Cette activité peut être autonome et constitue également une activité complémentaire à la session de maîtrise de JMP intitulée Démêler et organiser des données étendues.
Cette activité pratique vous permet de vous entraîner à utiliser Explore Outliers pour comprendre les valeurs extrêmes de vos données. Les données sont collectées à partir de données historiques à des fins de modélisation prédictive.
Les instructions sont ci-dessous et dans le PDF ci-joint, qui contient également les solutions.Qualité du produitLe tableau de données JMP est également joint à cet article.
Les données se trouvent dans le tableau de données Qualité du produit . Elles représentent deux variables de réponse ( Y1 et Y2 ) et dix-neuf variables prédictives ( X1 à X19 ) mesurées sur 568 exécutions d'un processus de fabrication. Vous examinerez les variables prédictives continues ( X2 à X19 ) pour détecter d'éventuelles valeurs aberrantes univariées et multivariées.
Répondez aux questions suivantes :
- Les valeurs aberrantes univariées potentielles dans X2 - X19 trouvées avec la méthode de plage de quantiles par défaut et la méthode d'ajustement robuste sont-elles les mêmes ?
- Les valeurs aberrantes multivariées potentielles dans X2 - X19 trouvées avec la méthode PCA robuste par défaut et la méthode K Nearest Neighbors sont-elles les mêmes ?
- Certaines valeurs de données sont-elles réellement aberrantes ?
Vous êtes intéressé par une activité connexe sur la gestion de vos données ? Consultez la rubrique Pratique et solution sur les valeurs manquantes .
