出色地， 感谢 你 每个人 为了 加入 我。
这 是 a 发现 首脑 2022 推介会，
礼貌 的 我的 联合主持人， 查尔斯 陈 和 石匠 陈。
我的 姓名 是 帕特里克 朱利安。
这 标题 的 这 讲话 是，
箱线图 A 分析： 混合 科学 和 艺术 询问
在大学 各种各样的 回复 表征。
这里是 这 抽象的。
你 能 寻找 这 在 这 JMP 用户 C 社区
在 这 发现 2022 社区 页，
美国 发现 2022 社区 页。
我是 推杆 它 这里 为了 参考。
I 将要 提供 a 关联 在 这 幻灯片
到 这 社区 页 在哪里 这 项目 将要 居住。
是什么 这 动机 为了 这 项目？
这 箱线图 是 一 的 这 最多 受欢迎的 图形 工具
到 可视化 a 单变量 分配 的 数据。
这 项目 研究 如何 到 使用 这 箱线图 到 分析 数据 有效地。
最多 人们 WHO 使用 这 箱线图 不 使用 它 一定
到 决定 这 形状 的 这 分配 的 这 数据。
在 事实， 许多 人们 使用 它 错 到 画 意思是 或者 意思是 比较 决定，
和 他们 可能 认为 常态 基于 在 对称，
什么时候 在 事实， 这 常态 假设
会 实际上 不是 是 合理的 如果 他们 是 到 拿 a 更近 看
在 这 形状 的 这 数据 在 a 直方图， 为了 例子。
这 客观的 的 这 项目 是 到 证明 如何 到 使用 JMP
具体来说 16、 到 解释 信息 在 a 箱线图
和 到 提升 熟练程度
在 a 全球的 社区 的 科学家 和 工程师
那 是 真的 在下面 a DMEIC 或者 APS，
或者 倾斜 类型 六 西格玛 方法论，
哪个 是 非常 受欢迎的， 明显地， 今天 和 超过 这 最后的 很少 几十年。
这 有趣的 事物 关于 这 项目 是 我们 框 它
在 这 语境 的 17 测验 问题。
这 是 a 问题 和 回答 滑动 甲板。
和 我是 不是 去 到 去 进入 也 很多 细节
关于 每个 和 每一个 问题，
哪个 h I 将要 展示 你 这里。
但 什么 ID 喜欢 到 做 是 展示 你 a 小的 少量 关于
如何 你 能 使用 JMP 到 探索 这 回答 到 这些 问题，
因为 I 思考 那就是 真的 这 最多 有趣的 和 乐趣 部分。
这 首先 I 通缉 到 做 是 只是 迅速地 去 超过 什么 a 箱线图 是。
所以 什么 是 这 解剖学 的 a 箱线图？
只是 作为 a 复习 为了 一些 的 你， 或者 介绍 为了 一些 的 你，
这 中位数 是 表明的 经过 这 中线，
和 它是 指 到 作为 这 第二 四分位数， Q2
或者 这 第50届 百分位数。
然后 Q1 是 指 到 作为 这 25日 百分位数。
第三季度 是 这 第75届 百分位数 作为 你 能 看 这里。
这 四分位距 范围， 或者 四分位距 (IQR)
是 这 不同之处 之间 第三季度 和 Q1.
这 其他 重要的 元素 是 我们 有 是什么 称为
a 胡须 在 这 降低 边 和 在 这 上 边。
就在 这 结尾 的 那 胡须， 有时 我们 参考 到 它 作为 栅栏
和 你会 看 a 垂直的 线
和 JMP 平局 a 垂直的 线 到 表明 那 边缘。
是什么 重要的 关于 这 是 那 这 地点 是 实际上
Q1减 1.5 时代 这 四分位距 (IQR)
哪个 是 代表 经过 这 距离 之间 这 边缘和这个边缘。
这一点 和 这 上 栅栏 是
Q3 加一 和 a 一半 时代 这 四分位距。
所以 那 定义 这 上 边缘。
然后 任何 积分 那 是 超过 这些 边缘 或者 栅栏
是 经过考虑的 潜在的 异常值。
和 他们 实际上 展示 向上 经过 他们自己 作为 积分
然而 这 休息 的 这 数据 在 这 中间 的 这 直方图
是 不是 所示 为了 强调 在 这 积分 那 是 超过 这 超过 这些 栅栏。
我是 去 到 跳 正确的 在。
如何 做过 我们 探索 和 发展 这 答案 到 这些 问题，
和 在 一些 案例， 甚至 精炼 这 问题 他们自己？
出色地， 我们 创建 a 模拟 数据 表格 JMP 16、
在哪里 我们 建造 100 行 的 数据，
和 我们 建造 数据， 首先是 a 普通的 分配，
和 然后 应用 一些 转型 到 那 数据。
我们 看 那 我们 有 a 通常情况下 分布式 数据
绘制 从 a 人口 这 意思是 的 零 和 a 标准差 的 一。
然后我们 有 均匀地 分布式 数据。
然后 我们 有 数据 那就是 达到顶峰，
那是 有 a 积极的 峰度。
然后 我们 有 数据 那就是 正确的 倾斜的，
有 二 模式，
有 一些 异常值 关于 3 % 在 平均的
和 然后 整数。
在 全部 这 案例， 和 这 例外 的 这 双峰型，
我们 只是 基于 这 模拟 公式，
在 这 原来的 普通的 柱子。
这 方式 那 我们 放 全部 这 数据 在 这 相同的 规模
是 我们 使用 这 柱子 标准化 功能
所以 那 我们 可以 比较 全部 这 数据
相对的 到 每个 其他 在 这 分配 平台。
这 是 只是 a 预览 的 那。
患病的 跳 超过 到 JMP 和 展示 你 那。
但 再次， 全部 的 这 数据 是 居中 平均而言 大约 零
和 a 标准 偏差， 大约 一。
我们 涵盖 这 第一个问题。
为什么我 s a 箱线图 有时 指 到 作为 a 五- 观点 阴谋？
出色地， 那里 是 五 主要的 积分 .
有 Q1， 有 Q2 在 这 中间， 有 Q3，
和 然后 那里 是 这 胡须， 这 上 和 降低 .
下一个 问题。
什么 是 这 二 方式 那 这 箱线图 能 决定
何 另一个 分配 是 有偏差吗？
出色地， 我们 能 看 在 这 宽度 的 这 盒子 本身。
我们 能 还 看 在 这 宽度 的 这 胡须。
在 这 正确的 倾斜 例子，
你 能 看 那 上 胡须 是 很多 更长 比 这 降低 一。
所以 那 会 意味着 那 这 数据 是 正确的 有偏差。
在 其他 字， 那 这 尾巴 在 这 数据，
如果 你 是 到 想象 那 分配， 是 指向 到 这 正确的。
第三，为什么 做 这 箱线图包括 这 中位数 和 不是 这 意思是？
出色地， a 箱线图 用途 这 中位数 到 决定 或者 测量 偏度。
所以 如果 这 分配 是 普通的， 然后 这 意思是 是 平等的 到 这 中位数。
和 在 事实， 什么 你 会 看 这里 是 那 这 中位数 线 在 这 中间
会 线 向上 确切地 和 这 边缘 的 这 钻石，
这 中间 的 这 钻石。
在 那 案件， 你 会 有效地 有 a 情况
在哪里 你是 不是 真的 输 任何 信息
因为 这 分布是对称的。
这 中位数 在 一般的， 然后 可能 是 经过考虑的 更好的，
不管 的 无论 这 分配 是 普通的 或者 非正常。
第四， 为什么 是 这 盒子 阴谋 这 最多 强大的 可视化 工具，
或者 一 的 这 最多 强大的 工具 到 分离 偏度 和 异常值 有问题吗？
什么时候 我们 谈话 关于 这 主意 那 因为 这 箱线图 用途
这 Q1 减 一 和 一半 时代 四分位距
和 Q3 加一 和 a 一半 时代 四分位距 方法论，
它 真的 允许 我们 到 分离 潜在的 异常值 从 这 主要的 数据。
它 还 给予 我们 a 框架
经过 哪个 到 法官 无论 这 上 胡须
是 更大的 或者 较小的 比 a 降低 胡须。
所以 那些 二 成分 的 这 阴谋
真的 帮助 我们， 相当， 看 如果 是 受过训练 偏度
和 潜在的 边远 这。
这是 a 独特的 特征 的 这 箱线图。
这 第五个问题 是 a 小的 更多的 有趣的。
是什么 这 关系 之间 这 四分位距 范围，
那 距离 之间 Q1 和 Q3，
和 这 标准 偏差， 哪个 我们 能 计算 为了 任何 数据 放，
不管 的 如何 它是 分布式？
如果 这 数据 是 普通的，
什么 关于 如果 这 数据 是 倾斜 或者 非正常 或者 巅峰
或者 任何 其他 形状？
出色地， 我们 知道， 基于 在 理论，
那 这 比率 的 这 四分位距 (IQR) 标准差
是 1.35 为了 普通的 数据。
什么 会 那 比率 看 喜欢 如果 这 数据 不是 普通的？
出色地， 我们 能 探索 那 在 JMP，
和 我是 去 到 展示 你 那 真的 迅速地。
这里是 这 数据 放。
我是 还 去 到 邮政 这 在 这 社区 .
这 首先 我是 去 到 做 是 去 前方 和 展示 你
如何 I 得到 到 a 视觉的 状态
在哪里 我们 能 看 全部 这 箱线图 一起，
没有 这 分布。
这 是 有趣的，
但 我是 去 到 去 前方 和 开始 从 这 开始。
我是 去 到 分析 分配。
我要 展示 你 如何 I 得到 那里。
我是 实际上 去 到 点击 一切，
和 JMP 是 去 到 给 我 a 直方图 和 a 箱线图 一起。
A t 这 结尾 的 这 推介会，
是 去 到 总结 为什么 那就是 重要的。
但 什么 我是 去 到 做 这里 是 我是 去 到 去 前方 和 转动 离开 这 直方图，
I 能 去 前方 和 定制 这 宽度 这里 的 这 线条。
I 能 复制 这 定制 超过，
哪个 是 真的 好的。
我是 去 到 抓住 向下 这 控制 钥匙 因为 我是 在 a 个人电脑。
我是 去 到 正确的 点击
和 然后 我是 去 到 打 编辑， 副本，P 这 C 定制化，
和 那就是 去 到 带来 他们 全部 超过。
我是 实际上 去 到 抓住 向下 这 控制 钥匙 再次 和 调整大小 这
所以我 能 调整大小 他们 全部 一起。
现在 我是 去 到 最小化 这 分位数 部分，
因为 我是 去 到 得到 这 信息 那 I 需要
从 这 概括 统计数据 部分。
I 实际上 有 这 四分位距 和 a 标准 偏差 所示 这里。
A 虽然 I 可以 定制 这， 任何一个 这里 或者 在 这 特性，
哪个 I 能 使用权 在下面 文件， 偏好 和 在下面 这 分配 平台 团体。
什么 我是 去 到 做 是 我是 实际上 去 到 制作
这 信息 进入 a 数据 桌子
和 我是 去 到 正确的- 点击 和 选择， 制作 合并 数据 桌子 到 做 那。
现在 I 仅有的 需要 这 四分位距 以及 标准 偏差。
我是 真的 仅有的 感兴趣的 在 那。
所以 我是 实际上 去 到 选择， 一 的 这 标准 偏差，
一 的 这 四分位距。
我是 去 到 移动 我的 光标 超过 这里
和 选择 匹配 在 全部 的 这 行
那 有 这些 值 在 他们。
我是 去 到 去 前方 和 倒置 这 选择，
删除 这 行 那 I 不 想，
和 我是 左边 和 这。
现在 我是 只是 去 到 去 前方 和 重组 这 数据
所以 那 I 能 计算 这 比率 的 这 四分位距 到 这 标准 偏差。
所以 我是 只是 去 到 使用 桌子 分裂 为了 那。
我是 去 到 去 前方 和 分裂 经过 第一列
放 柱子 2 在 这里， 放 这些 在 a 团体。
我要去 到 点击 好的。
I 有 这 数据 如何 I 想。
这 演出 我 从 哪个 分配
这些统计数据 来了 从，
我是 去 到 去 前方 和 做 a 新的 方程式C 列， 结合， 比率。
那里 你 去。
这 看起来 a 小的 少量 难的 到 解释 为了 我。
我是 去 到 去 前方 和 改变 它 所以 那 I 能 仅有的 看 二 小数。
我已经 得到 数字 哪个 是 非常 相似的，
它 应该 是， 反正， 非常 相似的 到 什么 I 有 在 这 滑到这里
详细说明 这 比率 的 这 四分位距 到 这 标准 偏差。
当然， 它们是 去 到 是 不同的 因为 有 采样 错误。
这 桌子 是 仅有的 一 采样 实验。
但 这 是 如何 I 能 迅速地
和 互动式 提炼 这 信息
和 真的 理解， 什么 做 这 比率 看 喜欢
如果 我的 数据 是 不是 普通的 在 a 特别的 方式？
我们 能 看 这里， 那 这 值 那 趋向 到 是 降低
在 这 顶峰 分配 的 这 一 和 异常值，
这 值 那 趋向 到 是 更高 比 这 典型的
或者 这 预期的 理论 1、3、5 普通的，
是 去 到 是 这 制服， 这 正确的 倾斜 并且是双峰的。
下一个 问题， 是什么 这 理想的 异常值 百分比
如果 这 分配 是 完美 普通的？
出色地， 它 转弯 出去 那 如果 我们 看 在 这 教科书 或者 减少 模拟，
在 平均的， 我们 应该 看 关于 0.7% 的 这 积分 超过 这 栅栏，
在 a 普通的 分配，
或者 在 至少 也许 不是 超过 这 栅栏， 但 如果 我们 是 到 做 a 控制 图表，
我们 会 当然 看 关于，
哪个 是 在下面 这 假设 的 常态。
为了 例子，
如果 我们 是 到 做 一个 个人 移动 范围 图表， 我们 会 看 大约 0.7%
的 这 积分 在 平均的 存在 外部 这 限制。
虽然 为了 实际的 目的
我们 可以 大概 说，
如果 我们 锯 关于 3 % 或者 较少的 的 这 分配 超过 这 限制，
我们 会 考虑 它 大约 普通的。
为什么 是 那 问题 重要的？
出色地， 我们 能 使用 这 部分 的 这 积分 超过 这 栅栏
在 a 箱线图 什么时候 这 样本 尺寸 是 小的
到 决定 无论 或者 不是 我们 有 一些 证据 的 常态
在 这 基础 的 异常值。
虽然 如果 我们的 样本 尺寸 是 也 大的，
然后 是 去 到 看 很多 和 很多 的 积分 超过 那些 栅栏。
所以 它是 真的 重要的 那 我们 考虑 a " 合理的 样本 尺寸。”
和 那就是 部分 的 这 原因 为什么 我们 仅有的 经过考虑的 100 行 在 我们的 项目。
下一个 问题， 是什么 这 不同之处 之间
a 四分位数 范围 和 a 分位数 范围 箱线图？
出色地， 在 a 实际的 语境， 反正， 我们 能 讲话 关于
这 探索异常值 公用事业 在 JMP 16、
哪个 a 允许 我们 到 调整 这 问，
哪个 是 这 乘数 在 这 四分位距
和 这 尾巴 分位数，
哪个 是 本质上 如何 这 数据 是 分割 向上。
我们 能 定制 那 范围。
我是 只是 去 到 展示 你 什么 那 看起来 喜欢 真实的 迅速地。
我是 去 到 去 进入 分析，
我是 去 到 去 到 筛查，
探索 异常值。
我是 去 到 做 这 在 我的 生的 数据。
我是 实际上 去 到 关闭 这。
我是 去 到 去 后退 到 这 生的 数据 桌子。
患病的 只是 挑选 a 夫妻 的 这些。
患病的 实际上 挑选 这 一个 那 I 有 在 我的 幻灯片 到 顶峰 在 这 异常值。
我是 去 到 去 前方 和 使用 这 分位数 范围 异常值。
我是 去 到 调整 这 到 什么 这 箱线图使用量：0.25 和 1.5.
我是 去 到 点击 重新扫描
和 JMP即将 确认 潜在的 异常值 这里。
如何 做 这 连接 到 这 分配 平台？
出色地， 如果 我们 去 超过 这里，
我们 看 在 这，
什么 是 去 到 看，
是 那里 是 a 数字 的 异常值 这里。
我是 实际上 去 到 选择 这 行，
我是 去 到 去 超过 这里。
出色地， 它 和 瞧， 它是 这些 价值观。
所以 你 得到 1、2、3、4、5、6、7。
有 七 异常值。
1、2、3、4、5、6、7。
那 正方形 向上。
那是 确切地 什么 我们 会 预计。
相似地， 我们已经 得到 1、2、3、4、
和 如果 我们 滚动 超过 这里， 和 在下面 这 异常值，
看 如果我们已经结束了 这里 是 到 四、
伟大的。
去 后退 到 这 幻灯片 这里， 我们 能 定制 这 .
和 那就是 实际上 什么 我们 得到 进入 在 随后的 问题 10.
如何 做 我们 决定 无论 异常值 是 边缘 或者 极端？
出色地， 和 为什么 是 它 重要的？
出色地， 我们 能 调整 这 敏感性
的 这 异常值 检测 基于 在 这 乘数 在 这 四分位距
尽管 保持 这 尾巴 分位数 这 相同的。
你 可能 直觉上 预计
那 如果 你 是 到 拿 Q₃ 加一个 更大的 数字 时代 这 四分位距 (IQR)
它是 去 到 延长 这 胡须 长度 同样地， 在 这 降低 边。
那是 去 到 意思是 那 更多的 积分 是 去 到 落下 里面。
所以 较少的 异常值 会 是 已检测到。
我们 应该 是 有能力的 到 看 那 和 测试 那 在 JMP 中。
所以 如果 I 是 到 增加 这 到 二 和 点击 重新扫描，
我们 看 a 很少 异常值 变得 部分 的 这 箱线图
或者 我们 能 想象 a 情况 在哪里 那就是 这 案件。
患病的 增加 这 到 三，
患病的 打 关于 扫描
我们 看 更少 异常值 存在 已识别 仍然。
A s I 去 向上 到 Q 等于 五，
现在 I 仅有的 有 一 异常值 检测到 在 这 顶峰 柱子 的 数据。
所以 这 主意 这里 是 那 我们 能 发展 标准 为了 问， 为了 例子，
我们 可能 位于 它 和 三， 情况 在哪里 数据 可能 是 经过考虑的
a 印刷 错误， 在哪里 它 可能 是 一个 极端 或者 更极端的异常值。
我们 可能 放 Q 平等的 例如，1.5 如果
我们认为潜在的异常值 可能 是 联系 和 变异性
由于 这 测量 系统 或特殊 过程 变化。
我们 能 做 一些 模拟 基于 我们的 应用
并决定什么 价值 的 Q 应该在 这些 特别的 场景。
连接 和 那， 在 问题 10、
我们 感动 a 小的 少量 在 GRR 或者 测量 系统 变异性。
问题 8 会谈 a 小的 简单介绍一下，
它走了 a 小的 少量 更深 进入 这 和 带来 一起 一些 想法。
这 主意 这里 是 那 我们 或许真的会考虑
这 距离 之间 这 上 栅栏 和 这 第一个异常值
或者 这 第一潜力 异常值 系列 的 异常值。
我们 可能 延长 那 上 栅栏 经过 a 距离 的 西格玛的两倍
到期的 到 这 测量 系统 变异性。
在 这 某种程度上，我们正在考虑
这 变异性 由于 这 测量 系统。
和 是 问 我们自己， 是 这 潜在的 价值
之内 这 噪音 的 这 测量 系统 或者 不是？
是 创建 a 图形 方式，一种混合图形手段
的 确定 无论 这 价值 是 合理的
在 期待 是的 t 有测量 系统 变异性。
I 有 这里 这 距离 之间 这 边缘 离群值和须线
应该 是 比较的 到 这 GRR 噪音 标准 偏差。
如果 它是 之内 二 标准 偏差， 我们 不 有 95 % 信心
综上所述 边缘 异常值 不同 从 这 胡须。
这 是 只是 a 图形 版本 的 a 一- 样本 T- 测试 在 影响。
我们 可以 实际上 构造 a 一- 样本 T- 测试
以这条红线为我们的 目标 和 这 观察到 价值，
或者 相当 假定 系列 的 数值，这个黑点，
作为 我们的 分配 相对的 到 那 目标。
这 下一个 问题， 如何 许多 积分 我们 需要 真的 到 生产 a 箱线图
如果 是 样本 尺寸 有限的？
出色地， 我们 可能 需要 在 至少 七 积分，
以及我们的模拟 在 这 特别的 采样 实验 演出 那。
是什么 发生 这里？
出色地， 每个 的 这些 三 数据 套 有 这 相同的 中位数。
你 能 看 在 这 数据 放， 那里 是 六 观察结果。
在 这 一 那里 是 七， 和 然后 这 一 那里 是 八。
我们开始吧 开始 在 这 左边， 实际上，
和 我们 有 八 观察结果， 一 出去 这里 大约 15.
什么 如果 我们 减少 这 观测次数最多为七次
和 我们 实际上 包括 这 我也观察到了同样的情况。
但 我们 减少 一 的 这 其他的？
什么 如果 我们 减少 它 更远 尽管 保持 这 相同的 中位数？
然后 什么 我们 看 是 那 这个异常值 15，
哪个 是 仍然 在 这 数据 放， 不 更长 变成 一个 异常值。
在 本质， 它 变成 吸收 进入胡须 本身。
这 其他 事物 那就是 有趣的 关于这个简单的实验，
是 那 这 四分位距 变成 当我们从七个减少到六个时，就会膨胀。
我们 能 看 那 视觉上 那
从 Q1 到 Q3 的这个盒子的宽度 变成 很多 更宽。
我们 能 还 看 那 数值上 这里。
I 实际上 想 到 展示 你 如何 我们 可能 探索 那 在 JMP。
这里是 一些 数据。
它是 不是 这 相同的 数据， 但 这里是 一些 数据。
I 只是 创建 a 柱子 那 排名 这 数据。
A 获得， I 只是 使用 一个 立即的 柱子 公式。
I 能 做 那 经过 选择 这些选项之一，
所以 I 相信 它是 在下面 分布。
现在， 什么 我是 去 到 做 我要走了 到 去 前方 和 只是 钟 这 数据。
我是 去 到 转动 这 直方图 在 它是 边。
我是 实际上 去 到 调用 这 本地数据过滤器。
我是 去 到 带来 在 那 秩 柱子 那 我是 去 到 先将其改为序数形式，
所以 那 I 能 选择 数据 单独
相当 比 在下面 这 假设 的 这 连续的 分配。
我是 去 到 选择 一切。
现在， 我们来吧 看， 如果 I 去 后退 到 这 数据 桌子，
I 知道 那 8 代表 这 最高， 这 最大 价值。
患病的 保持 8 在 那里，
和 患病的 只是 开始 减少 一些 的 较低的值
经过 保持 向下 我的 控制 钥匙 和 点击 那，
哪个 将要 有效地 消除 那 观点 动态 从 这 分析。
I 得到 这 控制 钥匙 向下 和 点击 再次， 点击再点击一次。
你 锯 它 那里， 低端那个异常值，
反正， 在 这 案件， 只是 消失了。
有 a 关系 之中 这 距离 在 栅栏 和 这 积分，
哪个 是 计算 在 这 基础 的 这 数据
其中中位数和四分位数 是 计算
基于 在 这 数据 那就是 在 这 分析。
这 给予 你 a 更好的 方法 的 欣赏 如何 这 箱线图
正在发生变化 a 功能 的 数据 那要么 在 或者 出去 的 这 分析。
这 是 a 真的 极好的 凉爽的 特征
我真的 喜欢 到 使用 a 很多 在 许多 背景。
是什么 这 优势 稳健拟合异常值 算法，
哪个 是 a JMP 16 算法？
它 给予 我们 其他 方法 的 检测 偏远地区 .
我们 有 这 能力 到 使用 a 柯西 方法
哪个 经常 避免 这 偏度的影响
哪个 能 是 有用 为了 实际的 情况。
我们 能 还 使用 a 3秒 爱 或者 K-sigma 乘数
在 命令 到 帮助 探测 偏远地区 .
全部 的 这些 方法 真的 帮助 我们
区分潜在异常值和真实异常值
和 帮助 我们 创造 a 合理的 信号检测和 方法论
类似地，我们可能 做 如果 我们 是 到 使用 控制 图表
并构建控制图 限制
为了 我们的 特别的 实验 或者 制造业 应用。
13. 能 我们 包括 这 样本 尺寸 信息 在 这 盒子 阴谋？
嗯，这个 是 在哪里 这 盒子 阴谋 开始 到 展示 a 清除 局限性。
那里 不是 任何 样本 尺寸 信息 明确地 在 这 箱线图。
A 虽然， 我们 做 有 这 图表构建能力
创建缺口箱线图， 哪个 给予 你 某物
就像 信心 间隔 在 这 中位数，
这 边缘 表明 a 信心 间隔 在 中位数。
我们 还 有 这 能力 在 图形 构建器调用标题框
这是一个非常有用的 特征 为了 总结 的 数据
图形化 没有 需要 到 提供 一个 额外的 表格 数据 输出。
但 的 课程， 那 信息 是 完全地 隐 到 这 箱线图 本身。
已连接 到 那 是， 能 我们 制作 任何 决定
任何级别的 统计 信心 如果 是 只是 寻找 在 这 箱线图？
这 回答 是 不。
在 这 特别的 例如，我们实际上设计了它
所以 这 中位数 是 轻微地 不同的 在 平均的。
和 所以 是 获得 一些 分离 之中 这 中位数 之间 这 团体。
我们 用过的 到 合身 Y X 在 这 语境。
什么 这 演出 是 那 这 意思是 [听不清 00:29:27]
代表 意思是， 平均钻石 是 非 重叠。
它 看起来 喜欢 全部 穿过 全部 比较四组数据，
哪个 表示 那 有 一些证据
那 有 a 不同之处 在 这 方法 之间 这 团体。
我们 能 还 看 这 不同之处 在 这 中位数。
我们 能 做 a 非 参数 测试。
在 这 案件， 是 使用 a 非 带控制的参数化钢材试验
在哪里 这 控制 是 只是 这 Z 普通的。
是 看到 一些 分居的证据
统计 分离 之中 这 在这个特定例子中，指的是中位数。
它是 难的 为了 我们 到 探测 那 和 在箱线图中可以看到这一点。
在 事实， 它 真的 不是 那 清除 在 全部。
如何 能 我们 告诉 如果 我们 有 任何 忧虑 和 尊重 到 库尔特 学生会 ?
是什么 峰度？
峰度是 基本上 这 主意 那 如果它是一个 积极的 峰度，
你 会 有 数据 那就是 集中 在 这 中间，
你的 数据 那就是 被压扁了 一起 进入 这 中间 的 这 分配。
那是 这 例子 在 这 正确的。
如果 你 有 一个 理想化的 案件 极度负面 峰度，
你会 有 a 制服 分配 在哪里 这 数据 是 真的 传播 出去。
什么 你 能 看 在 这些 图表 相对的 到 这 普通的 分配，
是 那 这 50 % 稠密 区， 表明的 经过 这 红色的 酒吧，
是 基本上 关于 作为 长的 作为 之间的距离 Q1 和 第三季度 这里，
但 它是 在 一 边 的 这 中位数，
在 一 边 的 这 中位数 和 这 制服 案件。
它是 关于 作为 长的 作为 这 盒子 宽度 然后 它是 还 在 一 边 的 这 中位数。
那是 a 独特的 特征 特征 的 这 制服 分配 形状。
如果 我们 看 在 这 顶峰 情况，
我们 看 那 这 盒子 宽度 很多 更多的 压缩
以及最短的半宽度 也 差不多 这 盒子宽度
最短的一半是 最多 稠密 地区 相当 作为 居中 关于 这 中位数。
那是 相似的 到 什么 你 会 参见正态分布的情况，
在哪里 这 50 % 稠密 地区 将要 是 以中心为准
在 这 意思是 或者 这 中位数 和 关于 这 相同的 宽度 作为 这 盒子。
清楚地， 这 差异化因素 这里 就是 这 距离 是 减少 相当 a 少量。
真的 这 外卖 这里， 尽管，
是 那 这 类型 的 解释 是 真的 难的。
和 它 会 是 更轻松 为了 我们 依靠 这 直方图所显示的形状
比 到 尝试 到 看 在 这 箱线图 分别地。
问题 16 是 非常 与 15 类似。
什么 关于 在 这 语境 的 数据 那 有 更多的 比 一 模式？
什么 关于 a 双峰 分配？
出色地， I 只是 采取 这 箱线图 和 拉 他们 向左看，
它们是 从 这 图片 在 这 正确的。
我们 不能 真的 看 a 所有的 很多 的 不同之处 之中 这些。
它是 难的 为了 我们 到 解释 这。
但 一次 我们 放 这 从直方图中我们可以看到 清楚地 如果 我们 合身 a 二- 峰值分布
那 有 二 模式 在 这 数据， 和 有 或许 一 模式，
或许 a 小的 模式， 但 真的 本质上 一 模式 在 这 数据 在 这 左边。
这 箱线图 不是 特别好
在 检测 那 在场 的 多种的 模式。
这 最后的 问题 是， 如何 许多 “正常性违背失效模式”
能 我们 探测 和 这 箱线图？
这 问题 带来 全部 这 其他 一个 一起。
出色地， 如果 我们 有 偏度
我们已经 所示 那 我们 有 a 强的 能力 到 探测 那。
如果 我们 有 潜在的 异常值，
我们 确实 有 a 强的 能力 到 探测 那。
如果 我们 有 峰度，
哪个 是 真的 有关的 到 这 形状 照这样 如果 那里 是 多种的 模式，
然后 我们 真的 不 有 a 强的 能力 到 探测 那。
如果 是 考虑 假设 测试，
我们绝对没有 能力 检测 任何一个 和 这 箱线图。
是什么 这 要点是什么？
出色地， 这 箱线图 是 绝对是一款强大的可视化工具。
它是 a 伟大的 引言 工具，
而且它 有 a 精彩的 能力 到 分离偏度
从 潜在的 边远 性。
但 它 有 它是 局限性。
在 案例 在哪里 是 寻找 在 峰度 形状 或者 a 双峰性
或多模态， 这 直方图 是 确实 a 更好的 选择。
那是 真的 大概 为什么 JMP 同时使用直方图和箱线图。
在 这 分配 用于可视化数据行为方式的平台，
如果 你 将要。
的 课程， 添加 描述性的 统计数据
真的对我们有帮助 圆形的 向上 这 图片 我们 有 a 图形 第一种方法。
这 是 只是， 再次， a 总结 的 什么 我们已经 已讨论。
但是 最后的 夫妻 的 分钟，
I 只是 想 到 展示 你 a 夫妻 更多的 事物 关于 这 数据 放 本身。
因为 I 思考 这 是 也许 这 最多 有用 方面 的 这 项目。
如何 可能 我们 放 向上 a 数据 放 喜欢 这？
全部 我们 真的 有 到 做 到 模拟 JMP 中的数据
是 只是 创造 一些 行 然后创建 a 功能，
随机 普通的 功能。
这 过程 那 我们 确实，以一种方式 你 可以 做 这 是 你 可以说，
好的， 你 能 去 进入 a 柱子 公式…
让我 只是 展示 你 这。
你 能 只是 双倍的- 点击 进入 它， 和 你 能 点击 公式，
你 能 编辑 这 公式。
你 能 去 超过 这里 到 这些 随机函数，
你 能 点击 它 在， 和 然后 你 能 指定 a 人口 以 Sigma 为单位的平均值。
零 和 一 经过 默认， 点击 好的， 和 然后 I 能 添加 a 束 的 行。
患病的 去 前方 和 添加 100 行。
什么 关于 这些 其他 分布情况？
制服 分布情况是， 我们 能 使用 这 随机的 制服 功能。
和 然后 我们 能 指定 a 敏 和 最大限度 价值。
在 这 案件，
I 只是 指定的 这 最低限度 这 柱子，
这 通常情况下 分布式 数据 柱子， 和 这 马克斯是 这 最大限度。
和 然后 最后， 作为 I 提及，
I 标准化 这 柱子 所以 那 那是 在 这 相同的 数字 规模。
这 标准化 这 柱子，
标准化 特征 是 常见的 到 全部 的 这些 列。
现在， 这 最后的 事物 I 想 到 谈谈快节奏
是， 出色地， 什么 关于 顶峰？
什么 关于 正确的 倾斜的， 和 甚至 与一个 首都？
出色地， 一 的 这 事物 我们 能 这样做，我觉得真的很酷。
是 我们 能 使用 这 分配 JMP 中的计算器
到 帮助 我们 理解 某些 分配 类型 看 喜欢。
我是 只是 去 到 去 进入 它 这里。 我是 去 到 只是 驾驶 向下 在 这里。
患病的 分享 和 你 这 地点 这里 的 这 脚本。
它是 去 到 是 在下面 计算器。不是。
它是 去 到 是 分销类别。
发电机。
分配 计算器， 在计算器上， 是的。
如何 可能 I 创造 a 分配 那就是 正确的 有偏差吗？
哪个 随机的 功能 会 I 使用？
出色地， I 有 这 能力 到 看 在某些 这些 分布情况及详情
为了 例子，
如果 I 指定 a 随机的 F 和 I 请指定这些参数。
然后 我是 获得 a 分配 和 这 某种程度的偏差。
和 然后 I 能 说， 出色地，
什么 发生 如果 I 改变 这些 参数 a 小的 少量？
如何 是 那 去 到 改变 这 分配？
I 能 使用 这 洞察力 到 指定参数
为了 这 随机分布 那 I 指定 在 我的 数据 放。
在 事实， 那就是 什么 I 做过 这里。
什么 做过 I 做 为了 这 巅峰 一？
出色地， 如果 I 看 在 这 T 分配， 和 I 减少 这 学位 的 自由，
我是 去 到 得到 a 分配 那就是 相对地 顶峰。
我是 去 到 看到 积极的 峰度 在 那。
那是 一 方式 I 能 理解 这些分布的形状
所以 那 I 能 利用它们来为自己谋利
到 做 不同的 什么 如果 分析 在 JMP 中。
我是 只是 去 到 迅速地 去 后退 到 我的 幻灯片。
感谢 你 非常 很多 为了 正在听。
如果 你 有 任何 问题，
I 看 向前 到 接收 他们 在 这 用户 社区。
因为我 提及， 这 项目 将要 是 发布 那里，
和 这 概括 抽象的 已发布 在 这 关联 这里。
感谢 又是你。
