后我的学术资源介绍,第二篇文章介绍了如何使用 JMP 软件内置的资源教授核心统计概念。
互动教学模块
Did you know that JMP has built-in resources for teaching statistics?Did you know that JMP has built-in resources for teaching statistics?Did you know that JMP has built-in resources for teaching statistics?Did you know that JMP has built-in resources for teaching statistics?您是否知道 JMP 具有用于教学统计学的内置资源？它是什么？ 在 JSL 中开发的十个“演示小程序”，用于演示或探索统计概念，例如抽样分布、置信区间、假设检验、回归或方差分析 (ANOVA) 等。
去哪里找？ 在 JMP 和 JMP Pro 中，打开帮助菜单 > 示例数据 > 教学脚本 > 交互式教学模块。 在 JMP 学生版中，打开小程序菜单（了解有关 JMP 学生版和全校资助的更多信息，请访问JMP 博客）。
如何使用？ 教学模块专为课堂上的互动演示而设计，但学生也可以使用它来探索统计概念。 许多模块可以通过选择“我的数据/我的样本”等选项来导入自定义数据，这使得它们也适用于练习或评估。
每个模块都有一个在线帮助文档的链接，其中解释了其用法、所有选项以及最有效地演示统计概念的许多技巧。 您可以观看显示点播学术网络研讨会中所有模块的视频教程“使用 JMP 统计概念小程序” 。
小程序展示回归，例如，讨论的概念包括“最佳猜测”线性拟合与最小二乘拟合、残差和平方和误差、总体特征与样本统计数据以及不确定性。 数据可以来自可配置的正常群体，可以从开放数据集导入，也可以通过手动设置所有数据点来自制。
Module “Demonstrate Regression” showing sum of squared errors (SSE) and fits for 100 samplesModule “Demonstrate Regression” showing sum of squared errors (SSE) and fits for 100 samplesModule “Demonstrate Regression” showing sum of squared errors (SSE) and fits for 100 samplesModule “Demonstrate Regression” showing sum of squared errors (SSE) and fits for 100 samples“演示回归”模块显示误差平方和 (SSE) 以及 100 个样本的拟合情况
更多脚本演示程序可以在“帮助”>“教学脚本”>“教学演示”下找到（例如演示 p 值、幂、共线性或贝叶斯规则）。 其中一些动画也内置于 JMP 平台中，例如分布 > 检验均值中的“PValue 动画”和“Power 动画”。 您还可以在 JMP 用户社区中找到有用的教学工具，例如“两个均值或中位数的排列检验”或者“演示 Box-Cox 电源转换”。
计算器和模拟器
它是什么？ 这些计算器是脚本化工具，用于方便计算各种假设检验的置信区间、样本大小和 p 值。 模拟器是带有已保存公式的 JMP 数据表，例如，用于创建数据来显示中心极限定理、模拟掷骰子或生成素数。
Calculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on Mean计算器对平均值的假设检验
Simulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit Theorem模拟器中心极限定理
去哪里找？ JMP 样本数据（帮助>示例数据>计算器；帮助 > 示例数据 > 模拟）。 如果您想更改所有计算器脚本，也可以将其作为 JSL 源文件使用（帮助 > 示例数据 > 查看所有示例数据文件的字母顺序列表 > 计算器）。 对于模拟器，您可以通过单击“公式编辑器”来打开存储的公式+'列面板中的图标。
如何使用？ 计算器是不言自明的并且非常容易使用；只需告诉您的学生在哪里可以找到他们。 要在模拟数据表中创建数据，请选择行 > 添加行...并根据每列的公式设置要添加的行数。 一些模拟器还存储了脚本，通过运行脚本来分析新数据（单击绿色三角形）。
引导和模拟
它是什么？ 自举（Bootstrapping）是一种易于获得的重采样方法，用于测试统计量的抽样分布，而模拟随机化测试是一种用于测试显着性的重采样方法，具有以下几个优点：首先，可以根据经验引入样本分布等关键概念，而无需教授广泛的理论，例如概率。
其次，引导和模拟允许在不知道底层分布的情况下估计统计数据。 （另请参见 Hesterberg, T. (1998)： “统计学教学的模拟和引导” 。 ASA：统计教育部分的会议记录，44 - 52。）
哪里可以找到：在每个学术网站许可证附带的 JMP Pro 中，只需单击一下（隐藏）即可实现 Bootstrap 和 Simulate。 在几乎所有 JMP 报告中，学生只需右键单击感兴趣的统计数据并选择引导程序或者模拟。
如何使用？ Bootstrapping 询问 bootstrap 样本* 的数量并创建一个新的数据表，包括原始样本（排除行）和所有 bootstrap 样本的统计信息。 JMP 将分布脚本添加到新数据表中，显示不同级别的经验置信限。
Simulate 要求您使用带替换的重采样来准备公式列，该公式列将切换到现有的标称列。 有关详细的模拟演示，请观看学术网络研讨会JMP 的高级研究方法。
*还有其他几个选项，但根据经验，请保留 JMP 仔细设置的默认值。 有关详细信息，请参阅 JMP 帮助。
Two-sample t-test: Original estimate (red line) of the difference between the means and empirical (simulated) p-values and confidence intervalsTwo-sample t-test: Original estimate (red line) of the difference between the means and empirical (simulated) p-values and confidence intervalsTwo-sample t-test: Original estimate (red line) of the difference between the means and empirical (simulated) p-values and confidence intervalsTwo-sample t-test: Original estimate (red line) of the difference between the means and empirical (simulated) p-values and confidence intervals双样本 t 检验：平均值与经验（模拟）p 值和置信区间之间差异的原始估计（红线）
这下一篇文章提供教授统计方法的资源，例如多变量分析、预测建模或实验设计。
点击查看其他帖子关于使用 JMP 进行教学的系列。
