Bien, agradecer tú todos para unión a mí.
Este es a Descubrimiento Cumbre 2022 presentación,
cortesía de mi co-presentadores, Carlos Chen y Masón Chen.
Mi nombre es Patricio Juliano.
El título de este hablar es,
Diagrama de caja A análisis: Mezcla Científico y Artístico Consulta
en la universidad VARIOS Respuesta Caracterización.
Aquí está el abstracto.
Tú poder encontrar este en el JMP Usuario C comunidad
en el Descubrimiento 2022 comunidad página,
DÓLAR ESTADOUNIDENSE descubrimiento 2022 comunidad página.
Soy puesta él aquí para referencia.
I voluntad proporcionar a enlace en el diapositivas
a el comunidad página dónde el proyecto voluntad vivir.
Qué el motivación para este ¿proyecto?
El Diagrama de caja es uno de el mayoría popular gráfico herramientas
a visualizar a univariante distribución de datos.
Este proyecto estudios cómo a usar el Diagrama de caja a analizar datos eficazmente.
Mayoría gente OMS usar el Diagrama de caja no usar él necesariamente
a determinar el forma de el distribución de el datos.
En hecho, muchos gente usar él equivocadamente a dibujar significar o significar comparación decisiones,
y ellos puede asumir normalidad basado en simetría,
cuando en hecho, el normalidad suposición
quería de hecho no ser razonable si ellos eran a llevar a íntimamente mirar
en el forma de el datos en a histograma, para ejemplo.
El objetivo de este proyecto es a demostrar cómo a usar JMP
específicamente 16, a interpretar información en a Diagrama de caja
y a mejorar competencia
en a global comunidad de científicos y ingenieros
eso son en realidad bajo a DMEIC o APS,
o Inclinarse tipo Seis Sigma metodología,
cual es muy popular, obviamente, hoy y encima el último pocos décadas.
El interesante cosa acerca de este proyecto es nosotros enmarcado él
en el contexto de 17 prueba preguntas.
Este es a pregunta y respuesta deslizar cubierta.
Y Soy no yendo a ir en también mucho detalle
acerca de cada y cada pregunta,
cual h I voluntad espectáculo tú aquí.
Pero qué Identificación como a hacer es espectáculo tú a pequeño poco acerca de
cómo tú poder usar JMP a explorar el respuesta a estos preguntas,
porque I pensar eso es en realidad el mayoría interesante y divertido parte.
El Lo primero I buscado a hacer es justo rápidamente ir encima qué a Diagrama de caja es.
Entonces qué es el anatomía de a ¿Diagrama de caja?
Justo como a refresco para alguno de tú, o introducción para alguno de tú,
el mediana es indicado por el línea media,
y es referido a como el segundo cuartilla, Q2
o el 50º percentil.
Entonces Q1 es referido a como el 25º percentil.
T3 es el 75º percentil, como tú poder ver aquí.
El intercuartil rango, o RIQ,
es el diferencia entre T3 y Pregunta 1.
El otro importante elementos son nosotros tener qué llamado
a bigote en el más bajo lado y en el superior lado.
Justo en el fin de eso bigote, a veces nosotros referirse a él como la valla
y tú lo harás ver a vertical línea
y JMP sorteos a vertical línea a indicar eso borde.
Qué importante acerca de este es eso este ubicación es de hecho
Q1 menos 1.5 veces el RIQ,
cual es representado por el distancia entre este borde y este borde.
Este punto y el superior cerca es
Q3 más uno y a medio veces el RIQ.
Entonces eso define el superior borde.
Entonces cualquier agujas eso son más allá de estos bordes o vallas
son consideró potencial valores atípicos.
Y ellos de hecho espectáculo arriba por ellos mismos como agujas
mientras el descansar de el datos en el medio de el histograma
es no mostrado para énfasis en el agujas eso son más allá de el más allá de estos vallas.
Soy yendo a saltar bien en.
Cómo hizo nosotros explorar y desarrollar el respuestas a estos preguntas,
y en alguno casos, incluso refinar el preguntas ¿ellos mismos?
Bien, nosotros creado a simulado datos mesa en JMP 16,
dónde nosotros construido 100 filas de datos,
y nosotros construido datos, primero de a normal distribución,
y entonces aplicado alguno transformación a eso datos.
Nosotros ver eso nosotros tener a normalmente repartido datos
estirado de a población el significar de cero y a desviación estándar de uno.
Entonces nosotros tener uniformemente repartido datos.
Entonces nosotros tener datos eso es puntiagudo,
eso es tiene a positivo Curtosis.
Entonces nosotros tener datos eso es bien sesgado,
tiene dos modos,
tiene alguno valores atípicos acerca de 3 % en promedio
y entonces números enteros.
En todo el casos, con el excepción de el bimodal,
nosotros justo basado el simulado fórmula,
en el original normal columna.
El forma eso nosotros poner todo el datos en el mismo escala
es nosotros usar el columna estandarizado función
entonces eso nosotros podría comparar todo el datos
relativo a cada otro en el distribución plataforma.
Este es justo a avance de eso.
Enfermo saltar encima a JMP y espectáculo tú eso.
Pero de nuevo, todo de este datos es centrado a una media de aproximadamente cero
y a estándar desviación, aproximadamente uno.
Nosotros cubierto el Primera pregunta.
¿Por qué yo? s a Diagrama de caja, a veces referido a como a cinco- punto ¿trama?
Bien, allá son cinco principal agujas .
Hay T1, Hay Q2 en el medio, Hay T3,
y entonces allá son el bigotes, el superior y más bajo .
Próximo pregunta.
Qué son el dos maneras eso el Diagrama de caja poder determinar
quién y dónde allí el distribución es ¿sesgado?
Bien, nosotros poder mirar en el ancho de el caja sí mismo.
Nosotros poder también mirar en el ancho de el bigotes.
En este bien sesgado ejemplo,
tú poder ver eso superior bigote es mucho más extenso que el más bajo uno.
Entonces eso quería implicar eso el datos es bien sesgado.
En otro palabras, eso el cola en el datos,
si tú eran a imaginar eso distribución, es señalando a el bien.
En tercer lugar, ¿por qué? hace el El diagrama de caja incluye el mediana y no el ¿significar?
Bien, a Diagrama de caja usos el mediana a determinar o indicador oblicuidad.
Entonces si el distribución es normal, entonces el significar es igual a el mediana.
Y en hecho, qué tú quería ver aquí es eso este mediana línea en el medio
quería línea arriba exactamente con el bordes de este diamante,
el medio de este diamante.
En eso caso, tú quería eficazmente tener a situación
dónde estás no en realidad vencido cualquier información
porque el La distribución es simétrica.
El mediana en general, entonces podría ser consideró mejor,
a pesar de todo de si el distribución es normal o anormal
Cuatro, por qué es el Caja Trama el mayoría poderoso visualización herramienta,
o uno de el mayoría poderoso herramientas a separado oblicuidad y parte aislada ¿problemas?
Cuando nosotros habló acerca de este idea eso porque el Diagrama de caja usos
este Q1 menos uno y medio veces RIQ
y Q3 más uno y a medio veces RIQ metodología,
él en realidad permite a nosotros a separado potencial valores atípicos de el principal datos.
Él también da a nosotros a estructura
por cual a juez si el superior bigote
es más grande o menor que a más bajo bigote.
Entonces aquellos dos componentes de el trama
en realidad ayuda a nosotros, bastante, ver si eran entrenado oblicuidad
y potencial periférico este.
Esto es a único característica de el Diagrama de caja.
El quinta pregunta es a pequeño más interesante.
Qué el relación entre el intercuartil rango,
eso distancia entre Q1 y T3,
y el estándar desviación, cual nosotros poder calcular para cualquier datos colocar,
a pesar de todo de cómo es ¿repartido?
Si el datos es normal,
qué acerca de si el datos es sesgado o anormal o puntiagudo
o cualquier otro ¿forma?
Bien, nosotros saber, basado en teoría,
eso el relación de el RIQ, a la desviación estándar
es 1.35 para normal datos.
Qué quería eso relación mirar como si el datos no era ¿normal?
Bien, nosotros poder explorar eso en JMP,
y Soy yendo a espectáculo tú eso en realidad rápidamente.
Aquí está el datos colocar.
Soy también yendo a correo este en el comunidad .
El Lo primero Soy yendo a hacer es ir adelante y espectáculo tú
cómo I conseguir a a visual estado
dónde nosotros poder ver todo el Diagramas de caja juntos,
sin el distribuciones.
Este es interesante,
pero Soy yendo a ir adelante y comenzar de el comienzo.
Soy yendo a analizar distribución.
Voy a espectáculo tú cómo I consiguió allá.
Soy de hecho yendo a hacer clic todo,
y JMP es yendo a dar a mí a histograma y a Diagrama de caja juntos.
A t el fin de el presentación,
eran yendo a resumir por qué eso es importante.
Pero qué Soy yendo a hacer aquí es Soy yendo a ir adelante y doblar apagado el histograma,
I poder ir adelante y personalizar el ancho aquí de el pauta.
I poder Copiar este personalización encima,
cual es en realidad lindo.
Soy yendo a sostener abajo el control llave porque Soy en a ORDENADOR PERSONAL.
Soy yendo a bien hacer clic
y entonces Soy yendo a golpear Editar, Copia, P Esta C personalizaciones,
y eso es yendo a traer a ellos todo encima.
Soy de hecho yendo a sostener abajo el control llave de nuevo y cambiar el tamaño este
para que yo poder cambiar el tamaño a ellos todo juntos.
Ahora Soy yendo a minimizar el cuantil sección,
porque Soy yendo a conseguir el información eso I necesidad
de el resumen estadística sección.
I de hecho tener el RIQ y a estándar desviación mostrado aquí.
A Aunque I podría personalizar este, cualquiera aquí o en el propiedades,
cual I poder acceso bajo Archivo, Preferencias y bajo el distribución plataforma grupo.
Qué Soy yendo a hacer es Soy de hecho yendo a hacer
este información en a datos mesa
y Soy yendo a bien- hacer clic y seleccionar, Hacer Conjunto Datos Mesa a hacer eso.
Ahora I solo necesidad el RIQ y el estándar desviación.
Soy en realidad solo interesado en eso.
Entonces Soy de hecho yendo a seleccionar, uno de el estándar desviaciones,
uno de el RIQ.
Soy yendo a mover mi cursor encima aquí
y seleccionar Pareo en todo de el filas
eso tener estos valores en a ellos.
Soy yendo a ir adelante y invertir el selección,
borrar el filas eso I no desear,
y Soy izquierda con este.
Ahora Soy justo yendo a ir adelante y reestructurar el datos
entonces eso I poder calcular el relación de el RIQ a el estándar desviación.
Entonces Soy justo yendo a usar Mesa Dividir para eso.
Soy yendo a ir adelante y dividir por columna 1
poner columna 2 en aquí, poner estos en a grupo.
Voy a hacer clic DE ACUERDO.
I tener el datos cómo I desear.
Este espectáculos a mí de cual distribución
estas estadísticas vino de,
Soy yendo a ir adelante y hacer a Nuevo Fórmula C columna, Combinar, Relación.
Allá tú ir.
Este aspecto a pequeño poco duro a interpretar para a mí.
Soy yendo a ir adelante y cambiar él entonces eso I poder solo ver dos decimales.
Yo tengo consiguió números cual son muy similar,
él debería ser, de todos modos, muy similar a qué I tener en el Deslice aquí
detallando el relación de el RIQ a el estándar desviación.
Por supuesto, ellos son yendo a ser diferente porque Hay muestreo error.
Este mesa es solo uno muestreo experimento.
Pero este es cómo I poder rápidamente
y interactivamente extracto este información
y en realidad entender, qué hace este relación mirar como
si mi datos es no normal en a particular ¿forma?
Nosotros poder ver aquí, eso el valores eso tender a ser más bajo
en el cima distribución de el uno con valores atípicos,
el valores eso tender a ser más alto que el típico
o el esperado teorético 1, 3, 5 normal,
son yendo a ser el uniforme, el bien sesgado y bimodal.
Próximo pregunta, qué el ideal parte aislada por ciento
si el distribución es perfectamente ¿normal?
Bien, él vueltas afuera eso si nosotros mirar en el libros de texto o reducir simulación,
en promedio, nosotros debería ver acerca de 0,7% de el agujas más allá de el vallas,
en a normal distribución,
o en el menos tal vez no más allá de el vallas, pero si nosotros eran a hacer a control cuadro,
nosotros quería ciertamente ver acerca de,
cual es bajo el suposición de normalidad.
Para ejemplo,
si nosotros eran a hacer un individual emocionante rango cuadro, nosotros quería ver alrededor 0,7%
de el agujas en promedio ser afuera el límites.
A pesar de para práctico propósitos,
nosotros podría probablemente decir,
si nosotros sierra acerca de 3 % o menos de el distribución más allá de el límites,
nosotros quería considerar él aproximadamente normal.
Por qué es eso pregunta ¿importante?
Bien, nosotros poder usar el proporción de el agujas más allá de el vallas
en a Diagrama de caja cuando el muestra tamaño es pequeño
a determinar si o no nosotros tener alguno evidencia de normalidad
en el base de valores atípicos.
A pesar de si nuestro muestra tamaño es también grande,
entonces eran yendo a ver lotes y lotes de agujas más allá de aquellos vallas.
Entonces es en realidad importante eso nosotros considerar a " razonable muestra tamaño."
Y eso es parte de el razón por qué nosotros solo consideró 100 filas en nuestro proyecto.
Próximo pregunta, qué el diferencia entre
a cuartilla rango y a cuantil rango ¿Diagrama de caja?
Bien, en a práctico contexto, de todos modos, nosotros poder hablar acerca de
el Explorar valores atípicos utilidad en JMP 16,
cual a permite a nosotros a ajustar el Q,
cual es el multiplicador en el RIQ
y el cola cuantil,
cual es esencialmente cómo el datos es dividido arriba.
Nosotros poder personalizar eso rango.
Soy justo yendo a espectáculo tú qué eso aspecto como real rápidamente.
Soy yendo a ir en Analizar,
Soy yendo a ir a Cribado,
Explorar Valores atípicos.
Soy yendo a hacer este en mi crudo datos.
Soy de hecho yendo a cerca este.
Soy yendo a ir atrás a el crudo datos mesa.
Enfermo justo elegir a pareja de estos.
Enfermo de hecho elegir el unos eso I tener en mi diapositivas a cima en el valores atípicos.
Soy yendo a ir adelante y usar el cuantil rango valores atípicos.
Soy yendo a ajustar este a qué el Usos del diagrama de caja: 0,25 y 1.5.
Soy yendo a hacer clic Volver a escanear
y JMP va a identificar potencial valores atípicos aquí.
Cómo hace este conectar a el distribución ¿plataforma?
Bien, si nosotros ir encima aquí,
nosotros mirar en este,
qué eran yendo a ver,
es allá son a número de valores atípicos aquí.
Soy de hecho yendo a seleccionar el filas,
Soy yendo a ir encima aquí.
Bien, lo y Mirad, es estos valores.
Entonces tú consiguió 1, 2, 3, 4, 5, 6, 7.
Hay Siete valores atípicos.
1, 2, 3, 4, 5, 6, 7.
Eso cuadrícula arriba.
Eso es exactamente qué nosotros quería esperar.
Similarmente, nosotros hemos consiguió 1, 2, 3, 4,
y si nosotros voluta encima aquí, y bajo el valores atípicos,
ver Si hemos terminado aquí son a cuatro.
Excelente.
Yendo atrás a el diapositivas aquí, nosotros poder personalizar este .
Y eso es de hecho qué nosotros conseguir en en posterior Pregunta 10.
Cómo hacer nosotros determinar si valores atípicos son marginal o ¿extremo?
Bien, y por qué es él ¿importante?
Bien, nosotros poder ajustar el sensibilidad
de el parte aislada detección basado en el multiplicador en el RIQ
mientras acuerdo el cola cuantil el mismo.
Tú podría intuitivamente esperar
eso si tú eran a llevar Q₃ más un más grande número veces el RIQ,
es yendo a extender el bigote longitud y de manera similar, en el más bajo lado.
Eso es yendo a significar eso más agujas son yendo a caer adentro.
Entonces menos parte aislada quería ser detectado.
Nosotros debería ser capaz a ver eso y prueba eso en JMP.
Entonces si I eran a aumentar este a dos y hacer clic Volver a escanear,
nosotros ver a pocos valores atípicos convertirse parte de el Diagrama de caja,
o nosotros poder imaginar a situación dónde eso es el caso.
Enfermo aumentar este a tres,
Enfermo golpear Re escanear
nosotros ver aún menos valores atípicos ser identificado aún.
A s I ir arriba a Q igual a cinco,
ahora I solo tener uno parte aislada detectado en el cima columna de datos.
Entonces el idea aquí es eso nosotros poder desarrollar criterios para Q, para ejemplo,
nosotros podría situar él con tres, una situación dónde datos podría ser consideró
a tipográfico error, dónde él podría ser un extremo o valor atípico más extremo.
Nosotros podría colocar Q igual 1.5 si, por ejemplo,
Creemos que el valor atípico potencial podría ser asociado con variabilidad
debido a el medición sistema o especial proceso variación.
Nosotros poder hacer alguno simulación Residencia en nuestro solicitud
y decidir qué valor de Q Debería estar en estos particular escenarios.
En conexión con eso, en Pregunta 10,
nosotros tocado a pequeño poco en GRR o medición sistema variabilidad.
Pregunta 8 negociaciones a pequeño un poco sobre,
se va a pequeño poco Más adentro en este y trae juntos alguno ideas.
El idea aquí es eso nosotros En realidad podría considerar
el distancia entre el superior cerca y el primer valor atípico
o el primer potencial parte aislada serie de valores atípicos.
Nosotros puede extender eso superior cerca por a distancia de dos veces la Sigma
pendiente a el medición sistema variabilidad.
En este De hecho, estamos considerando
el variabilidad debido a el medición sistema.
Y eran preguntando nosotros mismos, es este potencial valor
dentro el ruido de el medición sistema o ¿no?
Eran creando a gráfico De esta manera, un medio gráfico combinado
de determinar si el valor es razonable
bajo el expectativa Sí t Hay medida sistema variabilidad.
I tener aquí el distancia entre el marginal valor atípico y el bigote
debería ser comparado a el GRR ruido estándar desviación.
Si es dentro dos estándar desviaciones, nosotros no tener 95 % confianza
Para concluir esto marginal parte aislada es diferente de el bigote.
Este es justo a gráfico versión de a uno- muestra T- prueba en efecto.
Nosotros podría de hecho construir a uno- muestra T- prueba
Usando esta línea roja como nuestra objetivo y el observado valor,
o bastante ficticio serie de valores, este punto negro,
como nuestro distribución relativo a eso objetivo.
El próximo pregunta, cómo muchos agujas ¿Lo hacemos? necesidad en realidad a producir a Diagrama de caja
si eran muestra tamaño ¿limitado?
Bien, nosotros podría necesidad en el menos Siete agujas,
y nuestra simulación en este particular muestreo experimento espectáculos eso.
Qué acontecimiento ¿aquí?
Bien, cada de estos tres datos conjuntos tener el mismo mediana.
Tú poder ver en este datos colocar, allá son seis observaciones.
En este uno allá son Siete, y entonces este uno allá son ocho.
Vamos comenzar en el izquierda, de hecho,
y nosotros tener ocho observaciones, uno afuera aquí alrededor 15.
Qué si nosotros reducir el número de observaciones a siete
y nosotros de hecho incluido el La misma observación aquí,
pero nosotros reducir uno de el ¿otros?
Qué si nosotros reducir él más mientras manteniendo el mismo ¿mediana?
Entonces qué nosotros ver es eso Este valor atípico 15,
cual es aún en el datos colocar, No más extenso se convierte un parte aislada.
En esencia, él se convierte absorbido en el bigote sí mismo.
El otro cosa eso es interesante sobre este sencillo experimento,
es eso el RIQ se convierte se infla cuando pasamos de siete a seis.
Nosotros poder ver eso visualmente como eso
el ancho de este cuadro desde Q1 a Q3 se convierte mucho más amplio.
Nosotros poder también ver eso numéricamente aquí.
I de hecho desear a espectáculo tú cómo nosotros podría explorar eso en JMP.
Aquí está alguno datos.
Es no el mismo datos, pero Aquí está alguno datos.
I justo creado a columna eso rangos el datos.
A ganar, I justo usar un instante columna fórmula.
I poder hacer eso por seleccionando una de estas opciones,
entonces I creer es bajo distribucional.
Ahora, qué Soy yendo a hacer ¿me voy? a ir adelante y justo reloj este datos.
Soy yendo a doblar el histograma en es lado.
Soy de hecho yendo a invocar el filtro de datos local.
Soy yendo a traer en eso rango columna eso Soy yendo a Hazlo ordinal primero,
entonces eso I poder seleccionar datos individualmente
bastante que bajo el suposición de el continuo distribución.
Soy yendo a seleccionar todo.
Ahora, Vamos ver, si I ir atrás a el datos mesa,
I saber eso 8 representa el más alto, el más grande valor.
Enfermo mantener 8 en allá,
y Enfermo justo comenzar reduciendo alguno de los valores más bajos
por tenencia abajo mi control llave y haciendo clic eso,
cual voluntad eficazmente eliminar eso punto dinamicamente de este análisis.
I consiguió el control llave abajo y hizo clic de nuevo, Haga clic de nuevo.
Tú sierra él allá, Ese valor atípico en el lado bajo,
de todos modos, en este caso, justo desapareció.
Hay a relación entre el distancia entre el vallas y el agujas,
cual es calculado en el base de el datos
donde la mediana y los cuartiles son calculado
basado en el datos eso es en el análisis.
Este da tú a mejor medio de apreciando cómo el Diagrama de caja
está cambiando a medida que a función de datos Eso es cualquiera en o afuera de el análisis.
Este es a en realidad súper Frío característica
que realmente como a usar a lote en muchos contextos.
Qué el ventaja de un valor atípico de ajuste robusto algoritmo,
cual es a JMP 16 ¿algoritmo?
Él da a nosotros otro medio de detector periferia .
Nosotros tener el capacidad a usar a Cauchy método
cual a menudo evita el impacto de la asimetría,
cual poder ser útil para práctico situaciones.
Nosotros poder también usar a 3 segundos amar o un multiplicador K-sigma
en orden a ayuda detectar periferia .
Todo de estos métodos en realidad ayuda a nosotros
Separar los valores atípicos potenciales de los valores atípicos reales
y ayuda a nosotros crear a razonable detección de señales y metodología
de una manera similar a como podríamos hacerlo hacer si nosotros eran a usar control gráficos
y construir un diagrama de control con límites
para nuestro particular experimental o fabricación solicitud.
13. Poder nosotros incluir el muestra tamaño información en el Caja ¿Trama?
Bueno, esto es dónde el Caja Trama comienza a presente a claro limitación.
Allá no es cualquier muestra tamaño información explícitamente en el Diagrama de caja.
A Aunque, nosotros hacer tener el Habilidad en la construcción de gráficos
Para crear un diagrama de caja de muescas, cual da tú algo
como un confianza intervalo en el mediana,
el bordes indicar a confianza intervalo en el mediana.
Nosotros también tener el capacidad en gráfico constructor para invocar el cuadro de título
lo cual es muy útil característica para resumen de datos
gráficamente sin necesitando a proporcionar un adicional tabular datos producción.
Pero de curso, eso información es completamente oculto a el Diagrama de caja sí mismo.
Conectado a eso es, poder nosotros hacer cualquier decisión
con cualquier nivel de estadístico confianza si eran justo mirando en el ¿Diagrama de caja?
El respuesta es No.
En este particular Por ejemplo, en realidad lo diseñamos.
entonces el medianas eran levemente diferente en promedio.
Y entonces eran conseguir alguno separación entre el medianas entre el grupos.
Nosotros usado a adaptar Y por X en este contexto.
Qué este espectáculos es eso el significar [inaudible 00:29:27]
representa el significar, los diamantes medios son no- superposición.
Él aspecto como todo al otro lado de todo Se comparan cuatro grupos,
cual indica eso Hay alguna evidencia
eso Hay a diferencia en el medio entre el grupos.
Nosotros poder también ver el diferencia en el medianas.
Nosotros poder hacer a no- paramétrico prueba.
En este caso, eran usando a no- Prueba de acero paramétrica con control,
dónde el control es justo el Z normal.
Eran vidente alguno evidencia de separación,
estadístico separación entre el medianas en este caso particular.
Es duro para a nosotros a detectar eso y Mira esto en el diagrama de caja.
En hecho, él en realidad no es eso claro en todo.
Cómo poder nosotros decir si nosotros tener cualquier inquietud con respeto a Kurt consejo estudiantil ?
Qué ¿Curtosis?
La curtosis es básicamente el idea eso Si fuera un positivo Curtosis,
tú quería tener datos eso es concentrado en el medio,
su datos eso es aplastado juntos en el medio de el distribución.
Eso es este ejemplo en el bien.
Si tú tenía un idealizado caso de extrema negatividad Curtosis,
tú lo harías tener a uniforme distribución dónde el datos es en realidad desparramar afuera.
Qué tú poder ver en estos gráficos relativo a el normal distribución,
es eso el 50 % denso zona, indicado por este rojo bar,
es básicamente acerca de como largo como la distancia entre Q1 y T3 aquí,
pero es en uno lado de el mediana,
en uno lado de el mediana y el uniforme caso.
Es acerca de como largo como este caja ancho entonces es también en uno lado de el mediana.
Eso es a único característica característica de este uniforme distribución forma.
Si nosotros mirar en el cima situación,
nosotros ver eso el caja ancho es mucho más comprimido
y el medio ancho más corto es también aproximadamente lo mismo que el ancho de la caja,
La mitad más corta es la mayoría denso región bastante como centrado acerca de el mediana.
Eso es similar a qué tú quería Véase para el caso de distribución normal,
dónde el 50 % denso región voluntad ser acerca de centrado
en el significar o el mediana y acerca de el mismo ancho como el caja.
Claramente, el diferenciador aquí es eso el distancias son reducido bastante a poco.
En realidad el llevar aquí, aunque,
es eso este tipo de interpretación es en realidad difícil.
Y él quería ser más fácil para a nosotros confiar en el forma que se evidencia en el histograma
que a intentar a mirar en el Diagramas de caja por separado.
Pregunta 16 es muy similar a 15.
Qué acerca de en el contexto de datos eso tiene más que uno ¿modo?
Qué acerca de a bimodal ¿distribución?
Bien, I justo tomó el Diagramas de caja y tirado a ellos A la izquierda,
ellos son de el fotos en el bien.
Nosotros no poder en realidad ver a entero lote de diferencia entre estos.
Es difícil para a nosotros a interpretar este.
Pero una vez nosotros poner el histogramas, podemos ver claramente si nosotros adaptar a dos- distribución de picos
eso Hay dos modos en este datos, y Hay tal vez uno modo,
tal vez a pequeño modo, pero en realidad esencialmente uno modo en el datos en el izquierda.
El Diagrama de caja no es particularmente bueno
en detector eso presencia de múltiple modos.
El último pregunta es, cómo muchos "Modos de fallo por violación de la normalidad"
poder nosotros detectar con el ¿Diagrama de caja?
Este pregunta trae todo el otro unos juntos.
Bien, si nosotros tener oblicuidad,
nosotros hemos mostrado eso nosotros tener a fuerte capacidad a detectar eso.
Si nosotros tener potencial valores atípicos,
nosotros definitivamente tener a fuerte capacidad a detectar eso.
Si nosotros tener Curtosis,
cual es en realidad relacionado a el forma tal cual si allá son múltiple modos,
entonces nosotros en realidad no tener a fuerte capacidad a detectar eso.
Si eran en vista de hipótesis pruebas,
Definitivamente no tenemos una capacidad para detectar que cualquiera con el Diagrama de caja.
Qué el ¿comida para llevar?
Bien, el Diagrama de caja es Definitivamente una poderosa herramienta de visualización.
Es a excelente introductorio herramienta,
y eso es tiene a maravilloso capacidad a asimetría separada
de potencial periférico nidad.
Pero él tiene es limitaciones.
En casos dónde eran mirando en Kurtótico forma o a bimodalidad
o multimodalidad, el histograma es definitivamente a mejor elección.
Eso es en realidad probablemente por qué JMP utiliza tanto el histograma como el diagrama de caja juntos
en el distribución plataforma para visualizar cómo se comportan los datos,
si tú voluntad.
De curso, añadiendo descriptivo estadística
nos ayuda realmente redondo arriba el imagen donde nosotros tener a gráfico Primera aproximación.
Este es justo, de nuevo, a resumen de qué nosotros hemos discutido.
Pero el último pareja de minutos,
I justo desear a espectáculo tú a pareja más cosas acerca de el datos colocar sí mismo.
Porque I pensar este es tal vez el mayoría útil aspecto de el proyecto.
Cómo podría nosotros colocar arriba a datos colocar como ¿este?
Todo nosotros en realidad tener a hacer a simular datos en JMP
es justo crear alguno filas y luego crear a función,
un aleatorio normal función.
El proceso eso nosotros lo hizo, de una manera tú podría hacer este es tú Podría decir,
bueno, tú poder ir en a columna fórmula…
Déjame justo espectáculo tú este.
Tú poder justo doble- hacer clic en él, y tú poder hacer clic Fórmula,
tú poder editar el fórmula.
Tú poder ir encima aquí a estos funciones aleatorias,
tú poder hacer clic él en, y entonces tú poder especificar a población significa en Sigma.
Cero y uno por por defecto, hacer clic DE ACUERDO, y entonces I poder agregar a racimo de filas.
Enfermo ir adelante y agregar 100 filas.
Qué acerca de estos otro ¿distribuciones?
Un uniforme La distribución es, nosotros poder usar el aleatorio uniforme función.
Y entonces nosotros poder especificar a Mínimo y Máximo valor.
En este caso,
I justo especificado el mínimo de esto columna,
este normalmente repartido datos columna, y el Max es el máximo.
Y entonces finalmente, como I mencionado,
I estandarizado el columna entonces eso fue en el mismo numérico escala.
Este estandarizar este columna,
estandarizado característica es común a todo de estos columnas.
Ahora, el último cosa I desear a Hablemos de algo muy rápido
es, Bueno, qué acerca de ¿cima?
Qué acerca de bien sesgado, y incluso con un ¿capital?
Bien, uno de el cosas nosotros poder hacer, lo cual realmente creo que es genial,
es nosotros poder usar el distribución calculadora en JMP
a ayuda a nosotros entender Qué cierto distribución tipos mirar como.
Soy justo yendo a ir en él aquí. Soy yendo a justo conducir abajo en aquí.
Enfermo compartir con tú el ubicación aquí de este guion.
Es yendo a ser bajo Calculadora. No lo es.
Es yendo a ser bajo Distribución.
Generador.
Distribución calculadora, en las calculadoras, Sí.
Cómo podría I crear a distribución eso es bien ¿sesgado?
Cual aleatorio función quería I ¿usar?
Bien, I tener el capacidad a mirar en algunos de estos distribuciones y ver
para ejemplo,
si I especificar a aleatorio F y I especifique estos parámetros,
entonces Soy conseguir a distribución con este tipo de asimetría.
Y entonces I poder decir, Bueno,
qué sucede si I cambiar estos parámetros a pequeño ¿poco?
Cómo es eso yendo a cambiar el ¿distribución?
I poder usar este conocimiento a especificar los parámetros
para el distribuciones aleatorias eso I especificar en mi datos colocar.
En hecho, eso es qué I hizo aquí.
Qué hizo I hacer para el puntiagudo ¿uno?
Bien, si I mirar en el T distribución, y I reducir el grados de libertad,
Soy yendo a conseguir a distribución eso es relativamente cima.
Soy yendo a ver una positivo Curtosis en eso.
Eso es uno forma I poder entender la forma de estas distribuciones
entonces eso I poder Úsalos para mi beneficio
a hacer diferente qué si análisis en JMP.
Soy justo yendo a rápidamente ir atrás a mi diapositivas.
Agradecer tú muy mucho para escuchando.
Si tú tener cualquier preguntas,
I mirar adelante a recepción a ellos en el usuario comunidad.
Como yo mencionado, este proyecto voluntad ser al corriente allá,
y el resumen abstracto se publica en este enlace aquí.
Agradecer tú otra vez.
