Conférencier
|
Transcription
|
| Caleb Roi |
Bonjour, je m'appelle Caleb King, je suis développeur chez JMP Software. Je suis spécifiquement dans le groupe de conception d'expériences, mais aujourd'hui je vais être |
| |
un peu hors sujet et expliquez comment vous pouvez utiliser les graphiques et certains des autres outils de JMP pour vous aider avec une sorte de narration visuelle de vos données. |
| |
Maintenant, l'ensemble de données que j'ai choisi est un... pour illustrer cela, il s'agit des données sur les crimes haineux collectées par le FBI, donc peut-être un ensemble de données un peu controversé, mais aussi assez pertinent par rapport à ce qui se passe. |
| |
Et mon objectif est de rendre cela plus illustratif, je vais donc parcourir quelques graphiques que j'ai créés précédemment. |
| |
pour cet ensemble de données. Et je ne vais pas nécessairement vous montrer comment j'ai réalisé les graphiques mais le but est en quelque sorte d'illustrer pour vous comment vous pouvez utiliser JMP. |
| |
car, comme je l'ai dit, la narration visuelle utilise donc l'interactivité pour aider les personnes à regarder les graphiques et à interagir avec eux. |
| |
peut-être pour poser plus de questions, peut-être que vous répondrez à certaines de leurs questions au fur et à mesure. Mais encouragez en quelque sorte cette exploration des données, ce qui est notre raison d'être ici chez JMP. |
| |
Ceci étant dit, entrons dans le vif du sujet. |
| |
Je vais d'abord vous donner un petit aperçu de l'ensemble de données lui-même, je vais donc simplement faire défiler ici. Il y a donc beaucoup d'informations sur |
| |
où les incidents ont eu lieu. |
| |
Au fur et à mesure que nous continuons, et la date, eh bien, à laquelle cet incident s'est produit. Vous avez quelques informations sur les délinquants |
| |
et quelle infraction, quel type d'infraction a été commise. Encore une fois, quelques informations de base, quel type de parti pris a été présenté lors de l'incident. Quelques informations sur les victimes. |
| |
Et la catégorie globale de discrimination, puis quelques informations supplémentaires que j'ai fournies sur la latitude et la longitude, si elles sont disponibles, ainsi que sur une population que j'utiliserai d'autres graphiques. Maintenant, juste pour, vous savez, être clair, |
| |
le FBI, c'est-à-dire le Federal Bureau of Investigation des États-Unis, définit un crime de haine comme étant tout |
| |
une infraction criminelle motivée par des préjugés contre un groupe particulier. Ces préjugés peuvent donc être raciaux, contre la religion, le sexe, l’identité de genre, etc. |
| |
Ainsi, tant qu'un crime est motivé par un préjugé particulier, il est considéré comme un crime de haine, et ces données comprennent tous les incidents qui ont été signalés. |
| |
collectés par le FBI, remontant à 1991 et aussi récemment qu'en 2019. Je n'ai pas de données pour 2020, aussi intéressantes que cela puisse être, |
| |
mais c'est parce que le FBI aime prendre son temps et s'assurer que les données sont soigneusement nettoyées et préparées avant de créer réellement leurs rapports. Donc |
| |
vous pouvez être assuré que ces données sont assez précises, compte tenu du temps et des efforts qu'ils consacrent à s'en assurer. |
| |
Très bien, alors commençons par faire un résumé visuel de base des données. Je vais donc commencer par exécuter ce petit script de table ici. Et tout cela ne fait que nous donner |
| |
un décompte au fil des jours, donc chaque jour, du nombre d'incidents survenus, selon un biais particulier. À partir de là, je vais créer un tracé de base, dans ce cas, il s'agit d'un simple tracé linéaire. |
| |
ici, montrant le nombre d'incidents qui se produisent chaque jour sur l'ensemble de la plage. Vous obtenez donc l'intégralité... vous pouvez voir toute la gamme des données de 1991 à 2019. |
| |
et combien d'incidents se sont produits. Maintenant, cela en soi serait probablement une bonne image statique, parce que vous avez en quelque sorte une idée de |
| |
où le nombre d’incidents diminue. En fait, je vais ici modifier un peu les paramètres des axes. Voyons, nous avons des incréments par 50 secondes, faisons-le par 20 secondes. Et voilà. |
| |
Il y a donc un peu d'interactivité pour vous... d'interaction. Nous avons changé les échelles pour l'affiner et avoir une meilleure idée de |
| |
combien d'incidents il y a en moyenne. J'ai fait un peu de distribution et, en moyenne, environ 20 incidents par jour |
| |
que nous voyons ici. Bien sûr, vous vous demandez probablement pourquoi je n’ai pas encore abordé les deux pics que nous observons dans les données. |
| |
Alors oui, il y a clairement deux pointes très hautes. Et donc, si c'était |
| |
n'importe quel autre type de logiciel, vous pourriez dire, d'accord, j'aimerais me pencher là-dessus. Donc vous revenez aux données que vous essayez et, vous |
| |
sachez, isolez où se trouvent ces dates et essayez peut-être de présenter des intrigues ou de faire des analyses pour montrer ce qui se passe là-bas. Eh bien, c'est JMP et nous avons quelque chose qui peut |
| |
aider avec cela, et c'est quelque chose que nous avons introduit dans JMP 15 appelé graphlets et cela fonctionne comme ceci. Je vais juste planer et boum. |
| |
Un petit graphique est apparu pour aider à résumer davantage ce qui se passe à ce stade. Donc, dans ce cas, il y a beaucoup d'informations. |
| |
On remarquera d'abord la date, le 1er mai 1992. Donc, si vous connaissez l'histoire américaine, vous savez peut-être ce qui se passe ici, mais sinon, |
| |
vous pouvez obtenir un petit indice supplémentaire en cliquant sur le graphique. Alors maintenant tu verras que je te montre |
| |
les incidents par le biais particulier de l'incident. Nous voyons donc ici que la plupart des incidents concernaient des individus blancs, puis le groupe suivant est constitué de Noirs ou d'Afro-Américains et cela continue. |
| |
Je donne en quelque sorte la réponse ici, dans la mesure où les incidents qui se sont produits à cette époque lors des émeutes de Rodney King en Californie. Rodney King, |
| |
un Afro-Américain qui a malheureusement été tué par un policier et qui a provoqué de nombreuses réactions négatives et des émeutes |
| |
vers cette heure-ci. C'est donc ce que nous voyons capturé dans ce point de données particulier, et si vous ne le saviez pas, vous auriez au moins cette information pour essayer de commencer et de chercher là-bas... en regardant en ligne pour comprendre ce qui s'est passé. |
| |
Nous pouvons faire la même chose ici avec un très gros pic. Et encore une fois, j'utiliserai le graphlet de survol, alors survolez-le. Je vais faire une pause pour vous laisser regarder. On regarde donc la date, le 12 septembre 2001. C'est en soi un très gros indice |
| |
quant à ce qui s'est passé. Mais si nous regardons ici la répartition, nous pouvons voir que la plupart des incidents concernaient des individus de confession musulmane, de |
| |
Origine ethnique arabe ou tout autre type d’origine ethnique ou d’ascendance similaire. Dans ce cas, on voit clairement |
| |
qu'après les malheureux événements du 11 septembre et les attentats terroristes qui ont eu lieu à cette époque, il y a eu le lendemain de nombreuses réactions négatives contre |
| |
des membres qui étaient d'origine ethnique similaire, de foi similaire, etc., nous avons donc eu une réaction négative malheureuse à ce moment-là. |
| |
Donc déjà, avec cette seule intrigue et une partie de cette interactivité, nous avons pu glaner beaucoup d'informations, beaucoup d'informations de haut niveau dans des domaines où vous voudrez peut-être approfondir vos recherches. |
| |
Mais nous pouvons continuer. Maintenant, quelque chose de nouveau dans JMP 16 est que, parce que nous avons la date ici sur l'axe X, nous pouvons en fait regrouper les dates dans une catégorie plus grande, donc dans ce cas, classons-les par mois. |
| |
Et on voit que l'intrigue disparaît. Alors voici ce que je vais faire. Je vais le relancer et voyons. |
| |
Et voilà. |
| |
On ne sait jamais ce qui va se passer. Dans ce cas, voici ce qui est censé se produire ; Ne vous inquiétez pas. |
| |
Nous l'avons donc classé par mois et nous avons remarqué ici une tendance intéressante. Il semble y avoir une sorte de tendance saisonnière, et utilisons les graphiques de survol pour nous aider à identifier ce qui pourrait se produire. Je vais donc survoler les points inférieurs. Donc si je fais ça, |
| |
on voit ok, janvier, décembre, ok. Intéressant. Passons-en un autre, décembre. |
| |
Et encore un autre, décembre. Ah, il pourrait en fait y avoir une véritable tendance saisonnière dans ce cas. Nous semblons atteindre des points bas pendant les mois d’hiver. |
| |
Et en fait, si je retourne à mon tableau de données, j’ai déjà vu cela auparavant. C'est quelque chose que j'ai en quelque sorte découvert en explorant cette technique et j'ai déjà créé une intrigue pour y remédier. |
| |
C'est donc quelque chose que j'ai créé sur cette base, en quelque sorte, regardez, vous savez, quelle est la variation du nombre d'incidents au fil des années au cours de ce mois. |
| |
Et ici, nous pouvons voir les tendances moyennes, mais nous constatons également de nombreuses variations, surtout ici en septembre en raison de cet énorme pic là-bas. |
| |
Alors peut-être avons-nous besoin de quelque chose d’un peu plus approprié. Je vais donc ouvrir le panneau de contrôle et bon, choisissons la médiane. C'est plus robuste et peut-être regardez-vous l'intervalle interquartile, de cette façon nous avons un peu plus robuste |
| |
des mesures avec lesquelles jouer. |
| |
Et donc, encore une fois, nous constatons des tendances saisonnières, il semble donc qu'il y ait définitivement une forte baisse au cours des mois d'hiver. |
| |
par opposition à un pic au printemps et en été. Maintenant |
| |
c'est peut-être quelque chose que quelqu'un voudrait approfondir et rechercher pourquoi cela se produit. |
| |
Vous pourriez avoir vos propres explications. Mon explication personnelle est que je crois que l’esprit de Noël est si puissant qu’il surmonte la haine ou les préjugés que les individus pourraient avoir en décembre. |
| |
Encore une fois, ce n'est que ma préférence personnelle, vous avez probablement la vôtre. Mais encore une fois, avec une seule intrigue, j'ai pu découvrir cette tendance et |
| |
faites une autre intrigue pour explorer cela plus en détail. Encore une fois, avec cette seule intrigue, j'ai encouragé davantage de recherches. Et nous pouvons continuer. |
| |
Alors voyons, classons-les par année, et si nous faisons cela, nous pouvons clairement voir ce genre de tendance globale. |
| |
Nous observons donc une sorte de pic à la fin des années 90 et au début des années 2000 avant de chuter, vous savez, de façon presque linéaire, |
| |
jusqu'à ce qu'il atteigne son point médian vers le milieu des années 2010 avant de recommencer à augmenter. Gardez cela à l’esprit, vous pourriez constater des tendances similaires dans d’autres graphiques que nous montrons. Mais encore une fois, prenons du recul et réalisons que dans cette intrigue, nous avons vu des choses différentes. |
| |
aspects des données. Nous même |
| |
répondu à quelques questions, mais nous en avons peut-être aussi évoqué quelques autres. C'est quoi cette tendance saisonnière ? |
| |
Et si vous ne saviez pas quels étaient ces événements dont je vous ai parlé, vous savez, quels étaient ces événements particuliers ? C'est donc la beauté de l'interactivité des graphiques JMP qu'elle permet à l'utilisateur de s'engager et d'explorer et d'encourager tout cela sur un seul support particulier. |
| |
D'accord. |
| |
Continuons. J'ai donc mentionné qu'il s'agissait d'une sorte de narration visuelle, vous pouvez donc considérer cela comme un prologue, comme une sorte de vue d'ensemble. Qu'est-ce que c'est... qu'est-ce que c'est |
| |
quelle est la situation globale ? Regardons maintenant le genre d'acteurs, |
| |
c'est-à-dire, qui commet ce genre d'infractions ? Contre qui les commettent-ils ? Quelles informations pouvons-nous trouver à ce sujet ? Alors voilà, j'ai |
| |
a créé, encore une fois, un complot pour aider à répondre à cette question. Maintenant, cela pourrait être un bon début. Ici, j'ai créé une carte thermique |
| |
cela met ensuite l'accent sur les comptes en fonction, dans ce cas, de la race du délinquant par rapport à ses préjugés particuliers. Donc on voit que |
| |
une grande partie de ce qui se passe, dans ce cas, j'ai trié les colonnes afin que nous puissions voir qu'il se passe beaucoup de choses. La plupart sont ici dans cette partie supérieure |
| |
coin gauche et il ne se passe pas grand-chose ici, ce qui, je suppose, est une bonne nouvelle. Il y a beaucoup de préjugés là où il ne se passe pas grand-chose, la plupart se produisant ici, dans ce coin-ci. |
| |
Cela pourrait être une bonne intrigue, mais encore une fois, il y a beaucoup d'espace libre ici. Alors peut-être pourrions-nous jouer avec les choses pour essayer de souligner ce qui se passe. Donc, une façon de le faire est de venir ici sur l'axe X et de dimensionner en fonction du nombre. |
| |
Maintenant, vous verrez ici, j'avais quelque chose de caché dans les coulisses. En fait, je mettrais une étiquette, une étiquette de pourcentage par-dessus. |
| |
Il se passait tellement de choses auparavant qu'on ne pouvait même pas les voir, mais maintenant nous pouvons réellement voir certaines de ces informations. C’est donc une bonne façon de résumer les choses, par opposition aux décomptes. |
| |
Mais même avec juste la visualisation, nous pouvons clairement voir que le plus grand nombre de préjugés concerne les citoyens noirs ou afro-américains, puis les juifs et ainsi de suite jusqu'à ce qu'il n'y en ait presque pas ici. Donc, rien qu'en regardant l'axe X, cela vous donne beaucoup d'informations sur ce qui se passe. |
| |
Nous pouvons faire la même chose avec le Y, donc encore une fois, taillez en fonction du nombre. |
| |
Et encore une fois, il y a beaucoup d'informations contenues uniquement dans la taille et la façon dont j'ai ajusté les axes. |
| |
Et ce cas que nous incluons... nous avons vraiment mis l'accent sur ce coin, afin que nous puissions clairement voir qui sont les meilleurs joueurs. Dans ce cas, la majeure partie est |
| |
les délinquants sont de race blanche ou inconnue contre les Afro-Américains, le prochain étant contre les Juifs, et ensuite |
| |
anti-blanc et puis il continue de baisser. Nous obtenons donc ici un joli petit résumé de ce qui se passe. Maintenant, vous avez peut-être remarqué que pendant que je tourne autour, nous voyons notre petit cercle. C'est mon indicateur de graphlet, donc encore une fois, j'ai un outil ici. |
| |
Nous avons interagi un peu et encore, cela pourrait être une excellente image statique, mais utilisons la puissance de JMP, en particulier ces graphslets, |
| |
pour interagir et voir quelles informations supplémentaires nous pouvons trouver. Donc dans ce cas, je passerai par ici. |
| |
Et juste ici, un graphique, dans ce cas, un graphique à barres rempli, gracieuseté de notre gourou des graphiques Xan Gregg. Dans ce cas, non seulement vous pouvez voir, vous savez, |
| |
quelles personnes commettent ces infractions et contre qui, votre prochaine question aurait pu être, vous savez, quels types d'infractions sont commises ? Eh bien, avec un graphlet, j'ai répondu à cette question pour vous. |
| |
Nous pouvons voir ici le type d'infraction le plus important... le type d'infraction le plus répandu est l'intimidation, suivi des voies de fait simples et graves, et puis le reste, c'est la beauté de ce diagramme à barres rempli. |
| |
Nous pouvons voir tous les autres types d’infractions qui sont commises. Si vous les empilez tous les uns sur les autres, ils ne se comparent même pas. Ils ne dépassent même pas les trois premiers. |
| |
Cela vous en dit long sur les types de... ces types d'infractions, sur leur prévalence. |
| |
Maintenant, une autre question que vous pourriez vous poser est la suivante : d'accord, nous avons vu les acteurs, nous avons vu les actions qu'ils entreprennent, |
| |
mais il y a un aspect temporel à cela. Évidemment, cela se produit au fil du temps, est-ce donc une chose constante ? Y a-t-il eu un changement dans les tendances ? Bien, |
| |
N'ai pas peur. Graphlets encore une fois à la rescousse. Dans ce cas, je peux réellement vous montrer ces tendances. Nous pouvons donc voir ici comment le |
| |
types de... le nombre d'incidents d'intimidation a-t-il changé au fil du temps ? Et encore une fois, nous constatons que la tendance semble suivre la tendance générale. |
| |
Un pic du genre à la fin des années 90, puis une tendance abrupte... une baisse presque linéaire jusqu'au milieu des années 2010 environ, avant une nouvelle hausse plus récemment. |
| |
Et encore une fois, nous pouvons peut-être observer cette tendance et d’autres. Je ne cliquerai pas pour zoomer, mais vous pouvez simplement voir sur l'intrigue ici, ces tendances en matière de voies de fait simples ici et de voies de fait graves également, un peu là. |
| |
Et vous pouvez continuer à explorer. Alors regardons l’inconnu contre les Afro-Américains et voyons quelle différence il pourrait y avoir là. Dans ce cas, on voit clairement |
| |
qu'il y a deux types d'infractions qui dominent vraiment, dans ce cas-ci, la destruction ou l'endommagement de biens (ce qui, si on y réfléchit, peut avoir du sens ; si vous constatez que vos biens ont été endommagés, il y a de fortes chances que vous ne sachiez pas qui l'a fait) |
| |
et l'intimidation sont les plus répandues. Et encore une fois, vous pouvez... ce qui est bien, c'est que les étiquettes en survol persistent, vous pouvez donc à nouveau regarder et voir quelles tendances s'y produisent. |
| |
Donc, dans ce cas, nous voyons avec les dégâts, qu'il y a en fait deux pics, un peu ici à la fin des années 90 et au début des années 2000, avant de retomber. Et en ce qui concerne l’intimidation, nous constatons une tendance similaire à celle observée auparavant. |
| |
Encore une fois, dans un seul graphique, il y a beaucoup d'informations contenues et avec lesquelles vous, en tant qu'utilisateur, pouvez interagir pour essayer de mettre en valeur certains domaines clés, puis vous, en tant qu'utilisateur, visualisez simplement... il suffit de regarder cela et d'interagir. avec lui, on peut jouer et glaner beaucoup d'informations. |
| |
D'accord. |
| |
Et continuons. Vous remarquerez maintenant que parmi les agences d'évaluation, la plupart d'entre elles sont au niveau de la ville/du comté. |
| |
les services de police, etc., mais il y a aussi quelques universités ici. Il se peut donc qu'il y ait quelqu'un qui serait intéressé à voir, vous savez, ce qui se passe dans les universités. |
| |
Et donc, avec cela, j'ai créé ce joli petit script de table pour répondre à cette question. Maintenant cette fois, |
| |
Je viens d'exécuter les scripts de table et j'ai mentionné que je n'entrerai pas trop dans les coulisses, c'est plus illustratif. |
| |
Ici, je vais vous laisser jeter un coup d'œil, car je veux non seulement vous montrer la puissance des graphiques mais aussi la puissance du script de table. Maintenant, si vous connaissez JMP, |
| |
vous savez peut-être, d'accord, le script du tableau est sympa car je peux sauvegarder mes analyses, je peux sauvegarder mes rapports, je peux même l'utiliser pour sauvegarder des graphiques comme je... comme je l'ai fait dans le dernier, donc vous ne l'avez peut-être pas remarqué que vous pouvez également sauvegarder |
| |
des scripts pour aider à exécuter des tableaux supplémentaires et des tableaux récapitulatifs, etc. Alors laissez-moi vous montrer ce qui se passe derrière ici. En fait, lorsque j'ai exécuté le script, j'ai créé deux tables de données. |
| |
Vous n'avez vu que celui-là, donc dans ce cas, j'ai d'abord créé le tableau de données qui sélectionnait toutes les universités, puis à partir de ce tableau de données, j'ai créé un résumé, puis je ferme l'ancien. |
| |
Et puis j’ai également ajouté à cela certains graphiques. Je n'entrerai donc pas trop dans les détails ici sur la façon dont j'ai configuré cela, car je souhaite conserver cela pour après le prochain. Je vais vous donner un indice. Il est basé sur une nouvelle fonctionnalité de JMP 16 qui vous étonnera vraiment. |
| |
Très bien, revenons à... excusez-moi... les incidents universitaires. |
| |
Et là encore, j'ai enregistré le script de la table. Celui-ci qui nous montrera un graphique. |
| |
Nous pouvons donc voir à nouveau ce graphique à barres rempli, et ici, je vous montre en quelque sorte quelles universités ont eu le plus d'incidents. Encore une fois, cela en soi pourrait être un assez bon graphique standard. |
| |
Vous pouvez voir quelle université semble avoir le plus d'incidents et encore une fois, c'est plutôt agréable de voir qu'il n'y en a pas vraiment une qui domine. Vous pouvez toujours emballer les autres universités |
| |
au-dessus d'eux, et personne ne domine l'un ou l'autre. C’est donc en soi une bonne nouvelle, mais encore une fois, il y a un aspect temporel à cela. Donc |
| |
est-ce que c'était peut-être... l'Université du Michigan à Ann Arbor, a-t-elle eu des problèmes tout le temps ? Est-ce qu'ils... seraient-ils toujours restés au top ? Est-ce qu'ils ont simplement eu une mauvaise année ? Encore une fois, les graphlets à la rescousse. |
| |
Dans ce cas, |
| |
vous verrez une intrigue intéressante ici. Vous pourriez dire, vous savez, c'est quoi cette chose ? On dirait qu'il appartient à un musée Art Déco. Quoi... |
| |
de quel genre d'intrigue s'agit-il ? Eh bien, c'est en fait celui que nous avons déjà vu. J'utilise simplement quelque chose de nouveau sorti dans JMP 16, je vais donc vous donner un aperçu des coulisses. |
| |
Et dans ce cas, nous pouvons le voir, il s’agit en fait d’une carte thermique. Tout ce que j'ai fait |
| |
est-ce que je fais une astuce que j'aime souvent faire, qui consiste à souligner les choses de deux manières différentes, donc non seulement en mettant l'accent sur les comptes par couleur, ce que vous feriez généralement dans une carte thermique, les blancs sont les entrées manquantes, je peut également maintenant dans JMP 16 souligner par taille. |
| |
Et donc je pense que cela revient encore une fois à l’endroit où nous dimensionnions ces axes auparavant. Cela met l'accent... aide à mettre l'accent sur certains domaines. Donc ici, nous pouvons voir maintenant qu'il y a peut-être un petit problème avec les incidents contre les Afro-Américains, |
| |
cela a été assez constant, avec une année particulièrement mauvaise apparemment en 2017, contrairement à tous les autres incidents qui se sont produits. |
| |
Il n'y a désormais plus d'étiquettes de survol supplémentaires ici. |
| |
Tout ce que je ferai, c'est résumer les données, mais ce n'est pas grave. |
| |
Cela en soi vous donne beaucoup d'informations, c'est donc une nouveauté sortie dans JMP 16 qui peut encore une fois vous aider à mettre l'accent sur cela. |
| |
Et encore une fois, nous pouvons continuer. Nous pouvons regarder d'autres universités, donc ici, cela pourrait être un exemple d'université où elles semblent avoir une assez mauvaise période, |
| |
l'Université du Maryland à College Park, mais il y avait alors une zone où |
| |
les choses étaient vraiment bonnes, et donc vous pourriez être intéressé de savoir, eh bien, que s'est-il passé pour que cette période soit si formidable ? |
| |
Y a-t-il quelque chose que l'université a institué, ce qu'elle a fait, qui semble avoir fait baisser le nombre d'incidents de manière significative ? Cela pourrait être quelque chose qui mérite d’être étudié. |
| |
Et vous pouvez continuer et regarder à nouveau pour voir s'il s'agit d'un problème systémique, si, dans ce cas, il semble qu'il y ait juste une très mauvaise année qui a dominé, dans l'ensemble, ils se portent bien. |
| |
Ils s’en sortaient plutôt bien. Encore une fois, cela pourrait en être un autre. Ils ont passé un très mauvais moment au début, mais récemment, ils s'en sortent plutôt bien, |
| |
et ainsi de suite. Encore une fois, pour souligner encore une fois cette interactivité, |
| |
et dans ce cas, avec certaines des fonctionnalités les plus récentes de JMP 16. Maintenant, avant de passer au dernier, j'ai une confession. Je suis un peu un passionné de cartes, donc j'aime beaucoup les cartes et tout type d'analyse de données qui, vous savez, se rapportent aux cartes. |
| |
Je ne sais pas pourquoi. Je l'aime vraiment beaucoup et je suis donc vraiment excité de vous montrer le prochain, car nous regardons maintenant la géographie des incidents. |
| |
Mais je suis également enthousiasmé car cela, je crois, met vraiment en évidence la puissance des scripts de table et des graphiques JMP, en particulier les graphiques de survol. |
| |
J'espère que cela vous a également enthousiasmé, alors allons-y. Maintenant, celui-ci va prendre un peu de temps car il se passe en fait beaucoup de choses avec ce script de table. Cela crée une nouvelle table. Il remplit également de nombreuses fonctions dans ce tableau |
| |
et calculer beaucoup de choses. Donc ici, nous n'avons pas seulement, vous savez, à extraire des informations, mais il y a aussi beaucoup de ces colonnes ici vers la fin qui ont été calculées en coulisses. |
| |
Je dois maintenant prendre un bref moment pour parler d'une métrique particulière que je vais utiliser. Il y a quelque temps, j'ai écrit un article de blog intitulé Crime Rate Conundrum sur la communauté JMP (community.jmp.com), |
| |
c'est un branchement éhonté, mais là-dedans, j'ai expliqué comment, vous savez, généralement lorsque vous signalez des incidents, en particulier des incidents criminels, |
| |
en général, nous savons en quelque sorte que vous ne souhaitez pas simplement déclarer les décomptes bruts, car |
| |
il se peut qu'il y ait une certaine zone où il y a un grand nombre de chefs d'accusation, un grand nombre d'incidents, est-ce simplement parce que c'est... il y a un problème là-bas ? |
| |
Ou est-ce simplement parce qu'il y a beaucoup de monde ? Et donc, bien sûr, nous nous attendrions à beaucoup d’incidents parce qu’il y a beaucoup de monde. Alors bien sûr les gens |
| |
signaler les taux d’incidents. C'est très bien, car tout le monde est désormais sur un pied d'égalité, mais l'un des effets secondaires est que cela tend à élever |
| |
des endroits qui ont de petites populations. Essentiellement, si vous avez un petit dénominateur, vous aurez tendance à avoir un ratio plus élevé simplement à cause de cela. |
| |
Et donc c'est en quelque sorte un effet secondaire malheureux, et donc là, je parle d'un cas intéressant où nous avons un endroit avec une très petite population qui devient vraiment gonflée. |
| |
Et comment certaines personnes gèrent cela. J'ai essayé de résoudre ce problème en utilisant un taux d'incidents pondéré. L'idée est essentiellement la suivante : |
| |
Je prends votre taux d'incidents, mais ensuite je vous pondère, en quelque sorte, quelle proportion... |
| |
excusez-moi... en gros, un poids selon le nombre de personnes que vous avez là-bas. Dans ce cas, j'ai un poids particulier, je classe essentiellement les populations, |
| |
de sorte que la place la plus grande aurait rang de la plus petite. Cependant, dans ce cas, il y a 50 États, donc l'État avec la plus grande population aurait un |
| |
rang de 50 et le plus petit État un rang de un. Si vous prenez cela et divisez cela par le fait que vous connaissez le rang maximum, c'est essentiellement votre poids, donc c'est une façon de mettre |
| |
un poids correspondant à votre population totale et l'idée ici est que, si votre taux d'incidents est tel qu'il surmonte cette pénalité de poids, si vous voulez, |
| |
alors cela signifie que vous pourriez être quelqu'un qui mérite d'être étudié. Il essaie donc de contrecarrer |
| |
cette inflation, simplement à cause d’une petite population. Si vous êtes encore relativement petit, mais que votre taux d'incidents est suffisamment élevé pour que vous puissiez essentiellement surmonter votre poids, |
| |
nous pourrions vouloir vous examiner. J'espère donc que ce n'est pas trop d'informations, mais c'est la métrique que j'utiliserai principalement, donc je vais exécuter le script. |
| |
et |
| |
on y va. J'ai donc d'abord un tracé linéaire simple qui montre en quelque sorte les taux d'incidents pondérés au fil du temps pour tous les États. |
| |
Maintenant, je vais utiliser une nouvelle fonctionnalité ici. On voit ici que le New Jersey semble dominer. Encore une fois l'interactivité, on peut effectivement cliquer pour la mettre en évidence. |
| |
Nous faisons de nouvelles choses, notamment dans JMP 16. Je vais faire un clic droit ici et je vais ajouter quelques étiquettes. Alors faisons la valeur maximale et faisons la dernière valeur |
| |
juste pour comparaison. |
| |
Nous pouvons donc voir ceci ici... le pic ici était d'environ 11,4 incidents pour 1 000 (c'est un taux d'incidents pondéré) ici, en quelque sorte au début des années 90. |
| |
Et puis nous constatons une tendance à la baisse, encore une fois, il semble baisser à peu près de la même manière que le taux d'incident global avant de recommencer à culminer ici en |
| |
2019. Donc, encore une fois, avec juste quelques brefs chiffres, cela, en soi, serait un complot intéressant à examiner, mais comme vous avez pu le voir, mon petit indicateur de graphlet fonctionne, donc il y a plus. |
| |
C'est ici qu'intervient la partie carte. Je vais donc survoler un point particulier. |
| |
Dans ce cas, non seulement |
| |
Pouvez-vous voir en quelque sorte le taux global, je peux en fait le ventiler pour vous, dans ce cas par comté. Alors ici, j'ai coloré le |
| |
comtés par le nombre total d’incidents au cours de cette année. Et encore une fois, il y a cet aspect temporel, donc ceci vous montre un instantané d'une année particulière, dans ce cas, 2008. |
| |
Mais peut-être êtes-vous intéressé par la tendance générale, alors une façon de le faire est de dire, ce sont des graphlets. Je pourrais revenir en arrière, survoler un autre endroit, afficher ce graphique, cliquer dessus pour zoomer, |
| |
répéter au besoin. Vous pouvez le faire ou utiliser cette nouvelle astuce que j'ai trouvée en préparant cette présentation. |
| |
Affichons... remarquez ici sur le côté, nous avons un filtre de données local. C'est vraiment la clé derrière ces graphlets. |
| |
Je vais venir ici pour l'année et je vais changer son type de modélisation en nominal plutôt que continu, car maintenant, je peux faire quelque chose comme ça. Je peux réellement passer à travers |
| |
et sélectionnez des années individuelles ou, maintenant chez JMP, nous pouvons faire mieux. |
| |
Laissez-moi aller ici et je vais faire une animation. Je vais faire un peu vite ici. Je vais cliquer sur Lecture, et maintenant je peux simplement m'asseoir, me détendre et, vous savez, regarder JMP faire des choses pour moi. |
| |
Nous pouvons donc ici le voir défiler et avoir une idée de ce qui se passe. Je vais le laisser parcourir un peu. Nous voyons... nous commençons déjà à voir des choses intéressantes se produire ici. |
| |
Laissons les choses défiler, obtenons une image complète, vous savez. Nous voulons une image complète, pas que je me vante ou quoi que ce soit. |
| |
Très bien, nous avons donc parcouru le parcours et nous avons remarqué quelque chose. Revenons donc ici à environ 2004, 2005. Quelque part par ici, nous avons remarqué que ce comté-ci, en particulier, semble être mis en valeur. |
| |
Et en fait, vous avez vu mon petit indicateur graphlet. Encore une fois, je peux le survoler, et ici |
| |
encore une autre carte. Maintenant vous pouvez voir pourquoi je suis si excité. |
| |
Encore une fois, dans ce cas, je peux vous montrer au niveau du comté, donc au niveau de chaque comté... |
| |
Excusez-moi, laissez-moi... avançons un peu. Nous y sommes. Quelques ajustements mineurs et encore une fois, vous pouvez voir mon astuce consistant à souligner les choses de deux manières, à la fois par la taille et par la couleur. |
| |
Nous pouvons en quelque sorte voir une dispersion au sein du ???, il s'agit d'emplacements individuels et parce qu'il y a encore cet aspect temporel, |
| |
nous savons... maintenant nous savons mieux, nous n'avons pas besoin de revenir en arrière et de cliquer pour obtenir plusieurs graphiques, nous pouvons à nouveau utiliser les astuces de filtrage de données locales. Je peux donc y retourner. je ferai |
| |
l'année, et donc dans ce cas, nous pouvons à nouveau cliquer. Ici, je vais simplement utiliser les touches fléchées de mon clavier pour parcourir en quelque sorte. |
| |
Et j’ai juste une idée de la façon dont les choses varient au fil du temps. Dans ce cas, vous voyez une zone particulière, vous l'avez probablement déjà vue, à partir d'environ 2006, voire 2007. |
| |
Il y a cette zone... celle-ci. |
| |
Keansburg, qui semble être mis en évidence et vous remarquerez encore un autre graphlet. Jusqu’où veux-tu aller ? |
| |
Graphception, si vous voulez. |
| |
Nous pouvons |
| |
continuez à descendre de plus en plus loin. Dans ce cas, j'obtiens... Je décompose en fonction du biais, et encore une fois, je pourrais faire cette astuce si je le voulais, parcourir et parcourir chaque année. |
| |
Donc, encore une fois, il y a tellement de puissance dans ces graphiques. Avec ce graphlet, j'ai pu explorer les variations géographiques au niveau du comté et même plus bas, et cela pourrait donc être le cas. |
| |
vous permettant d'explorer en quelque sorte différents aspects des données, vous permettant de générer plus de questions. Que se passait-il à Keansburg à cette époque pour que ça éclate comme ça ? |
| |
C'est quelque chose que vous voudrez peut-être savoir. |
| |
C'est donc tout ce que j'ai pour vous aujourd'hui. J'espère vous avoir mis en appétit et avoir pu vous illustrer clairement la puissance de la visualisation JMP dans l'exploration des données. |
| |
Si vous voulez en savoir plus, il y aura une conférence plénière sur les données. Je vous encourage vivement à explorer cela et cela aide en quelque sorte à aborder différentes manières de visualisation et à comprendre comment JMP peut vous aider. |
| |
Mais je vous ai promis, à un moment donné, de vous donner un aperçu de la façon dont j'ai pu créer ces scripts de table assez étonnants et je vais le faire maintenant. |
| |
C'est ce qu'on appelle désormais le journal amélioré dans JMP 16. C'est l'une des nouvelles fonctionnalités les plus intéressantes de JMP 16. Le journal amélioré suit en fait vos interactions et en assure le suivi. Et donc chaque fois que je fermais, dans ce cas, je fermais une table de données, ouvrais une table de données, exécutais une table de données, |
| |
si j'ajoute une nouvelle colonne, si j'ai créé un nouveau graphique, il est enregistré ici dans le journal. |
| |
C’est un sujet dont John Sall parlera lors de son discours en plénière. C'est, encore une fois, l'une des nouvelles fonctionnalités les plus étonnantes ici. |
| |
Et c'est la clé de la façon dont j'ai pu créer ces scripts de tables. Je peux honnêtement dire que si cela n'avait pas été présent, je n'aurais probablement pas été en mesure de créer ces scripts de table plutôt sympas, car cela demanderait beaucoup de travail. |
| |
Encore une fois, il s'agit d'une fonctionnalité vraiment intéressante disponible dans JMP 16. J'espère donc avoir pu vous convaincre que JMP est un excellent outil pour explorer les données, pour créer de superbes visualisations et des visualisations interactives. Et c'est tout ce que j'ai. Merci d'être venu. |
