Après mon introduction aux ressources académiques , ce deuxième article explique comment enseigner les concepts statistiques de base en utilisant les ressources intégrées au logiciel JMP.
Modules pédagogiques interactifs
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?Saviez-vous que JMP dispose de ressources intégrées pour l'enseignement des statistiques ? Qu'est-ce que c'est? Dix « applets de démonstration », développés en JSL, pour démontrer ou explorer des concepts statistiques tels que les distributions d'échantillonnage, les intervalles de confiance, les tests d'hypothèses, la régression ou l'analyse de variance (ANOVA) et bien plus encore.
Où trouver? Dans JMP et JMP Pro, ouvrez le Menu Aide > Exemples de données > Scripts d'enseignement > Modules d'enseignement interactifs . Dans JMP Student Edition, ouvrez le Menu des applets (en savoir plus sur JMP Student Edition et la subvention à l'échelle de l'école sur le Blog JMP ).
Comment utiliser? Les modules pédagogiques sont conçus pour des démonstrations interactives en classe, mais peuvent également être utilisés par les étudiants pour explorer des concepts statistiques. De nombreux modules peuvent importer des données personnalisées en choisissant une option telle que « Mes données / Mon échantillon », ce qui les rend également applicables aux exercices ou aux évaluations.
Chaque module dispose d'un lien vers un document d'aide en ligne, qui explique son utilisation, toutes les options et de nombreux conseils pour démontrer le plus efficacement possible les concepts statistiques. Vous pouvez regarder un didacticiel vidéo montrant tous les modules dans le webinaire académique à la demande "Utilisation des applets de concept statistique JMP" .
L'applet Démontrer la régression, par exemple, aborde des concepts tels que l'ajustement linéaire de la « meilleure estimation » par rapport à l'ajustement des moindres carrés, le résidu et la somme des erreurs quadratiques, les caractéristiques de la population par rapport aux statistiques d'échantillon et l'incertitude. Les données peuvent provenir d'une population normale configurable, peuvent être importées à partir d'un ensemble de données ouvert ou peuvent être créées soi-même en définissant manuellement tous les points de données.
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 samplesModule « Démontrer la régression » montrant la somme des erreurs quadratiques (SSE) et les ajustements pour 100 échantillons
D'autres démonstrateurs scriptés peuvent être trouvés sous Aide > Scripts d'enseignement > Démonstrations d'enseignement (par exemple pour démontrer la valeur p, la puissance, la colinéarité ou la règle de Bayes). Certaines de ces animations sont également intégrées aux plates-formes JMP, par exemple "Animation PValue" et "Animation puissance" dans Distribution > Test Mean. Vous pouvez également trouver des outils pédagogiques utiles dans la communauté des utilisateurs JMP, comme "Test de permutation pour deux moyennes ou médianes" ou "Démontrer la transformation de puissance Box-Cox ".
Calculatrices et simulateurs
Qu'est-ce que c'est? Les calculateurs sont des outils scriptés permettant un calcul pratique des intervalles de confiance, des tailles d'échantillon et des valeurs p pour divers tests d'hypothèse. Les simulateurs sont des tables de données JMP avec des formules enregistrées, par exemple pour créer des données pour afficher le théorème central limite, simuler des lancers de dés ou produire des nombres prim.
Calculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanTest d'hypothèse du calculateur sur la moyenne
Simulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit TheoremThéorème limite central du simulateur
Où trouver? Exemples de données JMP ( Aide > Exemples de données > Calculatrices ; Aide > Exemples de données > Simulations ). Tous les scripts de la calculatrice sont également disponibles sous forme de fichiers sources JSL si vous souhaitez les modifier ( Aide > Exemples de données > Afficher une liste alphabétique de tous les exemples de fichiers de données > Calculatrices ). Pour les simulateurs, vous pouvez ouvrir les formules stockées dans l'éditeur de formule en cliquant sur le bouton ' +' icônes dans le panneau Colonnes.
Comment utiliser? Les calculatrices sont explicites et assez faciles à utiliser ; dites simplement à vos élèves où ils peuvent se trouver. Pour créer des données dans une table de données de simulation, choisissez Lignes > Ajouter des lignes… et définissez le nombre de lignes que vous souhaitez ajouter, en fonction de la formule de chaque colonne. Certains simulateurs disposent également de scripts stockés pour analyser les nouvelles données en exécutant le script (cliquez sur le triangle vert).
Amorçage et simulation
Qu'est-ce que c'est? Le bootstrapping, une méthode de rééchantillonnage facile à obtenir pour tester les distributions d'échantillonnage d'une statistique, et la simulation pour les tests de randomisation, une méthode de rééchantillonnage pour tester la signification, présentent plusieurs avantages : Premièrement, des concepts clés tels que les distributions d'échantillons peuvent être introduits de manière empirique sans qu'il soit nécessaire de enseigner une théorie approfondie comme les probabilités.
Deuxièmement, le bootstrap et la simulation permettent d'estimer des statistiques sans connaître la distribution sous-jacente. ( Voir également Hesterberg, T. (1998) : « Simulation et bootstrapping pour l'enseignement des statistiques » . Dans ASA : Actes de la Section sur l'enseignement statistique, 44 - 52.)
Où trouver: Dans JMP Pro, fourni avec chaque licence de site universitaire, Bootstrap et Simulate ne sont qu'à un clic (caché). Dans presque tous les rapports JMP, les étudiants peuvent simplement cliquer avec le bouton droit sur les statistiques qui les intéressent et sélectionner Amorcer ou Simuler .
Comment utiliser? Le bootstrap demande le nombre d'échantillons bootstrap* et crée un nouveau tableau de données, comprenant les statistiques pour l'échantillon d'origine (ligne exclue) et pour tous les échantillons bootstrap. JMP ajoute un script de distribution au nouveau tableau de données qui affiche les limites de confiance empiriques à différents niveaux.
Simuler vous oblige à préparer une colonne de formules en utilisant le rééchantillonnage avec remplacement, qui sera remplacée par une colonne nominale existante. Pour une démo détaillée de Simulate, regardez le webinaire académique Méthodes de recherche avancées avec JMP .
*Il existe plusieurs autres options, mais en règle générale, conservez les valeurs par défaut soigneusement définies par JMP. Pour plus d'informations, reportez-vous à l'aide de JMP.
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 intervalsTest t à deux échantillons : estimation originale (ligne rouge) de la différence entre les moyennes et les valeurs p empiriques (simulées) et les intervalles de confiance
Le prochain article présente des ressources pour enseigner les méthodes statistiques, par exemple pour l'analyse multivariée, la modélisation prédictive ou la conception d'expériences.
Cliquez pour voir les autres articles dans cette série sur l'enseignement avec JMP .
