Beispiel: Plots für Spalten, normale Wahrscheinlichkeit und Boxplots
Verwenden Sie Plots für Spalten, normale Wahrscheinlichkeit und Boxplots, um das Ergebnis eines Experiments zu untersuchen.
1. Definieren Sie einen Datensatz zur Beschreibung einer Studie zum Oxidwachstumsprozess auf einer Siliziumscheibe. Die Matrix Data verfügt über zwei Spalten: eine für die Ofenanzahl und eine für die Oxiddicke gemessen in Angstroms.
2. Extrahieren Sie die Daten für die Dicke in Vektor Thick.
3. Rufen Sie die Funktion
histogram auf, um die Daten in zwanzig Bins zu trennen.
4. Plotten Sie die in Bins getrennten Daten, und ändern Sie den Diagrammtyp in Säulendiagramm. Für jede Spalte können Sie den Dickebereich auf der x-Achse und die Anzahl an Experimenten auf der y-Achse anzeigen.
5. Rufen Sie die Funktionen
mean und
Stdev auf, um die mittlere und die standardmäßige Abweichung der Daten zu berechnen. Mit diesen Statistiken können Sie die Funktion
dnorm aufrufen, um das erwartete Ergebnis pro Bin zu berechnen, wenn die Daten eine Normalverteilung aufweisen.
6. Fügen Sie einen y-Achsen-Ausdruck hinzu, um den Vektor Norm zu plotten. Um die Normalverteilung anzuzeigen, verringern Sie die Größe des Histogramms, indem Sie einen Skalierungsfaktor von 1000 im Platzhalter für die Einheit des y-Achsen-Ausdrucks hinzufügen.
7. Rufen Sie die Funktion
qqplot auf, um die Quantilen von Data mit den Quantilen einer Normalverteilung zu vergleichen.
8. Plotten Sie die Quantilen gegeneinander. Ändern Sie den Diagrammstil, um ein Streuungsdiagramm zu erstellen: Wählen Sie in der Liste Symbol ein Kreuz aus, und wählen Sie anschließend in der Liste Linienstil den Eintrag Kein aus.
9. Rufen Sie die Funktion
boxplot auf, um die drei Quantilen, den Minimal- und Maximalwert und die Ausreißer des Datensatzes zu berechnen.
10. Plotten Sie die Transponierte von B, und ändern Sie den Diagrammtyp in Boxplotspur, um diese Statistiken in einem Boxplot anzuzeigen.
Die Plots für Spalten und normale Wahrscheinlichkeit zeigen, dass die Normalverteilung eine angemessene Annäherung der gemessenen Dicke darstellt. Der Boxplot zeigt, dass nur ein Ausreißer vorhanden ist, der relativ nah zum Rest des Datensatzes liegt.
11. Rufen Sie die Funktion
vlookup auf, um die Messungen der Dicke für jeden Ofen zu extrahieren.
12. Rufen Sie die Funktion
augment auf, um die Vektoren F1, F2, F3 und F4 in einer Matrix zusammenzuführen, wobei jede Spalte die Ergebnisse für einen der Ofen enthält.
13. Rufen Sie die Funktion boxplot auf, um die Statistiken für jeden Datensatz zu berechnen.
14. Definieren Sie einen Vektor mit Ofenbeschriftungen.
15. Erstellen Sie einen Boxplot, um die Datensätze anzuzeigen. Die Matrix im y-Achsen-Ausdruck enthält eine Zeile pro Datensatz und auch NaN, wenn die Datensätze nicht dieselbe Anzahl an Ausreißern aufweisen. Das Diagramm gibt einen Boxplot pro Datensatz zurück.
Die Boxplots zeigen, dass die Variation zwischen den Öfen klein ist, auch wenn sich für alle Öfen beträchtliche Variationen in den Messungen der Dicke ergeben haben.
Verweis
NIST, Engineering Statistics Handbook.
Furnace Case Study - a case study for analyzing the oxide growth process in a furnace.
