큼 프로세스 저것 우리 한 가지 방법으로 했습니다. 너 ~할 수 있었다 하다 이것 ~이다 너 이렇게 말할 수 있습니다.
좋아요, 너 ~할 수 있다 가다 ~ 안으로 a 열 공식…
제가 단지 보여주다 너 이것.
너 ~할 수 있다 단지 더블- 딸깍 하는 소리 ~ 안으로 그것, 그리고 너 ~할 수 있다 딸깍 하는 소리 공식,
너 ~할 수 있다 편집하다 그만큼 공식.
너 ~할 수 있다 가다 ~ 위에 여기 에게 이것들 랜덤 함수,
너 ~할 수 있다 딸깍 하는 소리 그것 안에, 그리고 그 다음에 너 ~할 수 있다 명시하다 a 인구 시그마 단위의 평균값.
영 그리고 하나 ~에 의해 기본, 딸깍 하는 소리 좋아요, 그리고 그 다음에 I ~할 수 있다 추가하다 a 다발 ~의 행.
아픈 가다 앞으로 그리고 추가하다 100 행.
무엇 ~에 대한 이것들 다른 분포?
유니폼 유통이란, 우리 ~할 수 있다 사용 그만큼 무작위의 제복 기능.
그리고 그 다음에 우리 ~할 수 있다 명시하다 a 민 그리고 맥스 값.
~ 안에 이것 사례,
I 단지 지정된 그만큼 최저한의 이것의 열,
이것 보통 배포됨 데이터 열, 그리고 그만큼 맥스는 그만큼 최고.
그리고 그 다음에 마지막으로, ~처럼 I 말하는,
I 표준화된 그만큼 열 그래서 저것 그것은 ~에 그만큼 같은 숫자 규모.
이것 표준화하다 이것 열,
표준화된 특징 ~이다 흔한 에게 모두 ~의 이것들 열.
지금, 그만큼 마지막 물건 I 원하다 에게 잠깐 얘기해 볼게요
이다, 잘, 무엇 ~에 대한 정점?
무엇 ~에 대한 오른쪽 왜곡된, 그리고 심지어 함께 수도?
잘, 하나 ~의 그만큼 것들 우리 ~할 수 있다 제가 정말 멋지다고 생각하는 일을 하세요.
~이다 우리 ~할 수 있다 사용 그만큼 분포 JMP의 계산기
에게 돕다 우리를 이해하다 확실한 것은 분포 유형 바라보다 좋다.
나는 단지 가고 있다 에게 가다 ~ 안으로 그것 여기. 나는 가고 있다 에게 단지 운전하다 아래에 ~에 여기.
아픈 공유하다 ~와 함께 너 그만큼 위치 여기 ~의 이것 스크립트.
그것은 가고 있다 에게 BE 아래에 계산기가 아닙니다.
그것은 가고 있다 에게 BE 유통 부문에서.
발전기.
분포 계산자, 계산기에서, 예.
어떻게 ~할 것 같다 I 만들다 a 분포 그건 오른쪽 왜곡되었나요?
어느 무작위의 기능 ~일 것이다 I 사용?
잘, I 가지다 그만큼 능력 에게 바라보다 일부에서 이것들 분포를 확인하고 살펴보세요.
~을 위한 예,
만약에 I 명시하다 a 무작위의 F 그리고 I 이러한 매개변수를 지정하십시오.
그 다음에 나는 구하는 a 분포 ~와 함께 이것 일종의 왜곡.
그리고 그 다음에 I ~할 수 있다 말하다, 잘,
무엇 일어난다 만약에 I 변화 이것들 매개변수 a 작은 조금?
어떻게 ~이다 저것 가고 있다 에게 변화 그만큼 분포?
I ~할 수 있다 사용 이것 통찰력 에게 매개변수를 지정하세요
~을 위한 그만큼 무작위 분포 저것 I 명시하다 ~에 나의 데이터 세트.
~ 안에 사실, 그건 무엇 I 했다 여기.
무엇 했다 I 하다 ~을 위한 그만큼 뾰족한 하나?
잘, 만약에 I 바라보다 ~에 그만큼 T 분포, 그리고 I 줄이다 그만큼 학위 ~의 자유,
나는 가고 있다 에게 얻다 a 분포 그건 비교적 정점.
나는 가고 있다 에게 보다 긍정적인 첨도 ~에 저것.
그건 하나 방법 I ~할 수 있다 이해하다 이러한 분포의 형태
그래서 저것 I ~할 수 있다 그것들을 내게 유리하게 이용한다.
에게 하다 다른 무엇 만약에 분석 JMP에서.
나는 단지 가고 있다 에게 빠르게 가다 뒤쪽에 에게 나의 슬라이드.
감사하다 너 매우 많이 ~을 위한 청취.
만약에 너 가지다 어느 질문,
I 바라보다 앞으로 에게 전수 그들을 ~에 그만큼 사용자 지역 사회.
내가 말하는, 이것 프로젝트 ~ 할 것이다 BE 게시됨 거기,
그리고 그만큼 요약 추상적인 게시되었습니다 ~에 이것 링크 여기.
감사하다 또 너야?
