La plataforma de distribución es una de las plataformas más utilizadas en JMP. Esta plataforma no solo se utiliza para probar qué distribución se ajusta a sus datos, sino que también se utiliza para la exploración de datos, el análisis de capacidades y mucho más. Esta plataforma existe desde la primera versión de JMP y era hora de una modernización.JMP 15 ha entregado la modernización de esta plataforma de uso común.
Mi primer entrada en el blog detallaron los nuevos instaladores en JMP 15. El segundo entrada en el blog Ajustes de distribución comparativos detallados. Esta publicación de blog detalla las nuevas opciones disponibles para distribuciones equipadas.
Parcelas de diagnóstico
El gráfico de diagnóstico ha sido reemplazado por dos nuevos gráficos (gráficos QQ y PP). El gráfico cuantil-cuantil (QQ) muestra la relación entre las observaciones y los cuantiles obtenidos utilizando los parámetros estimados. El gráfico percentil-percentil (PP) muestra la relación entre la función de distribución acumulativa empírica (CDF) y la CDF ajustada obtenida utilizando los parámetros estimados.
Para ver un ejemplo de estos gráficos, abra Braces.jmp que se encuentra en la carpeta de datos de muestra de Control de calidad.
Open("$SAMPLE_DATA/Quality Control/Braces.jmp");
Seleccione Analizar->Distribución.Especifique # defectos como Y, Columnas y haga clic en Aceptar.
En el triángulo rojo junto a # defectos, seleccione Ajuste discreto->Ajustar binomial negativo. En el triángulo rojo junto a Distribución binomial negativa ajustada, elija Gráfico QQ y Gráfico PP.
Para el gráfico QQ, la mayoría de las observaciones caen cerca de la línea diagonal. El último punto es cuestionable. Si los dos conjuntos (cuantiles binomiales negativos ajustados y el número de defectos) provienen de la misma distribución, los puntos deben caer aproximadamente a lo largo de la línea de referencia. La trama del PP tiene una interpretación similar. Los puntos en el gráfico PP caen aproximadamente a lo largo de la línea de referencia, lo que indica que la CDF ajustada binomial negativa y la CDF empírica provienen de una población con la misma distribución.
Perfiladores
Se han agregado dos perfiladores. El Generador de perfiles de distribución es un generador de perfiles de predicción de la función de distribución acumulativa (CDF). Quantile Profiler es un perfilador de predicción de la función cuantil.
Usando el ejemplo anterior, elija Perfilador de distribución y Perfilador de cuantiles en el menú del triángulo rojo junto a Distribución binomial negativa ajustada.
Si los datos siguen la distribución binomial negativa ajustada, el Perfilador de distribución muestra que la probabilidad de obtener 27 defectos o menos es 0,896934 (~90%). El Quantile Profiler proporciona lo contrario del Distribution Profiler. Para este ejemplo, la probabilidad de que tengamos siete defectos o menos es 0,1 o 10%. Los Profilers son interactivos. Puede mover el control deslizante para determinar cuál sería la probabilidad de que haya varios números de defectos.
Guardar columnas
Se han agregado dos nuevas funciones de columna para guardar. Guardar fórmula de distribución guarda una columna en la tabla de datos que contiene la fórmula de la función de distribución acumulativa (CDF) calculada utilizando los valores de parámetros estimados. Guardar fórmula de simulación guarda una columna en la tabla de datos que contiene una fórmula que genera valores simulados utilizando los parámetros estimados. Esta columna se puede utilizar en la utilidad Simular.
Bondad de ajuste
La prueba de bondad de ajuste se ha estandarizado según la prueba de Anderson-Darling para ajustes continuos y la prueba de Pearson Chi-cuadrado para ajustes discretos. La prueba Pearson Chi-Square ha mejorado las creaciones de contenedores. JMP ahora satisface la regla general de que hay al menos cinco observaciones esperadas en cada contenedor.
Para el ejemplo anterior, haga clic en el triángulo rojo junto a Distribución binomial negativa ajustada y elija Bondad de ajuste.
El valor p es 0,4971. En cualquier nivel alfa significativo, no podemos rechazar la hipótesis nula de que los datos provienen de la distribución binomial negativa.
Resumen
- Gráficos QQ
- Parcelas PP
- Perfilador de distribución
- Perfilador de cuantiles
- Guardar fórmula de distribución
- Guardar fórmula de simulación
- Anderson-querida
- Pearson Chi-Square mejoró el agrupamiento
Estas tres publicaciones de blog solo arañan la superficie del JMP 15 Nuevas funcionalidades en la plataforma de Distribución. Busque mi próxima publicación de blog en la que detallo nuevas opciones de capacidad en la plataforma de distribución.
La prueba de Anderson-Darling requiere más tiempo de procesamiento.Ese es el precio que se paga por obtener un valor p más confiable.
La actualización para los instaladores es muy bienvenida.Sin embargo, ahora hay un impacto significativo en el rendimiento cuando se incluye la bondad de ajuste:
Ajuste de 3 distribuciones a 20 variables de columna:
legado: 0,4 seg
nuevo: 6,3 seg
Dado que no estoy ajustando 20 variables de columna, sino más cerca de 1000, ¡eso es un gran éxito en el rendimiento!
En versiones anteriores, había frustración porque algunas distribuciones esencialmente tenían una trama qq y otras tenían una trama pp. Por eso decidimos ofrecer ambas para cada una de las distribuciones en lugar de elegir qué gráfico de diagnóstico era más apropiado para cada una.
Como descubrió, aún no se han agregado bandas de intervalos de confianza a estos gráficos.El desarrollador tiene la intención de agregarlos.Actualmente estamos investigando una posible implementación en JMP 17.
El gráfico de diagnóstico anterior incluía límites de confianza y se parecía al gráfico de cuantiles normal de JMP.El nuevo gráfico QQ no parece permitir los límites y parece ser una imagen especular del gráfico cuantil normal.¿Cuál fue el motivo de este cambio?¿Se pueden incluir los intervalos en el gráfico QQ?(Esta falta de intervalos está provocando una reconstrucción bastante importante de una presentación de entrenamiento y me gustaría entender el motivo del cambio).
