记录JMP course 学习。
link:
JMP001: Medical Malpractice
这篇文章是一篇关于医疗事故的案例研究，旨在使用描述性统计和图形显示来探索索赔付款金额，并确定影响付款金额的因素。该研究为描述性统计和图形提供了介绍，并讨论了不同变量与索赔金额大小之间的关系。研究得出结论，当私人律师代表索赔人时，预计会支付更高的索赔。进一步的分析可能会带来指导未来业务决策的见解。
任务：
使用描述性统计数据和图形显示，探索索赔支付金额，并确定会影响付款金额的因素。
Data variable：
Amount Amount of the claim payment in dollars
Severity The severity rating of damage to the patient, from 1 (emotional trauma) to 9 (death)
Age Age of the claimant in years
Private Attorney Whether the claimant was represented by a private attorney
Marital Status Marital status of the claimant Specialty Specialty of the physician involved in the lawsuit
Insurance Type of medical insurance carried by the patient
Gender Patient Gender
变量类型为连续型，序列，名义型。a Continuous, Ordinal or Nominal modeling type
1.分析：
直方图分布：(Analyze > Distribution; Select Amount as Y, Columns, and click OK. For a horizontal layout select Stack under the top red triangle.)
从图中可以看出数据分布偏右， 右边有比较大的数据拖尾。 mean值为91044， median为22750. 分布偏右的话，平均值会比中值大很多，被平均。。。
数据分布的衡量data为std（standard deviation），值越大，数据分布越离散。
box图：
箱子的左边线为1四分卫，中间是median，右边是3四分位，菱形是mean值。 box的宽度是IQR，右边的胡须线是1.5倍IQR，超出视为异常值。
IQR（四分位距）是一种测量数据分布的方法，表示数据的中间50％的范围。它是第三四分位数（Q3）与第一四分位数（Q1）之差，即IQR = Q3 - Q1。IQR可以用来识别潜在的异常值。如果数据点超出了箱线图的1.5倍IQR范围，则通常被视为异常值。
数据筛选：设置hide/exclude， 不要直接删除数据。
为什么仅仅因为数据点不寻常或不方便就丢弃它们呢？下意识排除异常值的危险。我们将在未来的案例中看到一些例子，其中排除异常值可能有意义。这里的意思是避免在没有充分理由的情况下这样做。
年龄分布符合normal。
柏拉图和饼图：
Along with bar charts, Pareto plots and pie charts can be used to display information about nominal (categorical) variables.
2.数据间关联分析：
a. Dynamic plot-linking
b. Data Filter (Rows > Data Filter; select Gender and click Add）
c. Side-by-Side (Comparative) Box Plots (Analyze > Fit Y by X; use Private Attorney as X, Factor and Amount as Y, Response. Then, select Quantiles under the top red triangle).
d. Graph Builder
（Graph > Graph Builder; Drag and drop Amount in Y, Gender in X, and Private Attorney in Group X. Click on the box plot icon at the top. Or, right-click in the graph and select Points > Change to > Box Plot.)
