Die Distributionsplattform ist eine der am häufigsten verwendeten Plattformen in JMP. Diese Plattform dient nicht nur zum Testen, welche Verteilung zu Ihren Daten passt, sondern auch zur Datenexploration, Fähigkeitsanalyse und vielem mehr. Diese Plattform gibt es seit der ersten Version von JMP und es war Zeit für eine Modernisierung.JMP 15 hat die Modernisierung dieser häufig genutzten Plattform durchgeführt.
Mein erster Blogeintrag detailliert die neuen Monteure in JMP 15. Der Zweite Blogeintrag Detaillierter Vergleich der Verteilungsanpassungen. In diesem Blogbeitrag werden die neuen Optionen für angepasste Verteilungen detailliert beschrieben.
Diagnosediagramme
Der Diagnoseplot wurde durch zwei neue Plots (QQ- und PP-Plots) ersetzt. Das Quantil-Quantil-Diagramm (QQ) zeigt die Beziehung zwischen den Beobachtungen und den mithilfe der geschätzten Parameter erhaltenen Quantilen. Das Perzentil-Perzentil-Diagramm (PP) zeigt die Beziehung zwischen der empirischen kumulativen Verteilungsfunktion (CDF) und dem angepassten CDF, der mithilfe der geschätzten Parameter ermittelt wurde.
Um ein Beispiel dieser Diagramme anzuzeigen, öffnen Sie „Braces.jmp“ im Beispieldatenordner „Quality Control“.
Open("$SAMPLE_DATA/Quality Control/Braces.jmp");
Wählen Sie Analysieren->Verteilung.Geben Sie # Fehler als Y, Spalten an und klicken Sie auf OK.
Wählen Sie im roten Dreieck neben # Fehler die Option „Diskrete Anpassung“ -> „Negative Binomialanpassung“ aus. Wählen Sie im roten Dreieck neben „Angepasste negative Binomialverteilung“ die Optionen „QQ-Diagramm“ und „PP-Diagramm“ aus.
Beim QQ-Plot liegen die meisten Beobachtungen nahe an der Diagonalen. Der letzte Punkt ist fraglich. Wenn die beiden Sätze (angepasste negative Binomialquantile und die # Defekte) aus derselben Verteilung stammen, sollten die Punkte ungefähr entlang der Referenzlinie liegen. Der PP-Plot hat eine ähnliche Interpretation. Die Punkte im PP-Diagramm liegen ungefähr entlang der Referenzlinie, was darauf hinweist, dass der negativ binomialangepasste CDF und der empirische CDF aus einer Grundgesamtheit mit derselben Verteilung stammen.
Profiler
Zwei Profiler wurden hinzugefügt. Der Distribution Profiler ist ein Vorhersageprofiler der kumulativen Verteilungsfunktion (CDF). Der Quantile Profiler ist ein Vorhersageprofiler der Quantilfunktion.
Wählen Sie im vorherigen Beispiel „Verteilungsprofiler“ und „Quantilprofiler“ aus dem roten Dreiecksmenü neben „Angepasste negative Binomialverteilung“ aus.
Wenn die Daten der angepassten negativen Binomialverteilung folgen, zeigt der Distribution Profiler, dass die Wahrscheinlichkeit, 27 Fehler oder weniger zu erhalten, 0,896934 (~90 %) beträgt. Der Quantilprofiler liefert die Umkehrung des Verteilungsprofilers. In diesem Beispiel beträgt die Wahrscheinlichkeit, dass wir sieben oder weniger Fehler erhalten, 0,1 oder 10 %. Die Profiler sind interaktiv. Sie können den Schieberegler bewegen, um die Wahrscheinlichkeit für eine unterschiedliche Anzahl von Fehlern zu bestimmen.
Spalten speichern
Es wurden zwei neue Funktionen zum Speichern von Spalten hinzugefügt. „Verteilungsformel speichern“ speichert eine Spalte in der Datentabelle, die die Formel der kumulativen Verteilungsfunktion (CDF) enthält, die anhand der geschätzten Parameterwerte berechnet wurde. Simulationsformel speichern speichert eine Spalte in der Datentabelle, die eine Formel enthält, die anhand der geschätzten Parameter simulierte Werte generiert. Diese Spalte kann im Simulate-Dienstprogramm verwendet werden.
Güte der Anpassung
Der Anpassungsgütetest wurde für kontinuierliche Anpassungen auf den Anderson-Darling-Test und für diskrete Anpassungen auf den Pearson-Chi-Quadrat-Test standardisiert. Der Pearson Chi-Quadrat-Test hat die Erstellung von Behältern verbessert. JMP erfüllt nun die Faustregel, dass es in jedem Behälter mindestens fünf erwartete Beobachtungen gibt.
Klicken Sie für das vorherige Beispiel auf das rote Dreieck neben „Angepasste negative Binomialverteilung“ und wählen Sie „Anpassungsgüte“ aus.
Der p-Wert beträgt 0,4971. Auf jeder sinnvollen Alpha-Ebene können wir die Nullhypothese nicht ablehnen, dass die Daten aus der negativen Binomialverteilung stammen.
Zusammenfassung
- QQ-Plots
- PP-Plots
- Verteilungsprofiler
- Quantil-Profiler
- Verteilungsformel speichern
- Simulationsformel speichern
- Anderson-Darling
- Pearson Chi-Square verbessertes Binning
Diese drei Blogbeiträge kratzen nur an der Oberfläche JMP 15 neue Funktionen in der Vertriebsplattform. Suchen Sie nach meinem nächsten Blogbeitrag, in dem ich neue Funktionsoptionen in der Vertriebsplattform beschreibe.
Der Anderson-Darling-Test erfordert mehr Verarbeitungszeit.Das ist der Preis, den Sie dafür zahlen, einen vertrauenswürdigeren p-Wert zu erhalten.
Die Auffrischung der Monteure ist sehr willkommen.Allerdings gibt es jetzt einen erheblichen Leistungseinbruch, wenn eine Anpassungsgüte einbezogen wird:
Anpassen von 3 Verteilungen an 20 Spaltenvariablen:
Legacy: 0,4 Sek
neu: 6,3 Sek
Angesichts der Tatsache, dass ich nicht 20 Spaltenvariablen anpasse, sondern näher an 1000, ist das ein ziemlicher Leistungseinbruch!
In früheren Versionen war es frustrierend, dass einige Distributionen im Wesentlichen einen qq-Plot und andere einen pp-Plot hatten. Deshalb haben wir beschlossen, beides für jede der Verteilungen anzubieten, anstatt auszuwählen, welches Diagnosediagramm für jede am besten geeignet ist.
Wie Sie festgestellt haben, wurden diesen Diagrammen noch keine Konfidenzintervallbänder hinzugefügt.Der Entwickler beabsichtigt, diese hinzuzufügen.Derzeit untersuchen wir eine mögliche Implementierung in JMP 17.
Das vorherige Diagnosediagramm enthielt Konfidenzgrenzen und ähnelte dem normalen Quantildiagramm von JMP.Das neue QQ-Diagramm scheint die Grenzen nicht zu berücksichtigen und scheint ein Spiegelbild des normalen Quantildiagramms zu sein.Was war der Grund für diese Änderung?Können die Intervalle in das QQ-Diagramm einbezogen werden?(Diese fehlenden Intervalle führen zu einer ziemlich umfassenden Neugestaltung einer Trainingspräsentation, und ich würde gerne den Grund für die Änderung verstehen.)
