连续变量的分布
分析连续变量可能会涉及例如数据的形状和平均值这样的问题。
• 数据形状与任何已知的分布匹配吗？
• 数据中有离群值吗？
• 数据的平均值是多少？
• 平均值从统计意义上来说不同于目标值或历史值吗？
• 数据的分散程度如何？换句话说，标准差是多少？
• 最小值和最大值是多少？
您可以使用图形、汇总统计量和简单的统计检验来回答这些以及其他问题。
情境
本示例使用 Car Physical Data.jmp 数据表，表中包含 116 种不同汽车型号的信息。
铁路公司向设计专家求教，以确定通过火车运输汽车的过程中可能出现的问题。使用该数据，设计专家想探究下列问题：
• 汽车平均重量是多少？
• 汽车重量的分散程度（标准差）如何？
• 汽车最小和最大重量是多少？
• 数据中有离群值吗？
使用车重的直方图可以回答这些问题。
创建直方图
1. 选择帮助 > 样本数据文件夹，然后打开 Car Physical Data.jmp。
2. 选择分析 > 分布。
3. 选择车重并点击 Y，列。
4. 点击确定。
5. 要旋转报表窗口，点击“车重”红色小三角并选择显示选项 > 水平布局。
图 5.7 车重的分布
报表窗口包含三个部分。
• 用于可视化数据的直方图和箱线图
• 显示分布百分位数的分位数报表
• 显示均值、标准差和其他统计量的汇总统计量报表
解释分布结果
使用Figure 5.7 中提供的结果，设计专家可以回答问题。
汽车平均重量是多少？
“直方图”显示近似重量为 3,000 磅。“汇总统计量”显示近似平均重量为 2,958 磅。
汽车重量的分散程度（标准差）如何？
“汇总统计量”显示标准差约为 536 磅。
最小和最大重量是多少？
“直方图”显示近似最小重量为 1,500 磅，近似最大重量为 4,500 磅。“分位数”显示最小重量为 1,695 磅，最大重量为 4,285 磅。
有离群值吗？
没有。
Figure 5.7 中的默认报表窗口至少提供图形和统计量。其他图形和统计量可以通过红色小三角菜单得到。
结论
根据其他研究，铁路公司确定平均重量为 3,000 磅是最高效的运输重量。现在，规划专家需要确定在想要运输的汽车总体中汽车平均运载重量是否为 3,000 磅。使用 t 检验可以根据这个总体中的样本得到更大总体的推论。
检验结论
1. 点击“车重”红色小三角并选择检验均值。
2. 在出现的窗口中，在“指定假设均值”框中键入 3000。
3. 点击确定。
图 5.8 检验均值结果
解释 t 检验
t 检验的主要结果是 p 值。在该示例中，p 值为 0.396，分析人员使用显著水平 0.05。因为 0.396 大于 0.05，您不能推断出在更大总体中汽车平均重量与 3,000 磅之间存在显著差异。若 p 值小于显著水平，规划专家会推断出在更大总体中汽车平均重量与 3,000 磅之间存在显著差异。