La piattaforma di distribuzione è una delle piattaforme più utilizzate in JMP. Questa piattaforma non viene utilizzata solo per testare quale distribuzione si adatta ai tuoi dati, ma viene utilizzata per l'esplorazione dei dati, l'analisi delle capacità e molto altro ancora. Questa piattaforma è in circolazione sin dalla prima versione di JMP ed era giunto il momento di una modernizzazione. JMP 15 ha fornito la modernizzazione di questa piattaforma di uso comune.
La mia prima post sul blog dettagliato i nuovi installatori in JMP 15. Il secondo post sul blog adattamenti comparativi dettagliati di distribuzione. Questo post sul blog descrive in dettaglio le nuove opzioni disponibili per le distribuzioni adattate.
Grafici diagnostici
Il grafico diagnostico è stato sostituito con due nuovi grafici (grafici QQ e PP). Il diagramma quantile-quantile (QQ) mostra la relazione tra le osservazioni e i quantili ottenuti usando i parametri stimati. Il grafico percentile-percentile (PP) mostra la relazione tra la funzione di distribuzione cumulativa empirica (CDF) e il CDF montato ottenuto utilizzando i parametri stimati.
Per vedere un esempio di questi grafici, apri Braces.jmp trovato nella cartella dei dati di esempio del controllo di qualità.
Open("$SAMPLE_DATA/Quality Control/Braces.jmp");
Seleziona Analizza-> Distribuzione. Specificare # difetti come Y, Colonne e fare clic su OK.
Dal triangolo rosso accanto a # difetti, seleziona Adatta discreta-> Adatta binomiale negativo. Dal triangolo rosso accanto a Distribuzione binomiale negativa montata, selezionare Grafico QQ e Grafico PP.
Per il diagramma QQ, la maggior parte delle osservazioni si avvicinano alla linea diagonale. L'ultimo punto è discutibile. Se i due insiemi (quantili binomiali negativi montati e # difetti) provengono dalla stessa distribuzione, i punti dovrebbero cadere approssimativamente lungo la linea di riferimento. La trama PP ha un'interpretazione simile. I punti nel diagramma PP cadono approssimativamente lungo la linea di riferimento, indicando che il CDF montato binomiale negativo e il CDF empirico provengono da una popolazione con la stessa distribuzione.
profilers
Sono stati aggiunti due profili. Il profilo di distribuzione è un profilo di previsione della funzione di distribuzione cumulativa (CDF). Il Quantile Profiler è un profiler di previsione della funzione quantile.
Usando l'esempio precedente, scegli Distribution Profiler e Quantile Profiler dal menu a forma di triangolo rosso accanto a Distribuzione binomiale negativa montata.
Se i dati seguono la distribuzione binomiale negativa montata, il profilo di distribuzione mostra che la probabilità di ottenere 27 difetti o meno è .896934 (~ 90%). Il Quantile Profiler fornisce l'inverso del Distribution Profiler. Per questo esempio, la probabilità che si ottengano sette o meno difetti è di 0,1 o 10%. I profili sono interattivi. È possibile spostare il dispositivo di scorrimento per determinare quale sarebbe la probabilità per vari numeri di difetti.
Salva colonne
Sono state aggiunte due nuove funzionalità per la colonna di salvataggio. Salva formula di distribuzione salva una colonna nella tabella dei dati che contiene la formula della funzione di distribuzione cumulativa (CDF) calcolata utilizzando i valori dei parametri stimati. Salva formula di simulazione salva una colonna nella tabella dei dati che contiene una formula che genera valori simulati utilizzando i parametri stimati. Questa colonna può essere utilizzata nell'utilità Simula.
Bontà di adattamento
La bontà del test di adattamento è stata standardizzata con Anderson-Darling per adattamenti continui e con il test Chi-quadrato di Pearson per adattamenti discreti. Il test Pearson Chi-Square ha migliorato le creazioni di contenitori. JMP ora soddisfa la regola empirica che ci sono almeno cinque osservazioni attese in ciascun cestino.
Per l'esempio precedente, fai clic sul triangolo rosso accanto a Distribuzione binomiale negativa montata e scegli Bontà di adattamento.
Il valore p è 0.4971. Ad ogni livello alfa significativo, non riusciamo a respingere l'ipotesi nulla che i dati provengano dalla distribuzione binomiale negativa.
Sommario
- Grafici QQ
- Trame in PP
- Profiler di distribuzione
- Profilatore quantile
- Salva formula di distribuzione
- Salva formula di simulazione
- Anderson-Tesoro
- Pearson Chi-Square ha migliorato il binning
Questi tre post del blog graffiano solo la superficie di JMP 15 nuove funzionalità nella piattaforma di distribuzione. Cerca il mio prossimo post sul blog in cui dettagliamo le nuove opzioni di funzionalità nella piattaforma di distribuzione.
Il grafico diagnostico precedente includeva i limiti di confidenza e sembrava il normale grafico dei quantili di JMP. Il nuovo grafico QQ non sembra consentire i limiti e sembra essere un'immagine speculare del normale grafico quantile. Qual è stato il motivo di questo cambiamento? Gli intervalli possono essere inclusi nel grafico QQ? (Questa mancanza di intervalli sta causando una ricostruzione piuttosto importante di una presentazione di formazione e mi piacerebbe capire il motivo del cambiamento.)
Nelle versioni precedenti, c'era la frustrazione che alcune distribuzioni avevano essenzialmente un grafico qq e altre avevano un grafico pp. Quindi abbiamo deciso di offrire entrambi per ciascuna delle distribuzioni piuttosto che scegliere quale trama diagnostica fosse più appropriata per ciascuna.
Come hai scoperto, le bande dell'intervallo di confidenza non sono ancora state aggiunte a questi grafici. Lo sviluppatore intende aggiungerli. Attualmente stiamo esaminando una possibile implementazione in JMP 17.
L'aggiornamento agli installatori è molto gradito. Tuttavia, ora c'è un significativo calo delle prestazioni quando è inclusa una bontà di adattamento:
Adattamento di 3 distribuzioni a 20 variabili di colonna:
legacy: 0,4 secondi
nuovo: 6.3 sec
Dato che non sto adattando 20 variabili di colonna ma più vicino a 1000, questo è un bel successo in termini di prestazioni!
Il test Anderson-Darling richiede più tempo di elaborazione. Questo è il prezzo da pagare per ottenere un p-value più affidabile.
