粒子计数误导科学家：JMP® 和 SAS® 集成案例研究：探究建模
Kathleen Kiernan，硕士，技术支持统计师；Diane Michelson，博士，统计培训师；Annie Zangi，硕士，研究统计师 – SAS
本文将探讨数据建模在实际应用中的后果，并演示使用 JMP 和 SAS 集成功能对非正态数据进行建模的方法和技术。最常用的统计检验和建模技术都基于某些假设。如果我们分析的数据是非正态或异方差的，该怎么办？JMP 提供了一些用于建模非正态或异方差数据的方法和技术，而 SAS 提供了一系列可用的程序。Box-Cox 幂变换通常用于变换非正态或异方差数据。另一种方法是对非正态分布进行建模。本文将介绍两个半导体案例研究。在半导体加工过程中，晶圆必须尽可能保持清洁。电路有效区域中的颗粒最终会导致芯片缺陷。第一个示例探讨了一个案例，科学家试图减少晶圆上的颗粒数量，但发现该模型在识别问题根源方面的效率不如最初设想的那么高。半导体芯片是在大型晶圆上制造的，每个晶圆上可以包含数百个芯片，并且晶圆是批量处理的。在第二个示例中，我们将探讨在传统线性模型中尝试查找过程方差分量中的重要因子时可能出现的误导性结果。我们将使用 JMP 和 SAS 集成为这两个示例提供解决方案，这些解决方案也可应用于其他场景。
