Méthodes de recherche de table dans JMP?Chers tous,
Un de mes clients a voulu savoir si JMP pouvait faire le " Méthodes de recherche de table ".
Malheureusement, je n'ai aucune idée de cette méthode, je dois donc demander si JMP peut le faire ou non.
Voici des exemples de données simples. J'ai fait une relation pas parfaite (y = 2x), et quand j'ai ajusté en utilisant Fit Y par X, l'équation est Y = 0,22 + 1,9636364 * X . J'ai joint un exemple de tableau de données JMP.
Si je dessine le graphique, vous pouvez voir la valeur y réelle et la valeur prédite ci-dessous.
Voici la chose. Même si j'ai ajusté une régression linéaire simple, mais mon client ne voulait pas utiliser la valeur prédite.
Par exemple, il voulait juste savoir que JMP peut prédire en dessous de la valeur y, 3.1 lorsque x vaut 1,5.
S'il utilise l'équation ajustée, il peut simplement calculer la valeur y lorsque x est 1,5, et la valeur prédite est 3.1654546 .
Autrement dit, il voulait conserver la valeur y d'origine des x et il voulait estimer comme ci-dessous.
Lorsque vous tracez des lignes entre x = 1 et x = 2, estimez la valeur y sur la ligne dessinée.
Ci-dessus est un cas très simple lorsque la commande est la première. Mon client voulait étendre les 2e, 3e, 4e commandes.
Est-ce possible dans JMP?
Je me demande si j'ai bien exprimé ou non.
Merci d'avance
Re: Méthodes de recherche de table dans JMP?On dirait qu'ils veulent une équation pour la polyligne qui relie les points. Vous pouvez l'obtenir avec la fonction Interpolate (). Une formule pour le nombre de lignes en fonction de la hauteur dans Big Class peut être:
Interpolate(Row(), Index( 1, 40 )`, :height << Get Values())
Je ne pense pas que nous ayons des interpolations d'ordre supérieur intégrées telles que quadratique ou cubique, mais vous pouvez peut-être obtenir une courbe lisse à travers tous les points en utilisant un ajustement spline cubique avec une flexibilité extrême.
Ensuite, vous pouvez enregistrer la formule dans le menu du triangle rouge plus lisse et obtenir quelque chose comme:
Spline Eval(
(Row() - 20.5) / 11.6904519445001,
[-1.66802789939819 59.0183447680287 67.0542214924897 0 -6114.92267621147,
-1.58248800712136 60.9268154536107 -67.1757884730832 -1569.20948101439
18279.9261202017,
-1.49694811484453 55.1400210864711 65.6308625267318 3121.77925244172
-28393.7693701355,
-1.4114082225677 65.8246580886567 -23.5736797641351 -4164.62066732922
30053.5344109193,
-1.32586833029087 52.1458907102262 -76.3443553068368 3547.70762082262
-18576.7023311001,
-1.24032843801404 59.9470503756883 122.815429439912 -1219.43972796528
-926.827560568223,
-1.15478854573721 60.9498363629197 -106.151051728446 -1457.28191703613
15794.3847995258,
-1.06924865346038 51.0923799351482 -8.75652033434328 2595.86800595864
-14998.926916498,
-0.983708761183547 59.9496511528336 106.099281663174 -1253.15177216108
1784.02213896353,
-0.898168868906717 60.9725914678676 -69.128191944071 -795.336587401361
10920.1995164073,
-0.812628976629887 56.074808274755 34.517492737342 2007.00148342636
-14015.8920685629,
-0.727089084353056 64.940237609938 70.2089506643812 -1589.75220970287
5904.90461874832,
-0.641549192076226 63.0094599936372 -72.1456573804648 -74.4374947232843
2751.57340636646,
-0.556009299799396 58.0156779748937 -24.4800160933476 631.670383594554
-2474.41822487614,
-0.470469407522566 58.9948960001446 29.2695194216624 -3.31402161727232
-773.084939751894,
-0.384929515245736 60.9904834598012 11.7324001033135 -201.702829019121
2399.09512650552,
-0.299389622968906 62.0197949422314 29.8881873234231 413.952187030946
-4199.21895063639,
-0.213849730692075 64.9770476346172 8.52906133096856 -663.650023022914
3451.56951030417,
-0.128309838415245 63.0109898982455 -29.2418816444876 222.090629270203
-211.729904869771,
-0.0427699461384151 62.0021737803252 4.10560574334321 167.756569507118
-936.323346594096,
0.0427699461384151 62.9948076189749 12.2519241965941 -72.5224251049424
794.470328437968,
0.128309838415245 64.0094442940094 17.2843959097936 131.354293830426
-2353.62767470502,
0.213849730692075 64.9759391904696 -11.9085375389192 -472.632879432277
5666.64216876905,
0.299389622968906 64.0457554984761 31.6232374185545 981.539002632721
-9585.19065658272,
0.384929515245736 67.9334098676484 -10.8619056489616 -1478.20952602063
12611.5201272486,
0.470469407522566 64.0816876317685 13.0845738100385 1758.15469337836
-14617.6904622184,
0.556009299799396 68.9162506116075 -7.00683213237878 -1993.03230904802
13298.7723352415,
0.641549192076226 62.0574472671871 -56.0500993990532 1419.69434986733
-5850.31672709992,
0.727089084353056 63.9892123433098 58.4093174157582 -81.6120379985711
-2254.43116371026,
0.812628976629887 66.977325622374 -5.04036581175411 -660.143434667063
5303.69471162635,
0.898168868906717 65.035446734542 -1.55499554849997 700.888988239435
-6511.88346904176,
0.983708761183547 65.9550899812104 -24.5908419112682 -970.188443145545
8458.12279413183,
1.06924865346038 62.0466052047974 -4.9043616258981 1200.33229487934
-7076.94547163824,
1.15478854573721 65.9805340170929 45.1006452509867 -615.751165001277
-588.284502618647,
1.24032843801404 64.9647337828676 -73.1554936486288 -766.716543947811
11167.1212081812,
1.32586833029087 60.086419282381 40.8067341591618 2098.98649162542
-17639.3062521174,
1.4114082225677 67.8949897678514 12.6966073442869 -2427.60657831152
17364.1044640538,
1.49694811484453 62.0863028779283 -21.4545343309934 2028.3642977093
-11403.5215120075,
1.58248800712136 67.9552913662762 75.2363887951914 -898.003707434553
3499.35639591204,
1.66802789939819 70.0104980691878 0 0 0],
0
)
Savitzky-Golay ne garantit pas que la courbe traversera tous les points de données.
Re: Méthodes de recherche de table dans JMP?Ah! " Savitzky-Golay ne garantit pas que la courbe traversera tous les points de données ": @XanGregg est tout à fait raison, bien sûr.
Re: Méthodes de recherche de table dans JMP? S'il te plait regarde @XanGregg réponse ci-dessous. . .
Si je comprends bien, ceci est une version de Savitzky-Golay (SG), dans lequel on adapte un polynôme local aux données. Habituellement, cela s'applique à lisse les données (générer de nouvelles valeurs Y à des valeurs X existantes), mais pas, du moins d'après mon expérience, interpoler (obtenir des valeurs Y entre les valeurs X existantes), ce qui est nécessaire ici, je pense.
JMP peut-il faire cela? Je suis sûr que c'est possible, mais la généralité de ce qui est nécessaire déterminera la quantité de travail qu'il faudrait. Il pourrait ne pas être trop difficile de trouver une formule (au moins pour les cas simples), et une telle formule rendrait l'interpolation facile simplement en ajoutant de nouvelles lignes. Alternativement, le code de mon très ancien complément SG pourrait fournir un point de départ.
Enfin, sachez que dans JMP 16 @XanGregg a ajouté le lissage SG à Graph Builder, mais je ne pense pas que cela aide dans ce cas car, même si une formule est calculée en interne, elle n'est pas disponible via la messagerie du segment de ligne qui est tracé.
Salutations, et pour ceux auxquels cela s'applique, "Joyeuses Pâques",
Ian
Re: Méthodes de recherche de table dans JMP?Dans la mesure où le processus gaussien peut être fait pour interpoler entre des valeurs fixes (X, Y) et produire une formule, il pourrait également être intéressant.
Re: Méthodes de recherche de table dans JMP?chère @ian_jmp et @XanGregg
Merci pour vos avis et commentaires professionnels. Je partagerai vos commentaires et réponses à mon client.
Merci encore et restez en sécurité.
Meilleur
DaeYun
