級別：高級
Matthew Flynn，總經理資深資料科學家
SAS JMP 系統工程師 Mary Loveless
統計世界中並非所有事物都服從常態分佈。例如，JMP 包含標準泊松分佈、伽瑪泊松分佈（或負二項分佈）、二項分佈和 β 二項分佈，用於擬合離散資料。然而，非線性平台可以擬合您選擇的分佈。正確的「擬合」對於風格至關重要，但在分析中，盡可能簡潔準確地總結數據也同樣重要。
JMP 分佈平台包含常用的離散擬合和連續分佈。有時，我們會遇到一些具有特殊特徵的數據，需要不同的分佈擬合。如何為這類資料擬合並繪製新的自訂分佈？在本示範中，我們將展示 JMP 如何輕鬆處理替代分佈，例如用於有界響應的單純形分佈、L-Logistic 分佈和 Kumaraswamy 分佈；或替代計數資料分佈，例如 COM-Poisson 分佈、Consul 分佈、Double Poisson 分佈以及大量離散化連續分佈，例如離散 Weibull 分佈或離散 Weibull 分佈以及大量離散化連續分佈，例如離散 Weibull 分佈。
