您應該持續多長時間來識別視覺資料的分佈？您應該持續多長時間來識別視覺資料的分佈？
Yukio Takahashi，BioStat Research Institute, Inc. 總裁
確定所獲得的資料屬於哪個分佈是統計分析的第一步。 JMP 的分佈工具提供了多種直觀檢查資料分佈的方法。傳統上，主要考慮的是是否可以應用常態分佈。 JMP 的分佈工具長期以來一直支持將機率密度函數擬合到直方圖。在最新版本中，當您在「擬合連續分佈」下選擇「全部」時，許多分佈會按 -2 對數似然和 AICc（修正的赤池資訊準則）的大小順序列出，並且可以使用 AICc 判斷分佈擬合度。對使用 AICc 對各種數據進行分佈擬合的排序進行了評估，發現其有意義。由於輸出的是對數似然，因此假設使用最大似然法，所以我使用 Excel 重新測試了 JMP 計算方法。當使用 AICc 來考慮哪種分佈適合合適時，這似乎是擺脫傳統模糊視覺判斷的好機會。 「單變量壽命」模型具有類似的功能，因此我想討論如何為其擬合新的分佈。
