Nach Mein Einführung in akademische Ressourcen , In diesem zweiten Beitrag wird erläutert, wie Sie mithilfe der in der JMP-Software integrierten Ressourcen grundlegende statistische Konzepte vermitteln können.
Interaktive Lehrmodule
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?Wussten Sie, dass JMP über integrierte Ressourcen für den Statistikunterricht verfügt? Was ist es? Zehn in JSL entwickelte „Demo-Applets“ zur Demonstration oder Erkundung statistischer Konzepte wie Stichprobenverteilungen, Konfidenzintervalle, Hypothesentests, Regression oder Varianzanalyse (ANOVA) und mehr.
Wo findet man? Öffnen Sie in JMP und JMP Pro die Hilfemenü > Beispieldaten > Lehrskripte > Interaktive Lehrmodule . Öffnen Sie in der JMP Student Edition die Applets-Menü (Erfahren Sie mehr über die JMP Student Edition und das schulweite Stipendium auf der JMP-Blog ).
Wie benutzt man? Die Lehrmodule sind für interaktive Demonstrationen im Unterricht konzipiert, können aber auch von Studierenden zur Auseinandersetzung mit statistischen Konzepten genutzt werden. Viele Module können benutzerdefinierte Daten importieren, indem Sie eine Option wie „Meine Daten / Meine Probe“ auswählen, wodurch sie auch auf Übungen oder Beurteilungen anwendbar sind.
Jedes Modul verfügt über einen Link zu einem Online-Hilfedokument, das seine Verwendung, alle Optionen und viele Tipps zur effektiven Demonstration statistischer Konzepte erklärt. Im akademischen On-Demand-Webinar können Sie sich ein Video-Tutorial mit allen Modulen ansehen „Verwendung der JMP Statistical Concept Applets“ .
Das Applet Regression demonstrieren, Behandelt beispielsweise Konzepte wie die lineare Anpassung nach der besten Schätzung im Vergleich zur Anpassung nach der Methode der kleinsten Quadrate, Residuum und Summe der Fehlerquadrate, Populationsmerkmale im Vergleich zu Stichprobenstatistiken und Unsicherheit. Die Daten können aus einer konfigurierbaren Normalpopulation stammen, aus einem offenen Datensatz importiert werden oder durch manuelles Festlegen aller Datenpunkte selbst erstellt werden.
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 samplesDas Modul „Regression demonstrieren“ zeigt die Summe der quadratischen Fehler (SSE) und Passungen für 100 Stichproben
Weitere Skript-Demonstratoren finden Sie unter Hilfe > Lehrskripte > Lehrdemonstrationen (z. B. zur Demonstration von p-Wert, Potenz, Kollinearität oder Bayes-Regel). Einige dieser Animationen sind auch in JMP-Plattformen integriert, beispielsweise „PValue-Animation“ und „Power-Animation“ in „Distribution > Test Mean“. Möglicherweise finden Sie auch nützliche Lehrmittel in der JMP User Community, z „Permutationstest für zwei Mittelwerte oder Mediane“ oder „Demonstrieren Sie die Box-Cox-Power-Transformation.“ ."
Rechner und Simulatoren
Was ist es? Bei den Rechnern handelt es sich um Skriptwerkzeuge zur praktischen Berechnung von Konfidenzintervallen, Stichprobengrößen und p-Werten für verschiedene Hypothesentests. Simulatoren sind JMP-Datentabellen mit gespeicherten Formeln, um beispielsweise Daten zur Darstellung des zentralen Grenzwertsatzes zu erstellen, Würfelwürfe zu simulieren oder Primzahlen zu erzeugen.
Calculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanCalculator Hypothesis Test on MeanTaschenrechner-Hypothesetest zum Mittelwert
Simulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit TheoremSimulator Central Limit TheoremZentraler Grenzwertsatz des Simulators
Wo findet man? JMP-Beispieldaten ( Hilfe > Beispieldaten > Rechner; Hilfe > Beispieldaten > Simulationen ). Alle Rechnerskripte sind auch als JSL-Quelldateien verfügbar, falls Sie sie ändern möchten ( Hilfe > Beispieldaten > Eine alphabetische Liste aller Beispieldatendateien anzeigen > Rechner ). Bei Simulatoren können Sie die gespeicherten Formeln im Formeleditor öffnen, indem Sie auf die Schaltfläche „ +' Symbole im Spaltenbereich.
Wie benutzt man? Die Rechner sind selbsterklärend und recht einfach zu bedienen; Sagen Sie Ihren Schülern einfach, wo sie zu finden sind. Um Daten in einer Simulationsdatentabelle anzulegen, wählen Sie Zeilen > Zeilen hinzufügen… und legen Sie die Anzahl der Zeilen fest, die Sie hinzufügen möchten, basierend auf der Formel für jede Spalte. Einige Simulatoren verfügen auch über gespeicherte Skripte, um die neuen Daten durch Ausführen des Skripts zu analysieren (klicken Sie auf das grüne Dreieck).
Bootstrapping und Simulation
Was ist es? Bootstrapping, eine einfach zu erlernende Resampling-Methode zum Testen von Stichprobenverteilungen einer Statistik, und Simulation für Randomisierungstests, eine Resampling-Methode zum Testen der Signifikanz, haben mehrere Vorteile: Erstens können Schlüsselkonzepte wie Stichprobenverteilungen empirisch eingeführt werden, ohne dass dies erforderlich ist lehren umfassende Theorien wie Wahrscheinlichkeitstheorie.
Zweitens ermöglichen Bootstrapping und Simulation die Schätzung von Statistiken, ohne die zugrunde liegende Verteilung zu kennen. ( Siehe auch Hesterberg, T. (1998): „Simulation und Bootstrapping für den Statistikunterricht“ . In ASA: Proceedings of the Section on Statistical Education, 44 - 52.)
Wo findet man: In JMP Pro, das mit jeder akademischen Site-Lizenz geliefert wird, sind Bootstrap und Simulate nur einen (versteckten) Klick entfernt. In fast allen JMP-Berichten können Studierende einfach mit der rechten Maustaste auf die gewünschte Statistik klicken und sie auswählen Bootstrap oder Simulieren .
Wie benutzt man? Bootstrapping fragt nach der Anzahl der Bootstrap-Beispiele* und erstellt eine neue Datentabelle, einschließlich der Statistiken für das ursprüngliche Beispiel (ausgeschlossene Zeile) und für alle Bootstrap-Beispiele. JMP fügt der neuen Datentabelle ein Verteilungsskript hinzu, das die empirischen Konfidenzgrenzen auf verschiedenen Ebenen anzeigt.
Bei Simulate müssen Sie eine Formelspalte mithilfe von Resampling mit Ersetzung vorbereiten, die für eine vorhandene Nominalspalte eingesetzt wird. Eine detaillierte Simulate-Demo finden Sie im akademischen Webinar Erweiterte Forschungsmethoden mit JMP .
*Es gibt mehrere andere Optionen, aber als Faustregel sollten Sie die von JMP sorgfältig festgelegten Standardeinstellungen beibehalten. Weitere Informationen finden Sie in der JMP-Hilfe.
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 intervalsT-Test bei zwei Stichproben: Ursprüngliche Schätzung (rote Linie) der Differenz zwischen den Mittelwerten und empirischen (simulierten) p-Werten und Konfidenzintervallen
Der nächster Beitrag präsentiert Ressourcen zur Vermittlung statistischer Methoden, beispielsweise für multivariate Analysen, prädiktive Modellierung oder Versuchsplanung.
Klicken Sie hier, um die anderen Beiträge in anzuzeigen Diese Serie über das Unterrichten mit JMP .
