<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Salut
Existe-t-il des fonctionnalités de détection de pic pour les séries chronologiques dans JMP ? Avec des outils comme l'intégration maximale, l'optimisation de base, etc. ?
Merci
Ah tu as raison, je ne pensais pas à quelque chose d'aussi approfondi que PeakFit. Je suis vraiment intéressé par le complément que vous avez mentionné. Je vous enverrai un e-mail à ce sujet.
En faisant mes commentaires sur les « logiciels de niche », j'avais en tête quelque chose comme http://www.sigmaplot.co.uk/products/peakfit/peakfit.php .
Comme je l'ai également dit, la façon dont JMP se compare à vos exigences dépend en fin de compte de la profondeur et de l'étendue de ces dernières (et aussi de qui d'autre dans votre groupe de travail, le cas échéant, doit faire ce que vous voulez faire). J'ai du code pour créer des zones de pic simples si vous souhaitez m'envoyer un mail à an.cox@jmp.com . Si ce que vous voulez est simple, je serais heureux de créer un complément pour l'échange de fichiers (mais je ne peux pas promettre de le faire tout de suite).
Salut Ian,
Merci pour les aimables suggestions. Je n'aurais pas pensé que l'intégration numérique d'un tracé (qui nécessite une modélisation de base) ou le calcul de certains optima locaux serait une niche, mais cela ne correspond peut-être pas à l'intention initiale de JMP. Je suis d'accord que ces fonctions peuvent être scriptées - l'intégration n'est "que" une somme de pastilles - mais si je pouvais éviter de réinventer la roue...
En fonction de la profondeur et de l'étendue de vos besoins spécifiques, JMP propose de nombreux éléments de base dont vous pourriez avoir besoin. Par exemple, le code suivant génère des données aléatoires et montre comment ajuster deux gaussiennes (en utilisant « Analyse > Distribution »). Faites 'Fichier > Nouveau > Nouveau script', copiez et collez le code dans la fenêtre qui apparaît, puis faites 'Modifier > Exécuter le script') :
NomsDefaultToHere ( 1 ) ;
// Créer des données avec deux pics . . .
n1 = 500 ; mu1 = 0 ; sig1 = 1 ;
n2 = 500 ; mu2 = 2 ; sig2 = 2 ;
pic1 = J. ( n1 , 1 , AléatoireNormal ( mu1 , sig1 )) ;
pic2 = J. ( n2 , 1 , AléatoireNormal ( mu2 , sig2 )) ;
pics = VConcat ( pic1 , pic2 ) ;
dt = NouveauTableau ( "Pics" , NouvelleColonne ( "Y" , Numérique , Continu , Valeurs ( pics ))) ;
// Utilisez 'Mélanges normaux' dans 'Distribution' pour ajuster
dt << Distribution ( Distribution continue ( Colonne ( : Oui ) , Ajuster la distribution ( Mélanges normaux ( Groupes ( 2 ) ) ))) ;
Mais vous souhaiterez probablement adapter un mélange de Lorentziens, auquel cas vous aurez besoin de « Analyse > Modélisation > Non linéaire » (voir, par exemple : https://www.jmp.com/about/events/summit2013/resources/Paper_Susan_Walsh.pdf pour commencer).
Cependant, rappelez-vous que JMP est un logiciel statistique « tout usage » : si vous souhaitez bénéficier de la gamme complète de fonctionnalités offertes par des logiciels plus spécialisés pour traiter les données spectrales, vous auriez du travail à faire et nécessiteriez certaines connaissances pour le faire.
Je regarde les traces des méthodes thermo-analytiques. En regardant les intégrations maximales, je peux déduire la progression de la réaction (alpha). En combinant ces calculs le long des différentes traces, on peut estimer les paramètres cinétiques des réactions impliquées dans le processus.
J'ai peut-être mal compris, mais j'associe davantage « l'intégration maximale » et « l'optimisation de base » aux données spectrales qu'aux séries chronologiques. Pouvez-vous être un peu plus précis sur les données dont vous disposez et ce que vous espérez en tirer, s'il vous plaît ?
