以指數加權移動平均(EWMA)評估稀少事件指標表現是否顯著性惡化

 我虛構的例子是這樣的：

圖片由Gemini 生成，示意用。

有位北漂族偶而會開車回屏東老家坐坐，有時1季回去10幾次或20幾次或30幾次不等。假設從2025/1開始記錄，創建一個excel檔，第一欄為停車案例序，第二欄為停車位置。

在1/3回屏東，車停家門口 (表示事件發生，註記為1)，第1筆觀察值註記為1(第一欄)和1(第二欄); 在1/8回屏東，車停較遠處的農田小路 (表示事件未發生，註記為0)，走路約3-5分鐘吧，第2筆觀察值註記為2(第一欄)和0(第二欄)，長期監測下來的資料長這樣：

告別蛇年迎接馬年並繼續帶著自已的神奇寶貝前往台灣各地旅行(以SAS繪製台灣地圖並統計2025年各行政區參訪次數)。

繪製森林圖(Forest plot)

 

這張陰森魔幻的森林圖由Google Gemini生成(由2張網路抓的圖疊出)。我網路找了3種森林圖繪製案例(被我看上眼的，都有水準之上，註)，都由SAS程式碼產生，文中會簡略說明各段程式碼分別控制圖內哪些元素和區域。

SASPy-讓你腳踩Python地盤呼叫SAS過來支援輸贏的套件

 

SASPy 官網 SASPy | SAS Support

由SAS官方親自開發的Python套件。有了它，在Python IDE軟體內寫Python程式碼時，可隨時穿插SAS程式碼召喚SAS這頭魔獸快速搞定Python弱項領域(例如SAS Proc SQL高效串檔計算或執行什麼都有什麼都不奇怪的統計分析法，註)。就如片頭旨揭所示：Everything is better with friends.

這篇文章幾乎是繁體中文圈網路上第一篇有系統性簡易介紹和設定的SASPy專文。

註: 其實該有的統計分析模組，Python也大概都有(除非是那種極冷門罕見的分析法)，最大的問題是一個人一旦熟悉了A統計軟體輸出的統計報表，就難以再適應A以外的統計軟體報表，幾乎得重新研究 (PS: 我約15年-20年前，由SPSS跳槽到SAS，自已買書或網路找資料自學)。

影片中展示的Python IDE環境為JupyterLab，直接網頁上撰寫程式碼，類似IDE還有Jupyter Notebook和Google的Colab。  

SAS Studio帳號申請方法

若沒有SAS帳號，須先申請。 https://www.sas.com/profile/ui/#/create

統計軟體SAS與AI於商業運籌決策分析對決

 數據分析大對決

SAS

SAS統計軟體

專業統計分析
數據處理專家
企業級解決方案

Claude

AI Claude

智能AI助手
自然語言處理
靈活分析能力

VS

挑戰題目1：烘焙店材料精準運用最佳化，最後使營業利潤最大化。
挑戰題目2：外貿公司精準分配國際物流路線，最後使物流費用較小化。

依序與SAS對戰的AI選手分別為Claude, Gemini, Perplexity, ChatGPT等4位選手，我們來看哪個AI會翻車。

以上圖片html碼由Claude AI協助生成(照例，只要是AI做的，都「合先敘明」)。

以Logistic regression (羅吉斯迴歸) 評估多個自變項對依變項的影響情形

 本案數據來自SAS訓練資料庫，內容如下：

data PAIN;
input Treatment $ Sex $ Age Duration Pain $ @@;
datalines;
P  F  68   1  No   B  M  74  16  No  P  F  67  30  No
P  M  66  26  Yes  B  F  67  28  No  B  F  77  16  No
A  F  71  12  No   B  F  72  50  No  B  F  76   9  Yes
A  M  71  17  Yes  A  F  63  27  No  A  F  69  18  Yes
B  F  66  12  No   A  M  62  42  No  P  F  64   1  Yes
A  F  64  17  No   P  M  74   4  No  A  F  72  25  No
P  M  70   1  Yes  B  M  66  19  No  B  M  59  29  No
A  F  64  30  No   A  M  70  28  No  A  M  69   1  No
B  F  78   1  No   P  M  83   1  Yes B  F  69  42  No
B  M  75  30  Yes  P  M  77  29  Yes P  F  79  20  Yes
A  M  70  12  No   A  F  69  12  No  B  F  65  14  No
B  M  70   1  No   B  M  67  23  No  A  M  76  25  Yes
P  M  78  12  Yes  B  M  77   1  Yes B  F  69  24  No
P  M  66   4  Yes  P  F  65  29  No  P  M  60  26  Yes
A  M  78  15  Yes  B  M  75  21  Yes A  F  67  11  No
P  F  72  27  No   P  F  70  13  Yes A  M  75   6  Yes
B  F  65   7  No   P  F  68  27  Yes P  M  68  11  Yes
P  M  67  17  Yes  B  M  70  22  No  A  M  65  15  No
P  F  67   1  Yes  A  M  67  10  No  P  F  72  11  Yes
A  F  74   1  No   B  M  80  21  Yes A  F  69   3  No
;run;

資料集包含五個變數：

治療類型treatment (A 和 B 代表兩種檢驗治療，P 代表安慰劑治療)、性別sex、年齡age (患者剛接受治療當下的年齡)、持續時間duration (治療前疼痛症狀已持續的時間，單位月)和疼痛Pain (疼痛與否，為依變數)。本研究將評估不同治療方式(含安慰劑)對高齡神經痛患者的鎮痛效果。

透過線性模型瞭解交互作用項與平方項對依變項擬合過程的重要性

 

數據來源採用SAS內建資料集，如下：

指標判讀與管制圖運用(基礎實作課)

                                               

電子書才2600元，紙本書要5700元。一台閱讀器，塞個1000本電子書也沒有問題。誰會去買紙本書！

管制圖已有多年授課經驗，每年都自我要求更新教案，避免同樣教材一上再上，今年也不例外。今年開始的一系列課程，將大量引用LLOYD P. PROVOST的新作(第2版)，他的第1版舊作被我大量引用於過往教案中。

過新年戴新帽穿新衣套新SAS授權碼

 

SAS Universal Viewer v1.5.1 已發佈

原以為SAS已打算棄置SAS Universal Viewer不再更新，沒想到竟然更新了。上一次v1.5釋出，是在2020年8月。那種感覺就像APS-C alpha6000系列被Sony棄置多年未發布新機後，忽然「蹦」出一台alpha6700 (這台是神機)一樣。

「課程公告」關於我和SAS變成朋友的那件事

 

更多資訊詳如以下網頁: (已於4月上旬關閉公告欄)

https://app.milanote.com/1Pn3mM10NKjD78?p=bjoXXqvlv9H

淺談伯努利+二項+卜瓦松+幾何等機率分布概念

做品管的，大都使用過管制圖。P管制圖和NP管制圖係依據二項分布之假設，而 C管制圖和U管制圖則依據卜瓦松分布之假設繪製而成（關於管制圖與這些統計分布的關聯性描述，以後有時間再開另篇文章談，這須用到數學公式說明）。二項分布和卜瓦松分布在特定條件下可藉由常態分布來近似，故將平均數+3個標準差作為管制圖管制上限及平均數-3個標準差作為管制圖管制下限。至於為何是3個標準差，這議題日後有機會再開另一篇文章來描述。

這篇文章的談論主角是「卜瓦松分布」(順便為日後的卜瓦松迴歸模型議題留伏筆)，既然要談論它，它的知識來源，包含伯努利分布和二項分布就一起在此篇文章說明。這些分布描述的對象都屬離散型資料（所以能見度很高的幾何分布也拉進來一起談），例如藥物不良反應件數指標，本月23件，上月為18件。18～23間無法無限制分割，例如分割線落在21.56件(該月是幾件就幾件，不會有21.56件這種帶小數位的件數)；相對來說，本次監測血壓值為88.5mmHg，上次監測為92.4mmHg，88.5～92.4間可無限制分割，例如分割線落在91.026mmHg（測出來的血壓值可以是這樣，如果機器夠靈敏的話），這種可無限制分割下去的資料型態就叫連續型資料。平日小弟傳授管制圖課程，不會帶入以上機率分布概念(學員會倒一片，且不學不會防礙管制圖類別選擇，但因無機率分配概念，故小弟提的判圖原則須謹記於心)，至於離散型和連續型資料判別，則會於課程中加以說明(這有助於管制圖類別選擇)。而下表內的統計公式，只是本文章的裝潢物件(這樣看起來很有學問，是不是？)，不是本篇文章的說明重點。

這兩張圖的出處：拯救 IT 人的一天

「SAS繪圖」散佈圖盒形圖疊圖實作，用教科工具書等級的繪圖思路告訴你。

這其實是版大實體教學課其中一個教案，對象為醫務管理相關科系的實習生，這個教案出自版大統計工具書Proc sgplot vbox statement段落其中一個教學範例(摘錄約8成內容)。

馬賽克拼貼畫作與拼貼統計圖

 

像不像小磁磚拼貼而成的畫作？

 它不是小畫家做的，也不是Illustrator做的，

是由統計軟體SAS靠程式碼一格一格定位上色的。

聚類分析－以25個國家9大類食物之蛋白質消耗為例

本篇文章直接切入核心，不再進行前言與統計背景介紹。

以下為25個國家，其國民於9大類食物之蛋白質消耗統計表。若依9大類食物其蛋白質消耗情形類似國家為樹形圖繪製依據，須如何評估及執行？

[教學示範]「使用工具：SAS」2個連續變項間的比較及繪圖【以鳥的體重為例】

假設高雄市三民區野外飛的鳥幾乎都是玄鳯鸚鵡。
若從野外抓30隻公鳥測量體重，公鳥bird變項=1，其中一隻叫「阿財」，故此群組簡稱「阿財及其兄弟們」。

我叫阿財。

若再從同區域野外抓18隻母鳥測量體重，母鳥bird變項=0，其中一隻叫「灰皮」，故此群組簡稱「灰皮及其姐妹們」。

我叫灰皮醬，小名叫灰皮。

接下來，將利用SAS簡易比較高雄市三民區野外玄鳯鸚鵡平均體重於公母鳥群體間是否存在顯著統計差異，並將比較結果繪製成統計圖。

[教學示範]「使用工具：SAS」僅有單一變項，如何對此資料的數據分布加以歸類？

先帶入2個專有名詞。
聚類分析：用在事先不知道類別的情況下，完全按照反映對象特徵的數據將對象進行分類。
判別分析：是基於已知分類的樣本建立判別函數，再對未知類別的大量個體歸屬於哪個類別進行判別。
所以聚類分析是一種沒有類別信息可參考的情況下，利用距離或相似性係數將一個集合劃分成若干個子集的過程，它是種監督式的學習過程。相關前述粉紅色內容，通常具有多個變項供軟體綜合判定，但也可能只有一個變項可供軟體判定，故接下來，本文章將聚焦在後者，如果你只有一個連續性的變項（即下例中的x），該如何分類？

＝＝＝以上是版大集中腦力寫出來的段落，然為節省體內能量，以下段落寫法會較隨性＝＝＝

版大先以2個迴圈產生2批虛擬資料，其描述性統計值設定如下：
data test;
grp=1;  /*平均數0  標準差0.5，共有100筆觀察值，批數grp=1*/
do i=1 to 100;
x=0+0.5*rannor(1234);
output;
end;
grp=2;  /*平均數3  標準差1，共有200筆觀察值,批數grp=2*/
do i=1 to 200;
x=3+1*rannor(1234);
output;
end;
run;

                                                                           ... ...

[教學示範]「使用工具：SAS」高中數學_排課組合問題

例：

[教學示範]「使用工具：SAS」繪製統計圖_曲線圖

繪製曲線統計圖

背景介紹：混過品管圈的人，都知道年度結案時須繳交「年度結案報告」給予品管部門存查，而此份報告就含有下圖，記載著未執行品管改善前至改善中再至改善後及效果維持階段的某統計值變化趨勢。這種圖，你可以說它是折線圖，也可以說是曲線圖，不過就是數據點多不多且平不平滑而已。
數據蒐集：每月記錄一次數據，為方便繪圖及tick置中，版大會以月中的15日來標定。
目的：展示如何用SAS程式繪出此圖。

PS: 此技術也被版大應用於醫學中心同儕指標比較圖繪製。因須同時繪製數百項指標比較圖，故版大以SAS巨集方式包裏Proc sgplot來重複執行數百遍的程式。
http://www.airitilibrary.com/Publication/alDetailedMesh?docid=a0000532-201901-201903250009-201903250009-36-47