解释茎叶图的主要结果

调查任何奇怪的或不想要的特征。例如，客户等待时间的茎叶图显示值和散布高于预期。经调查显示，不稳定性和延迟是由异常高的 Web 流量导致的。

样本数量可能会影响图形的外观。

样本数量显示在茎叶图的顶部。在上一个示例中，样本数量为 50 (N = 50)。

由于每个茎叶图表示一个数据值，因此当样本数量小于大约 50 时，茎叶图效果最佳。如果样本数量大于 50，则图上的数据点可能会延伸到太远的位置，这可能会使得分布很难评估。如果您的数据点多于 50 个，请考虑使用箱线图或直方图。

确定数据是否偏斜。当数据偏斜时，大多数数据位于图形的高或低侧。偏斜表明数据可能未呈正态分布。通常情况下，在直方图或箱线图中最易于检测偏斜。

这些茎叶图说明的是偏斜数据。带右偏斜数据的茎叶图显示等待时间。大部分等待时间相对较短，只有少数等待时间很长。带左偏斜数据的茎叶图显示失效时间数据。少数几个项立即失效，更多的项则在随后失效。

如果已知数据本身未偏斜，请调查可能的原因。如果您希望分析严重偏斜的数据，请阅读该分析的“数据注意事项”主题，以确保您可以使用非正常据。

异常值是远离其他数据值的数据值，可能会显著影响您的结果。

尝试确定导致任何异常值的原因。更正任何测量误差或数据输入错误。考虑删除与异常的单次事件（也称为特殊原因）相关联的数据值。然后，重新执行分析。

多模态数据具有多个峰值。（峰值表示一组数据的模式。）如果数据是从多个过程中或在多个条件（如多个温度）下收集的，通常会出现多模态数据。

例如，这些茎叶图是相同数据的图形。简单的茎叶图包含两个点聚类，但它并未清楚地指示聚类均值的含义。含组的茎叶图表明，聚类与两个组相对应。

如果您具有其他可用来对观测值进行分组的信息，则可以创建一个包含此信息的组变量。然后，可以创建含组的图形，以确定组变量是否导致数据中的峰值。