Esempio: istogrammi, grafici di probabilità normale e box plot
Utilizzare un istogramma, un grafico di probabilità normale e un box plot per studiare il risultato di un esperimento.
1. Definire un insieme di dati che descriva uno studio del processo di crescita dell'ossido su una fetta di silicio. La matrice Data ha due colonne: una per il numero di forno e l'altra per lo spessore dell'ossido misurato in angstrom.
2. Estrarre i dati relativi allo spessore nel vettore Thick.
3. Chiamare la funzione histogram per separare i dati in venti barre.
4. Tracciare il grafico dei dati suddivisi in barre e modificare il tipo di traccia in Traccia di tipo colonna. Per ogni colonna, è possibile visualizzare l'intervallo di spessori sull'asse x e il numero di esperimenti sull'asse y.
5. Chiamare le funzioni mean e Stdev per calcolare la media e la deviazione standard dei dati. Con queste statistiche, chiamare la funzione dnorm per calcolare il risultato previsto per ogni barra se i dati corrispondono a una distribuzione normale.
6. Aggiungere un'espressione dell'asse y per tracciare il grafico del vettore Norm. Per visualizzare la distribuzione normale, ridurre le dimensioni dell'istogramma aggiungendo un fattore di scala pari a 1000 nel segnaposto per unità della relativa espressione dell'asse y.
7. Chiamare la funzione qqplot per confrontare i quantili di Data con quelli della distribuzione normale.
8. Tracciare il grafico dei quantili in funzione uno dell'altro. Modificare lo stile di traccia per creare un grafico della dispersione: selezionare la croce nell'elenco Simbolo e quindi selezionare Nessuno nell'elenco Stile linea.
9. Chiamare la funzione boxplot per calcolare i tre quartili, il minimo e il massimo e gli outlier dell'insieme di dati.
10. Tracciare il grafico della trasposizione di B e modificare il tipo di traccia in Traccia di tipo box plot per visualizzare tali statistiche in un box plot.
L'istogramma e il grafico di probabilità normale mostrano che la distribuzione normale è un'approssimazione ragionevole dello spessore misurato. Il box plot mostra che è presente un solo outlier, relativamente vicino al resto dell'insieme di dati.
11. Chiamare la funzione vlookup per estrarre le misure di spessore per ogni forno.
12. Chiamare la funzione augment per unire i vettori F1, F2, F3 e F4 in una matrice in cui ogni colonna contenga i risultati per uno dei forni.
13. Chiamare la funzione boxplot per calcolare le statistiche per ogni insieme di dati.
14. Definire un vettore di etichette dei forni.
15. Creare un box plot per visualizzare gli insiemi di dati. La matrice nell'espressione dell'asse y contiene una riga per ogni insieme di dati e anche valori NaN quando gli insiemi di dati non dispongono dello stesso numero di outlier. Il grafico restituisce un box plot per ogni insieme di dati.
I box plot mostrano che la varianza tra i forni è ridotta, anche se per ogni forno è presente una quantità considerevole di variazione nelle misure di spessore.
