Il software statistico di facile utilizzo è diventato uno strumento essenziale in quasi tutte le aziende poiché sempre più aziende cercano di far basare le decisioni sui dati ai propri dipendenti. Le analisi statistiche complete, la costruzione di sofisticati modelli descrittivi e predittivi e l'estrazione di dati per scoprire informazioni dettagliate non sono più eseguite solo dagli statistici, ma da coloro che operano in molte aree funzionali all'interno di un'organizzazione. Il mondo accademico sta vivendo un'esigenza simile. C'è stato un aumento sostanziale del numero di programmi e corsi in una vasta gamma di discipline che espongono gli studenti agli strumenti e alle tecniche delle scienze statistiche. Il software interattivo point-and-click può ridurre notevolmente la barriera per gli studenti di sviluppare le competenze necessarie e godersi il processo di esplorazione dei dati senza la necessità di programmazione.
Questo white paper esplora due popolari pacchetti software: Minitab e JMP. Le differenze tra i due verranno illustrate con l'obiettivo di facilitare la transizione per gli utenti esperti di Minitab al passaggio a JMP. L'accento è posto sull'interfaccia utente, su come si accede agli strumenti, su come vengono eseguite le analisi e sul flusso di lavoro generale che un utente segue per analizzare i dati.
Minitab è un programma software statistico basato su interfaccia utente grafica (GUI) sviluppato per la prima volta nel 1978 come strumento di calcolo per supportare i corsi introduttivi di statistica. Minitab v19, rilasciato a giugno 2020, è la versione descritta in questo white paper.
JMP e JMP Pro sono anche software basati su GUI, sviluppati per la prima volta da SAS nel 1989 per supportare ingegneri, scienziati e ricercatori nell'applicazione degli strumenti delle scienze statistiche in un ambiente non programmabile e altamente interattivo. JMP e JMP Pro sono utilizzati in un'ampia gamma di settori e discipline accademiche. JMP 16 e JMP Pro 16, rilasciati a marzo 2021, sono le versioni presenti in questo documento.
Poiché questa è una guida alla transizione piuttosto che una copertura completa delle loro capacità individuali, non siamo in grado di coprire tutte le differenze tra i due in questo white paper. Visitare minitab.com e jmp.com per saperne di più.
Gli argomenti trattati in questo documento includono:
Di seguito è riportato il testo completo del white paper.
(Nota: puoi passare direttamente a una sezione particolare facendo clic sui collegamenti ipertestuali sopra.)
introduzione
Il software statistico di facile utilizzo è diventato uno strumento essenziale in quasi tutte le aziende poiché sempre più aziende cercano di far basare le decisioni sui dati ai propri dipendenti. Le analisi statistiche complete, la costruzione di sofisticati modelli descrittivi e predittivi e l'estrazione di dati per scoprire informazioni dettagliate non sono più eseguite solo dagli statistici, ma da coloro che operano in molte aree funzionali all'interno di un'organizzazione. Il mondo accademico sta vivendo un'esigenza simile. C'è stato un aumento sostanziale del numero di programmi e corsi in una vasta gamma di discipline che espongono gli studenti agli strumenti e alle tecniche delle scienze statistiche. Il software interattivo point-and-click può ridurre notevolmente la barriera per gli studenti di sviluppare le competenze necessarie e godersi il processo di esplorazione dei dati senza la necessità di programmazione.
Questo white paper esplora due popolari pacchetti software: Minitab e JMP. Le differenze tra i due verranno illustrate con l'obiettivo di facilitare il passaggio a JMP per gli utenti esperti di Minitab. L'accento è posto sull'interfaccia utente, su come si accede agli strumenti, su come vengono eseguite le analisi e sul flusso di lavoro generale che un utente segue per analizzare i dati.
Minitab è un programma software statistico basato su interfaccia utente grafica (GUI) sviluppato per la prima volta nel 1978 come strumento di calcolo per supportare i corsi introduttivi di statistica. Ha guadagnato molta popolarità nell'industria tra la metà e la fine degli anni '90 quando le aziende impegnate in iniziative di qualità come Six Sigma hanno iniziato a utilizzare tecniche statistiche per migliorare la qualità dei loro processi e prodotti. Minitab v19, rilasciato a giugno 2020, è la versione descritta in questo white paper.
JMP e JMP Pro sono anche software basati su GUI, sviluppati per la prima volta da SAS nel 1989 per supportare ingegneri, scienziati e ricercatori nell'applicazione degli strumenti delle scienze statistiche in un ambiente non programmabile e altamente interattivo. JMP e JMP Pro sono utilizzati in un'ampia gamma di settori e discipline accademiche. JMP 16 e JMP Pro 16, rilasciati a marzo 2021, sono le versioni presenti in questo documento.
Poiché questa è una guida alla transizione piuttosto che una copertura completa delle loro capacità individuali, non siamo in grado di coprire tutte le differenze tra i due in questo white paper. Visitare www.minitab.com e www.jmp.com per saperne di più.
Panoramica
Mentre ci sono alcune somiglianze tra Minitab e JMP, ci sono alcune differenze fondamentali che sono importanti per chi sta passando a JMP dovrebbe sapere.
1. Output dell'analisi interattiva. Quando si esegue un'analisi in JMP, l'output viene presentato in una finestra interattiva. Tutto l'output dell'analisi creato, incluso ciò che è stato creato su piattaforme diverse, sono collegati dinamicamente tra loro e alla tabella dei dati. Ciò consente all'utente di interagire direttamente con l'output dell'analisi. Modifiche come la rimozione/aggiunta di variabili a un modello, il cambio del ruolo di una variabile e la sottoimpostazione dei dati possono essere eseguite direttamente dall'output dell'analisi senza la necessità di rieseguire un'analisi. È inoltre possibile apportare modifiche alla tabella dei dati (ad esempio, aggiungere/eliminare dati) e impostare l'aggiornamento automatico di tutto l'output.
L'output di Minitab è prevalentemente statico e non è collegato a diversi strumenti di analisi. Per rimuovere una variabile da un modello, ad esempio, è necessario riavviare lo strumento di analisi, specificare tali modifiche e quindi eseguire nuovamente l'analisi. In molti degli strumenti di Minitab, apportare modifiche ai dati non aggiornerà automaticamente i risultati dell'analisi.
2. Menu contestuali. Ogni output di analisi eseguito in JMP è connesso con l'accesso a una serie di strumenti relativi a tale analisi. In questo modo, l'approccio all'analisi dei dati è di natura più esplorativa e interattiva, con i risultati di un'analisi che guidano l'utente verso una serie di strumenti progettati come passaggi successivi nel flusso di lavoro di analisi.
Minitab esegue le analisi in una modalità batch più tradizionale, con l'utente che spesso deve decidere quale analisi eseguire in modo completamente separato dalla visualizzazione delle caratteristiche nei dati. Quando uno strumento è selezionato, si apre una finestra di dialogo. Alle variabili vengono assegnati ruoli e vengono scelte le opzioni. L'esecuzione dell'analisi produce un insieme di output generalmente statico. Il passaggio successivo in un tipico flusso di lavoro di analisi spesso richiede l'avvio di un nuovo strumento che richiede un altro ciclo di specificazione di ruoli e opzioni variabili.
3. Definizione dei dati da utilizzare per l'analisi. L'approccio tipico in Minitab è creare un foglio di lavoro che contenga tutti i dati su cui si baserà una particolare analisi. Se si desidera, ad esempio, eseguire un'analisi su un sottoinsieme di quei dati, di solito è necessario eseguire un'operazione (es. Sottoinsieme, Dividi foglio di lavoro, ecc.) per creare un nuovo foglio di lavoro. Se vengono rilevati valori anomali e l'analista desidera vedere i risultati senza quei punti dati, in genere è necessario creare un altro nuovo foglio di lavoro e l'analisi deve essere eseguita di nuovo. Ciò richiede la necessità di gestire molti fogli di lavoro in una tipica sessione di analisi.
Sebbene si possa anche lavorare con più tabelle di dati in JMP, spesso può essere più semplice utilizzare i filtri di dati e le operazioni sullo stato di riga per definire i dati su cui basare un'analisi specifica. È possibile salvare e accedere a questi filtri di dati e stati di riga in qualsiasi momento, il che consente all'analista di disporre di un'unica tabella di dati su cui eseguire tutte le analisi su vari sottoinsiemi di tali dati.
Inoltre, lo strumento Filtro dati locali in JMP consente agli utenti di filtrare i dati anche dopo l'esecuzione di un'analisi. Ad esempio, è possibile creare un modello di regressione lineare da tutti i dati in una tabella di dati. Dall'output dell'analisi di regressione, è possibile avviare un filtro dati locale, che modifica istantaneamente tutti i risultati per i diversi sottoinsiemi dei dati selezionati.
4. Analisi multiple simultanee. Una caratteristica fondamentale di JMP è la sua capacità di eseguire un gran numero di analisi contemporaneamente. In quasi tutte le piattaforme di analisi all'interno di JMP, è disponibile un'opzione Per variabile, che consente di eseguire analisi per ogni livello di quella variabile. Ad esempio, se si desidera eseguire test di ipotesi separati confrontando due medie per ciascuno dei 10 diversi gruppi di una variabile categoriale, è sufficiente specificare quella Per variabile. Minitab richiederebbe l'esecuzione di tale analisi 10 volte separate.
Le piattaforme JMP consentono inoltre di eseguire un gran numero di singole analisi insieme semplicemente selezionando tutte le variabili ei fattori di risposta. Ad esempio, se si desidera eseguire ogni possibile analisi fattoriale per tre diverse variabili di risposta e cinque diversi fattori esplicativi, è possibile eseguire tutte le 3x5=15 analisi diverse in un unico passaggio, comprese le diverse tecniche di analisi fattoriale basate sul tipo di dati per il variabili e fattori di risposta. ANOVA, regressione lineare, regressione logistica e analisi chi-quadrato possono essere eseguite contemporaneamente con i risultati visualizzati nella stessa finestra di output. Minitab richiederebbe l'esecuzione di ciascuna di queste analisi separatamente utilizzando strumenti diversi.
JMP dispone di piattaforme uniche progettate per eseguire un numero molto elevato di analisi insieme a grafici personalizzati e output creati. Ad esempio, un'analisi di capacità multivariabile può essere eseguita su 50 diverse variabili di processo. Oltre a produrre output per 50 diverse analisi di capacità individuali, verranno creati grafici univoci e output numerici, standardizzando tutti i risultati individuali, per consentire facili confronti tra queste 50 variabili: una vera analisi multivariata.
Esistono anche piattaforme specializzate in JMP progettate su misura per applicazioni in cui è necessario un numero estremamente elevato di analisi. In certi campi scientifici è abbastanza tipico che si possano avere, ad esempio, mille variabili di risposta diverse e un solo fattore esplicativo. È possibile eseguire un'analisi di screening della risposta per ottenere 1.000 ANOVA unidirezionali separate. I risultati (regolati statisticamente in base al numero di analisi) vengono visualizzati insieme utilizzando una serie personalizzata di grafici e tabelle di dati progettati per un facile confronto e analisi di follow-up.
5. Integrazione. JMP ha la capacità di integrarsi con ambienti computazionali esterni come SAS, MATLAB, R e Python. Attraverso JSL (JMP's Scripting Language), un analista può sfruttare la potenza di questi strumenti pur essendo in grado di lavorare all'interno della GUI interattiva di JMP.
Minitab ha attualmente la capacità di integrarsi esclusivamente con Python, ma non con SAS, R o MATLAB.
6. Pubblicazione di rapporti. Sia Minitab che JMP dispongono di strumenti per esportare e salvare report al di fuori del software (ad es. .jpg, Microsoft PowerPoint e Word). JMP può anche generare report .html interattivi, consentendo ad altri di visualizzare report di analisi al di fuori di JMP con strumenti interattivi per approfondire ulteriormente i dati. Un altro prodotto della suite di prodotti JMP è JMP Live, che fornisce funzionalità aggiuntive per automatizzare la generazione e la condivisione di report aggiornando un dashboard al variare dei dati e dei modelli.
7. Tecniche di analisi statistica. Sebbene entrambi i software contengano molti dei più comuni strumenti di analisi statistica, ci sono una miriade di tecniche statistiche più avanzate e strumenti di gestione dei dati disponibili in JMP e JMP Pro che non sono disponibili in Minitab. JMP ha anche in genere più opzioni e capacità all'interno di una particolare tecnica di analisi statistica. Visitare www.jmp.com per saperne di più.
Set di dati
In questa guida verranno utilizzati vari set di dati. Si possono trovare qui .
Formato del file
Una differenza che un utente esperto di Minitab potrebbe notare per la prima volta durante l'apprendimento di JMP è che non è necessario lavorare all'interno di una struttura di file di progetto.
File di progetto Minitab
Gli utenti di Minitab hanno più familiarità con i file di progetto Minitab indicati con l'estensione .mpx. All'interno di questo file di progetto, è possibile importare o creare più fogli di lavoro (ad es. tabelle di dati). La Figura 1 mostra un file di progetto Minitab di esempio contenente quattro fogli di lavoro. Il display è suddiviso in tre riquadri. Il riquadro in basso a destra mostra il foglio di lavoro attivo (Dati completi 4) insieme alle schede in basso per ciascuno dei fogli di lavoro. Il riquadro di sinistra, noto come Navigatore, mostra un elenco delle analisi e delle operazioni che sono state eseguite (ad es. Riepilogo grafico di resa e contenuto di umidità, … , Foglio di lavoro diviso). Il riquadro in alto a destra è la finestra di output che mostra il particolare output di analisi che è stato. È possibile scegliere tra tre diverse visualizzazioni (Dati e output, Solo dati e Solo output). In questa figura è stata scelta la visualizzazione Dati e output.
Figura 1 Minitab: File di progetto
Qualsiasi analisi o operazione scelta viene eseguita sul foglio di lavoro attivo. Se un utente desidera eseguire un'analisi su un sottoinsieme dei dati, dovrebbe essere creato un nuovo foglio di lavoro dal foglio di lavoro padre. Qui è stata creata una serie di fogli di lavoro, uno per ciascuna delle quattro GeoLocazioni (A, B, C e D) utilizzando il comando Dati>Dividi foglio di lavoro. Per eseguire un'analisi su una sola delle GeoLocazioni, quel foglio di lavoro dovrebbe prima essere selezionato per renderlo il foglio di lavoro attivo prima di eseguire l'analisi.
File tabella dati JMP
JMP può essere utilizzato anche all'interno di una struttura di file di progetto. Innanzitutto, diamo un'occhiata a come funzionano i file della tabella di dati JMP poiché molti utenti scelgono di lavorare da quel tipo di file. I file della tabella dati JMP sono indicati con l'estensione .jmp.
La Figura 2 mostra un esempio di un file di tabella dati JMP. Ci sono quattro riquadri nel file. La tabella dati è a destra, il riquadro righe è in basso a sinistra e fornisce un riepilogo delle righe nella tabella dati, incluso il numero di righe che sono state selezionate, escluse o nascoste. Il riquadro delle colonne al centro a sinistra mostra le variabili nella tabella dati, identificando le proprietà per quella variabile, come il tipo di modellazione e l'uso di un'etichetta. Il riquadro in alto a sinistra mostra gli script che sono stati salvati in questo file di tabella dati. I passaggi per eseguire e salvare gli script verranno mostrati in una sezione successiva.
I triangoli rossi, visibili nei diversi riquadri, accedono a una varietà di strumenti per eseguire operazioni sulla tabella dati, sulle colonne o sulle righe. Le colonne possono essere riordinate nella tabella dati facendo clic e trascinando l'elenco delle colonne nel riquadro Colonne nella posizione desiderata. Un elenco più completo di strumenti e operazioni che possono essere eseguiti sulle colonne è disponibile nel menu Cols o facendo clic con il pulsante destro del mouse su una colonna nella tabella dei dati.
Figura 2 JMP: tabella dati
JMP dispone di una raccolta di strumenti, che illustreremo in seguito, che consente agli utenti di eseguire analisi su specifici sottoinsiemi di dati. In molti casi, scoprirai che lavorare da un'unica tabella dati anagrafici in questo modo ti consente di eseguire tutte le analisi desiderate senza dover creare e gestire più tabelle dati, come richiesto in Minitab.
File di progetto JMP
I file JMP Project sono un'altra struttura di file su cui può essere utile lavorare. I file di progetto forniscono un'unica interfaccia a JMP, fungendo da contenitore per molti elementi di progetto differenti. Può contenere (o fare riferimento) a tabelle di dati, script di analisi, giornali JMP, report, nonché elementi non JMP come documenti, file di dati, ecc.
La Figura 3A è un esempio di un file di progetto JMP.
In questo esempio, a sinistra vengono visualizzati due riquadri.
Contenuti: Elenco di tutti i file contenuti nel file di progetto come cartelle, tabelle di dati JMP e altri file non JMP (ad es. .xls, .csv, .doc. .ppt, .jpg, ecc.). Qui abbiamo una cartella, due tabelle dati JMP, un JMP Journal, due file excel e un documento word.
Area di lavoro: Elenco gerarchico dei contenuti del progetto attualmente visualizzati. Qui abbiamo il JMP Journal e due tabelle di dati JMP insieme a un report di analisi associato a uno script in una delle tabelle di dati JMP.
Sulla destra è organizzata una raccolta a schede di finestre, una per ciascuno degli elementi elencati nel riquadro Area di lavoro. Qui abbiamo una delle tabelle dati come finestra attiva. Dovresti riconoscerlo come la tabella dati JMP mostrata nella Figura 2.
Figura 3A JMP: File di progetto
Ciascuno dei riquadri, inclusa qualsiasi scheda, può essere spostato per riconfigurare il display nella visualizzazione desiderata.
La Figura 3B mostra un esempio del progetto con le schede che sono state disposte in modo che le due tabelle dati JMP e il Journal siano posizionate direttamente a destra dei riquadri Area di lavoro e Contenuto con una di esse selezionata per essere visualizzata. Sul lato destro ci sono due report di analisi organizzati uno sopra l'altro.
Figura 3B JMP: File di progetto
Questo ambiente configurabile a schede offre all'utente la flessibilità di rivelare, nascondere e visualizzare il contenuto del file di progetto nel modo migliore per la situazione.
I file di progetto possono essere condivisi e tutti i contenuti, inclusi i file non JMP, saranno inclusi.
Visita jmp.com, jmp.com/help o community.jmp.com e cercare "Progetti" per visualizzare un elenco di risorse, incluse registrazioni, esercitazioni, documentazione e discussioni dell'utente, per saperne di più sulla funzionalità dei progetti JMP.
Importazione dei dati
Spesso i dati vengono prodotti all'interno di altre applicazioni, piuttosto che all'interno di software statistici. Ad esempio, un ingegnere può registrare i dati di un esperimento in un foglio di calcolo Excel o in un database centrale contenente un'ampia raccolta di dati sul comportamento dei clienti da cui è necessario recuperare e analizzare determinati sottoinsiemi di tali dati. Sia Minitab che JMP possono aprire molti tipi di file diversi, inclusi .csv, .txt, .xls, tra gli altri, e ciascuno è in grado di interrogare un database tramite ODBC (Open Database Connectivity).
JMP
JMP è in grado di aprire altri tipi di file che Minitab non può, come file SAS, R, MATLAB, .html e .pdf. JMP può anche aprire tabelle incorporate nelle pagine Web utilizzando la funzionalità Internet Open.
JMP ha anche il vantaggio di poter importare più file combinandoli in un'unica tabella di dati. La Figura 4 mostra una cartella contenente una raccolta di diversi file di testo relativi a un sondaggio insieme al contenuto di uno di quei file.
Figura 4 JMP: importazione di più file
Selezionando File > Apri più file, verrà avviata una procedura guidata di importazione che ti guiderà attraverso il processo di importazione di tutti i dati su questi numerosi file in un'unica tabella di dati JMP.
Per importare i dati che hai attualmente in un file Minitab in JMP, è meglio salvare prima il foglio di lavoro Minitab in un formato come .xls, .csv o .txt. Quindi scegli semplicemente File > Apri in JMP per importare quei dati in una tabella di dati JMP. Verrà avviata una procedura guidata di importazione per specificare come importare i dati (ad esempio, scegliere le variabili e le righe da importare, includere/escludere i nomi delle variabili, ecc.).
Pulizia e formattazione dei dati
Sia Minitab che JMP dispongono di una raccolta di strumenti che consentono all'utente di pulire e formattare i dati per prepararli all'analisi.
Minitab
La maggior parte degli strumenti di Minitab per formattare, pulire e preparare i dati si trovano nei menu Dati e Calc. La Figura 5 mostra l'elenco degli strumenti in quei menu.
Figura 5 Minitab: menu Dati e Calc
Una volta selezionato uno strumento, verrà visualizzata una finestra di dialogo che consente di posizionare le variabili in ruoli diversi per descrivere l'insieme specifico di operazioni da eseguire.
La Figura 6 è un esempio della finestra di dialogo per lo strumento di ordinamento di Minitab. Qui abbiamo scelto di ordinare tutti i dati in ordine alfabetico crescente in base alla variabile GeoLocation salvando i dati nello stesso foglio di lavoro (cioè "Nelle colonne originali").
Figura 6 Minischeda: Strumento di ordinamento
JMP
La maggior parte degli strumenti di JMP per formattare, pulire e preparare i dati per l'analisi si trovano in tre diversi menu: Tabelle, Righe e Colonne (mostrate nella Figura 7).
Figura 7 JMP: Menu Tabelle, Righe e Colonne
La Figura 8 è un esempio dello strumento di ordinamento di JMP. Sebbene la finestra di dialogo abbia un aspetto diverso e utilizzi nomi diversi per le operazioni, la procedura generale è abbastanza simile.
Figura 8 JMP: Strumento di ordinamento
Tutte le operazioni di manipolazione dei dati che hai eseguito in Minitab potranno essere eseguite anche in JMP. Ci vorrà solo un po' di pratica per imparare come si accede agli strumenti e come viene specificata l'operazione desiderata nella finestra di dialogo.
Uno strumento JMP nel menu Tabelle (non disponibile in Minitab) che può essere molto utile in un esame iniziale di un set di dati è la piattaforma Missing Data Pattern. Questo esempio seguente utilizza un piccolo set di dati, ma troverai che questo strumento è molto utile quando esamini grandi set di dati. La Figura 9 mostra una tabella di dati con cinque variabili, 25 righe e 18 valori mancanti.
Figura 9 JMP: tabella dati con valori mancanti
Lo strumento Modello dati mancanti nel menu Tabelle riepilogherà la "mancanza" nei dati tramite una nuova tabella dati JMP. La Figura 10 mostra la tabella risultante insieme al grafico delle celle di accompagnamento.
Figura 10 JMP: modello di dati mancante
Questa nuova tabella di dati descrive il modello di dati mancanti nei dati. In particolare, ci sono 15 righe senza valori mancanti; una riga ha un valore mancante nella variabile Y5; quattro righe hanno un valore mancante nella variabile Y3; due righe hanno un valore mancante in 3 variabili: Y3, Y4 e Y5 e così via. L'evidenziazione di una riga in questa tabella Modello dati mancanti evidenzierà tutte quelle righe con quel modello dati mancante nella tabella dati originale. Ciò consente di nascondere e/o escludere tali dati da analisi future o generare stati di riga come l'assegnazione di simboli univoci da visualizzare nei grafici. C'è una piattaforma correlata chiamata Esplora valori mancanti nel menu Analizza>Screening che offre strumenti aggiuntivi per lavorare con i dati mancanti, incluse tecniche statistiche per trovare punti in comune tra il modello mancante nelle variabili e nelle righe, nonché la capacità di imputare i dati mancanti sostituendoli con valori stimati.
Creazione di nuove variabili
Sia Minitab che JMP consentono la creazione di nuove variabili. Queste nuove variabili possono essere, ad esempio, semplici operazioni aritmetiche che utilizzano altre variabili nella tabella dati o un argomento condizionale logico.
Minitab
Le nuove variabili vengono create in Minitab tramite lo strumento Calcolatrice nel menu Calc. La Figura 11 illustra come è stata creata una nuova variabile di testo basata sul valore della variabile "Contenuto di umidità" con i risultati salvati nella colonna C9.
Figura 11 Minitab: Calcolatrice
JMP
Per creare una nuova variabile in JMP, accedi allo strumento formula per quella nuova colonna evidenziando una colonna e scegliendo Cols>Formula. È possibile accedervi anche facendo clic con il tasto destro su una colonna e selezionando "formula" dal menu. Nella Figura 12, lo strumento formula è stato utilizzato per creare la stessa variabile di testo basata su un argomento condizionale. Nota che è disponibile una funzione Anteprima che ti consente di vedere i risultati dell'applicazione della formula mentre viene creata.
Figura 12 JMP: Formula
Il Formula Tool di JMP è anche il punto in cui è possibile creare nuove variabili utilizzando una sequenza modellata, un campione casuale da altre colonne o una distribuzione di probabilità specificata. In Minitab, sarebbe necessario accedere ad altri strumenti per generare quei tipi di operazioni.
Filtro dati e stati di riga
Minitab
Quando si esegue un'analisi in Minitab, viene attivato un foglio di lavoro contenente i dati per quell'analisi. Se un'analisi deve essere eseguita su un sottoinsieme di un insieme di dati padre, molto probabilmente sarà necessario creare un nuovo foglio di lavoro che contenga solo quel sottoinsieme di dati. Se vengono identificati valori anomali e devono essere esclusi dalle analisi future, sarebbe necessario creare un altro nuovo foglio di lavoro senza quei punti dati. Di conseguenza, è tipico che si debbano gestire molti fogli di lavoro all'interno di un file di progetto.
JMP
È inoltre possibile impostare più tabelle di dati in un file di progetto JMP, come mostrato in precedenza. I filtri dei dati e le operazioni sullo stato delle righe possono invece essere utilizzati per definire i dati specifici su cui basare una particolare analisi, facendo sì che molti utenti decidano di eseguire tutte le loro analisi da un'unica tabella di dati. Questi filtri di dati e stati di riga possono essere salvati e accessibili in qualsiasi momento.
Illustreremo queste analisi utilizzando il Resa di grano dati.
La Figura 13A mostra la tabella dei dati con GeoLocations e C selezionati. Ciò è stato fatto facendo clic sulla piccola icona dell'istogramma in alto a sinistra della tabella dei dati per attivare il grafico dell'intestazione, quindi selezionando semplicemente quelle GeoLocazioni. Il grafico dell'intestazione è un comodo strumento che mostra un riepilogo di alto livello di una variabile nella parte superiore di ogni colonna (ad esempio, istogrammi e valori min/max per le variabili continue, un grafico a barre per le variabili categoriali). La Figura 13B mostra il risultato quando è selezionato lo strumento Righe>Nascondi ed escludi. Qualsiasi analisi eseguita con questo stato di riga attivo non includerà le geolocalizzazioni A e C nei calcoli né apparirà in alcuna visualizzazione grafica. Altre opzioni includono l'utilizzo dei dati selezionati nei calcoli ma non visualizzati in un grafico (solo Nascondi) o la visualizzazione dei dati in un grafico ma non utilizzati nei calcoli (solo Escludi). Questo stato di riga può essere disattivato selezionando nuovamente Righe>Nascondi ed escludi o Righe>Cancella stati riga.
Figura 13A JMP: Righe selezionate
Figura 13B JMP: Nascondi/Escludi
Il Filtro dati globale è un altro strumento utile per definire un sottoinsieme di dati. Questo strumento è accessibile scegliendo Righe>File dati. La Figura 14 mostra il filtro dati aperto con le GeoLocazioni B e D selezionate. Qui abbiamo attivato le caselle di controllo Mostra e Includi e quindi selezionato le GeoLocazioni che vogliamo utilizzare. Il filtro dati può includere molte variabili e possono essere utilizzate sia variabili categoriali che continue. Questo filtro dati può essere salvato nella tabella dati, gli stati delle righe possono essere cancellati e quindi richiamati nuovamente in qualsiasi momento.
Figura 14 JMP: Filtro dati globale
Altre caratteristiche possono essere impostate come stati di riga. Ad esempio, potresti volere che tutti i grafici prodotti in un'analisi utilizzino colori diversi per le diverse geolocalizzazioni. Questa preferenza può essere impostata tramite Righe>Colore o Segna per colonna. La Figura 15 è la tabella dei dati risultante con i colori mostrati come stati di riga. Qualsiasi visualizzazione grafica creata con questo stato di riga attivo utilizzerà questa codifica a colori. Questa riga può anche essere salvata e consultata in qualsiasi momento.
Figura 15 JMP: Stato riga colore Color
Il filtro dati locale in JMP fornisce un altro mezzo per lavorare con un sottoinsieme dei dati. Questo approccio fornisce uno strumento interattivo in cui vedere i risultati dell'analisi cambiare istantaneamente quando vengono scelti diversi sottoinsiemi di dati. È possibile accedere al Filtro dati locali sotto il triangolo rosso in alto in una finestra del rapporto di analisi. La Figura 16 mostra i risultati di un'analisi di regressione utilizzando tutti i dati (a sinistra), quindi lo stesso output cambia in base alla selezione della sola GeoLocation A dal filtro dati locale. Si noti che i punti dati utilizzano lo stato della riga del colore che abbiamo impostato nella Figura 15.
Figura 16 JMP: Filtro dati locale
Statistiche descrittive
Sia Minitab che JMP sono in grado di calcolare statistiche di riepilogo che descrivono le caratteristiche nei dati.
Illustreremo alcune di queste analisi utilizzando il Resa di grano dati.
Minitab
Ci sono alcuni modi per generare statistiche descrittive in Minitab (es. Visualizza statistiche descrittive, Memorizza statistiche descrittive e Riepilogo grafico nel menu Stat). Le statistiche descrittive possono essere generate anche utilizzando lo strumento Tabelle, che illustreremo qui. La Figura 17 mostra i passaggi per calcolare la media campionaria e la deviazione standard campionaria per Yield per ciascuna combinazione GeoLocation/Year e la tabella risultante.
Figura 17 Minitab: Statistiche descrittive tramite Tabella
Se si desiderano statistiche di riepilogo diverse o se si devono utilizzare variabili categoriali e/o associate diverse, lo strumento Tabelle> Statistiche descrittive viene riavviato, la finestra di dialogo aggiornata e l'analisi rieseguita.
JMP
JMP può anche calcolare statistiche descrittive in vari modi, tra cui la piattaforma di distribuzione, il generatore di grafici, il visualizzatore di colonne e le formule di colonna. Analogamente a quanto mostrato utilizzando Minitab, illustriamo come calcolare le statistiche di riepilogo attraverso la piattaforma Analizza>Tabula.
Lanciando la piattaforma Tabulate si apre la finestra mostrata in Figura 18A. Le variabili vengono semplicemente posizionate in ruoli diversi per creare la tabella. Tali variabili possono essere spostate per modificare il modo in cui viene visualizzata la tabella. Le variabili possono essere rimosse, aggiunte, calcolate nuove statistiche, tra le altre funzionalità con l'aggiornamento della tabella nell'istante in cui vengono apportate tali modifiche. Pensalo come una tela bianca in cui crei la tabella desiderata.
Figura 18A JMP: statistiche descrittive tramite tabulate
La Figura 18B mostra i passaggi per creare la tabella che mostra la media e la deviazione standard del rendimento per le 6 diverse combinazioni di anno e geolocalizzazione.
Iniziamo posizionando la resa nella zona di rilascio delle celle risultanti. L'impostazione predefinita è visualizzare la somma (la statistica predefinita) di quella variabile come una singola cella (immagine in alto a sinistra nella Figura 18B). Nota: è possibile scegliere di visualizzare anche la media e la deviazione standard per impostazione predefinita tramite le preferenze (JMP > Preferenze > Piattaforme > Tabula).
In questo caso sostituiremo la somma con la media e la deviazione standard trascinando queste due statistiche dall'elenco in cima alla cella dove è mostrata la parola somma. La tabella verrà aggiornata, sostituendo la statistica della somma con la media e la deviazione standard (immagine in alto a destra nella Figura 18B).
Le variabili categoriali (Anno e Geolocalizzazione) vengono semplicemente trascinate nelle posizioni desiderate. Anno è posizionato come righe (immagine in basso a sinistra nella Figura 18B) e GeoLocation come colonne (immagine in basso a destra).
Figura 18B JMP: statistiche descrittive tramite tabulate
Questa tabella può essere facilmente modificata per creare viste diverse spostando le variabili in diverse zone di rilascio. La Figura 18C mostra la tabella risultante quando la variabile GeoLocation viene spostata in un'altra variabile di riga all'interno di Year.
Figura 18C JMP: statistiche descrittive tramite tabulate
Questa tabella di statistiche riassuntive può essere trasformata in una tabella dati JMP per ulteriori analisi selezionando Crea in tabella dati sotto il triangolo rosso. La Figura 18D mostra la tabella dei dati risultante.
Figura 18D JMP: Statistiche descrittive tramite Tabulate – Creazione di una tabella dati
Grafici
Minitab e JMP si avvicinano alla rappresentazione grafica dei dati in modo molto diverso; è una delle differenze più significative tra i due software che un nuovo utente JMP sperimenterà.
Illustreremo alcune di queste analisi utilizzando il Resa di grano dati.
Minitab
Per creare un grafico in Minitab, bisogna prima decidere quale grafico è necessario e poi selezionarlo dal menu Graph. La Figura 19 mostra un elenco dei grafici disponibili in quel menu.
Figura 19 Minitab: Menu Grafico
Illustreremo il processo di creazione di un grafico in Minitab creando un grafico a dispersione. Quando viene avviato lo strumento grafico a dispersione, viene visualizzata una schermata (immagine a sinistra nella Figura 20A). A quel punto, l'utente deve scegliere una delle opzioni del grafico a dispersione. In questo esempio, è stato scelto Simple. Appare quindi una finestra di dialogo per inserire le variabili da tracciare sugli assi Y e X (immagine a destra nella Figura 20A).
Figura 20A Minitab: Grafico a dispersione
I pulsanti Scala, Etichette, Visualizzazione dati, Grafici multipli e Opzioni dati forniscono opzioni aggiuntive. La Figura 20B mostra il grafico risultante se non vengono scelte opzioni aggiuntive.
Figura 20B Minitab: Grafico a dispersione
Alcuni elementi del grafico possono essere modificati (ad es. cambiando il colore dei punti) lanciando lo strumento Modifica grafico sotto il menu a tendina in alto a destra.
Per creare il grafico a dispersione mostrato nella Figura 20C che ha una linea di regressione separata per ciascuna delle 4 GeoLocations sarebbe necessario creare un grafico completamente nuovo. Ciò verrebbe fatto riavviando lo strumento Grafico a dispersione e selezionando "Con regressione e gruppi" dalla finestra di dialogo mostrata nella Figura 20A.
Figura 20C Minitab: Grafico a dispersione
Per creare un tipo di grafico completamente diverso con gli stessi dati (ad es. box plot comparativi, ecc.), l'utente dovrebbe tornare al menu Grafico, avviare gli strumenti grafici specifici e specificare le opzioni appropriate. Ogni iterazione dell'esplorazione dei dati graficamente richiede in genere questo approccio fino a quando non viene prodotto il grafico desiderato.
JMP
JMP si avvicina alla creazione di grafici in modo molto diverso rispetto a Minitab. Sebbene siano disponibili strumenti per creare grafici su ogni piattaforma di analisi in JMP, illustreremo la creazione di visualizzazioni tramite la potente piattaforma Graph Builder. Questo strumento è stato progettato per corrispondere al modo tipico in cui si esplorerebbero e analizzerebbero i dati nella pratica. All'avvio della piattaforma Graph Builder (Graph > Graph Builder), la visualizzazione inizia con quella che può essere considerata una tela bianca e una tavolozza di grafici (Figura 21A).
Figura 21A JMP: Generatore di grafici
Viene creato un grafico inserendo le variabili in ruoli diversi e selezionando la visualizzazione grafica desiderata. Ad esempio, se la variabile Contenuto di umidità viene trascinata nella zona Y, JMP inizierà visualizzando un dot plot (Figura 21B).
Figura 21B JMP: Graph Builder – Dotplot
Se invece di un dot plot si desidera un grafico diverso (ad es. box plot), selezionare semplicemente quell'opzione dalla tavolozza dei grafici in alto e il grafico cambia immediatamente. La Figura 21C mostra un grafico in cui sono stati selezionati sia un dot plot che un box plot.
Figura 21C JMP: Graph Builder – Dotplot e Boxplot
Se un'altra variabile continua viene rilasciata nella zona X, JMP cambierà automaticamente il grafico in un grafico a dispersione. La Figura 21D mostra un esempio di tale grafico con inclusa una linea di regressione.
Figura 21D JMP: Graph Builder – Grafico a dispersione con linea di regressione
Per ogni tipo di grafico selezionato, sulla sinistra vengono visualizzati strumenti e opzioni per modificare o ampliare ulteriormente il grafico. Ad esempio, l'equazione, 95% Confidence Interval e RSquared value è stata aggiunta al grafico.
Ciascuno di questi grafici creati durante questo processo può essere salvato nella tabella dati, se lo si desidera. In alternativa, l'analista può continuare a esplorare visivamente i dati. La Figura 21E mostra come cambierebbe il grafico se la variabile GeoLocation venisse rilasciata nella zona di rilascio Wrap.
Figura 21E JMP: Graph Builder – Grafici a dispersione individuali con linee di regressione
Se GeoLocation fosse spostato dall'area di rilascio Wrap all'area di rilascio Overlay e l'opzione per visualizzare l'equazione e RSquared fosse disattivata, il grafico cambierebbe in quello mostrato nella Figura 21F.
Figura 21F JMP: Graph Builder – Grafico a dispersione con linee di regressione sovrapposte
Spostando il cursore su uno degli assi, il puntatore si trasforma in un simbolo di una mano, consentendo un modo semplice per spostare e/o ridimensionare gli assi. Facendo doppio clic su un asse viene visualizzata una serie di strumenti per modificare ulteriormente il grafico, ad esempio il passaggio da una scala lineare a una scala logaritmica.
Facendo clic con il pulsante destro del mouse sul grafico viene visualizzato un menu di strumenti aggiuntivi per modificare la visualizzazione, come la modifica dei colori e dei simboli utilizzati.
Questo processo illustra la differenza fondamentale nel modo in cui ciascun software si avvicina alle analisi grafiche. In Minitab, vengono scelti i tipi di grafico e le opzioni selezionate senza vedere cosa faranno quelle scelte. In JMP, crei grafici in modo interattivo vedendo come ogni scelta cambierebbe e migliorerebbe il grafico. Ciò si traduce in un'esplorazione dei dati molto più efficiente e ricca che consente di generare rapidamente una miriade di grafici per scoprire le caratteristiche dei dati e creare le visualizzazioni che meglio comunicano i risultati.
Due strumenti molto potenti che possono migliorare notevolmente l'esplorazione visiva dei dati sono il filtro dati locale e lo switcher di colonne di JMP. Illustrato con il Esperimento pubblicitario dati.
Con i dati collegati dinamicamente di JMP, è possibile commutare nuove variabili e/o filtrare i dati e il grafico si aggiornerà istantaneamente per riflettere tali modifiche. La Figura 22 mostra un dot plot comparativo per la variabile WS1 con intervalli di confidenza al 95% per quattro diverse categorie della variabile Ad Style. Il Column Switcher, visibile in alto a sinistra, è stato impostato in modo che l'analista possa semplicemente selezionare (o riprodurre) altre 9 possibili variabili di risultato da visualizzare sull'asse Y. Anche il Filtro Dati Locali è stato impostato utilizzando i fattori esplicativi Promozione (tre livelli) e Periodo (10 livelli). L'analista può subset i dati da queste variabili. Per ogni selezione, il grafico si aggiornerà istantaneamente per visualizzare la variabile selezionata per l'asse Y e per includere solo i dati scelti con il Filtro dati locale. In Minitab, dovrebbe essere creato un nuovo grafico separatamente per ogni possibile combinazione di queste variabili.
Figura 22 JMP: Selettore di colonna e filtro dati locale
JMP contiene molti strumenti grafici non attualmente disponibili in Minitab. Questi ampliano notevolmente la tua capacità di esplorare e presentare i dati. La Figura 23A-J mostra alcune di queste visualizzazioni.
Figura 23A JMP: Graphlet al passaggio del mouse
Figura 23B JMP: Etichette immagine
Figura 23C JMP: Mappe geografiche
Figura 23D JMP: grafico a bolle di movimento
Figura 23E JMP: Mappa dei colori di correlazione
Figura 23F JMP: mappe di calore basate sulla forma
Figura 23G JMP: diagramma del contorno della densità
Figura 23H JMP: Word Cloud
Figura 23I JMP: Istogrammi comparativi
Figura 23J JMP: Grafici paralleli in scala
Figura 23K JMP: Tracciato a mosaico
Figura 23L JMP: adattamento funzionale non lineare
Analisi univariate
Minitab e JMP si avvicinano all'esecuzione di analisi statistiche in modo molto diverso. Passeremo attraverso l'analisi di una singola variabile continua per ciascun software per dimostrare queste differenze.
Illustreremo queste analisi utilizzando il Produzione Yogurt dati.
Minitab
In Minitab, lo strumento Riepilogo grafico è un modo utile per analizzare una singola variabile. Per eseguire questa analisi, seleziona questo strumento nel menu Stat. Viene visualizzata una finestra di dialogo per selezionare la variabile su cui eseguire l'analisi. La Figura 24A mostra i passaggi per eseguire l'analisi e 24B mostra l'output risultante. La curva di distribuzione normale mostrata nel grafico è l'unica distribuzione che può essere visualizzata in questo output. L'utilizzo di altre distribuzioni di probabilità richiederebbe uno strumento diverso in Minitab.
Figura 24A Minitab: Riepilogo grafico
Figura 24B Minitab: Riepilogo grafico
Se si desiderassero statistiche diverse da quelle visualizzate, sarebbe necessario avviare uno strumento diverso (Stat > Statistiche di base > Visualizza statistiche descrittive) e selezionare quelle opzioni. Passi e output ora mostrati.
Il Riepilogo grafico mostra i risultati del test di normalità Anderson-Darling. Se si desidera esaminare un grafico di probabilità e/o un grafico empirico della funzione di distribuzione cumulativa per accompagnare il test, è necessario farlo utilizzando due diversi strumenti aggiuntivi (Stat>Stat di base>Test di normalità e Grafico>Cdf empirico). La procedura è simile all'esecuzione di qualsiasi altra analisi. All'avvio dello strumento viene visualizzata una finestra di dialogo in cui l'utente può specificare la variabile su cui eseguire l'analisi e selezionare le opzioni. La Figura 25A mostra i passaggi per eseguire l'analisi del test di normalità e 25B mostra l'output risultante.
Figura 25A Minitab: Test di normalità
Figura 25B Minitab: Test di normalità
Per creare il grafico CDF, verrebbe lanciato uno strumento diverso (Graph>Empirical CDF) e l'analisi verrà eseguita (i passaggi e l'output ora sono mostrati).
Se, ad esempio, la distribuzione normale non era un buon modello da utilizzare per una variabile, potrebbe essere necessario valutare altre distribuzioni. Questa valutazione viene eseguita in uno strumento diverso (Stat>Strumenti di qualità>Identificazione distribuzione individuale) (passi e output non mostrati).
Diciamo che il prossimo passo nell'analisi è quello di eseguire un test di ipotesi per la media della popolazione. Per fare ciò sarebbe necessario accedere a un altro strumento (Stat > Basic Stat > 1-sample t) (passi e output non mostrati). Per eseguire un test di ipotesi sulla varianza, questa stessa procedura di utilizzo di un nuovo strumento (Stat > Basic Stat > 1 varianza)
Altre analisi comuni per analizzare una singola variabile continua sono: Test di equivalenza, Intervallo di tolleranza, Intervallo di previsione, Analisi di capacità, tra gli altri. Ciascuno richiederebbe uno strumento diverso in Minitab e ciascuno produceva un output separato. Attualmente, Minitab non ha la capacità di produrre un intervallo di previsione, quindi ciò richiederebbe effettivamente la creazione manuale di una formula.
JMP
JMP si avvicina alle analisi univariate in modo molto diverso ed è più allineato al flusso di lavoro naturale di esplorazione e analisi dei dati. JMP dispone di un'unica piattaforma (Analizza > Distribuzione) in grado di eseguire tutte le analisi menzionate nella sezione precedente. Si accede alla piattaforma selezionandola da un menu e completando una finestra di dialogo, come mostrato nella Figura 26A. La Figura 26B mostra l'output iniziale.
Figura 26A JMP: Distribuzione
Figura 26B JMP: Distribuzione
L'output iniziale fornisce una visualizzazione sia grafica che numerica dei dati, inclusi un istogramma, un box plot, statistiche riassuntive e un intervallo di confidenza per la media. Facendo clic sul triangolo rosso nella parte superiore della tabella delle statistiche di riepilogo, è possibile accedere a una serie di strumenti per modificare le statistiche visualizzate.
Tutte le analisi menzionate tra le molte altre possono essere condotte all'interno di questa finestra di report. Questi sono tutti accessibili tramite il triangolo rosso accanto al nome della variabile. Questi menu contestuali forniscono una serie di analisi che sarebbe il prossimo da considerare nel flusso di lavoro di analisi. La Figura 27 mostra quel menu insieme all'analisi Adattamento continuo>Normale selezionata.
Figura 27 JMP: Distribuzione
Le Figure da 28A a 28K mostrano i risultati dell'adattamento continuo e di tutte le altre analisi univariate eseguite su questi dati con ogni nuovo set di output aggiunto a una finestra del report che consente un facile confronto.
Figura 28A JMP: grafico quantile e adattamento della distribuzione
Figura 28B JMP: Bontà di adattamento
Figura 28C JMP: grafico CDF
Figura 28D JMP: Profiler di distribuzione interattivo
Figura 28E JMP: profilatore quantilico interattivo
Figura 28F JMP: media del test
Figura 28G JMP: Deviazione standard di prova
Figura 28H JMP: Intervallo di previsione
Figura 28I JMP: Intervallo di tolleranza
Figura 28J JMP: test di equivalenza
Figura 28K JMP: Analisi delle capacità
Sono disponibili strumenti interattivi aggiuntivi che offrono un ulteriore livello di capacità di analisi tramite scenari "what-if". La Figura 29A – 29C mostra tre di questi (animazione del valore p, animazione della potenza e animazione della capacità). Oltre ad aiutare a comprendere meglio il processo studiato, questi strumenti interattivi forniscono un ottimo modo per comprendere o insegnare concetti statistici.
Figura 29A JMP: Animazione del valore p
Figura 29B JMP: Animazione Power Power
Figura 29C JMP: grafico delle capacità interattive
All'interno di questo report interattivo sono disponibili anche il filtro dati locali e lo switcher di colonne. La Figura 30 mostra il Column Switcher impostato per le 7 linee di produzione e il Local Data Filter impostato per il numero di lotto. Ora puoi scegliere la linea di produzione ei lotti da includere nell'analisi e tutto l'output numerico e grafico viene aggiornato istantaneamente. Con Minitab, ogni variabile di risultato e/o sottoinsieme dei dati che si desidera analizzare richiederebbe di rieseguire ogni analisi su tutti i vari strumenti creando una quantità sostanziale di report da gestire.
Figura 30 JMP: Selettore di colonna e filtro dati locale
Salvataggio e condivisione dei risultati
Minitab
Ogni volta che viene eseguita un'analisi in Minitab, l'output verrà posizionato nel riquadro Navigatore come elemento separato. Il salvataggio del file di progetto salverà tutti quegli elementi di output insieme a tutti i fogli di lavoro nel file di progetto. I singoli output possono anche essere salvati come file immagine (ad es. .png, .jpg) e inseriti in altre applicazioni.
JMP
Esistono molti modi per salvare i risultati dell'analisi in JMP. Questi includono il salvataggio come file .html interattivo, in un file JMP Journal, come file immagine inserito in altre applicazioni e persino pubblicato su un dashboard sicuro privato tramite. JMP Live offre la possibilità di visualizzare e interagire con i report al di fuori di JMP. Illustreremo il salvataggio dei report come script nella tabella dei dati poiché questo è il modo più comune per salvare il lavoro di analisi.
Dall'interno di un report, scegli Save script > To Data Table sotto il triangolo rosso in alto a sinistra della finestra del report (Figura 31A).
Figura 31A JMP: salvataggio di uno script nella tabella dati
Gli script salvati verranno visualizzati nel riquadro in alto a sinistra della finestra del file di dati (Figura 31B).
Figura 31B JMP: Script salvati
Facendo clic sul triangolo verde verrà eseguito nuovamente lo script salvato per eseguire tutte le analisi associate a quel report. Ciò consente di eseguire nuovamente un set completo di analisi su un set di dati modificato (ad esempio, rimozione/aggiunta di dati, ricodifica dei valori, sottoinsiemi tramite il filtro dati globale, nuovi stati di riga). Gli script possono essere riordinati nel riquadro o raggruppati per facilitare la gestione del lavoro di analisi.
Analisi a un fattore
Sia Minitab che JMP dispongono di strumenti per eseguire analisi a un fattore (ad es
regressione, regressione logistica semplice, ANOVA unidirezionale e test chi-quadrato per
confrontare le proporzioni). Simile alle analisi univariate, si avvicinano al modo in cui
le analisi vengono eseguite in modo molto diverso.
Illustreremo alcune di queste analisi utilizzando i dati di Tablet Production.
Minitab
Quando si esegue un'analisi a un fattore in Minitab, viene lanciato lo strumento appropriato (Stat>Regression>Fitted Line Plot, ad esempio). Le variabili appropriate sono specificate all'interno della finestra di dialogo e altre opzioni scelte. L'output viene generato e posizionato nella finestra di output. Si consideri, esaminando l'output di una semplice regressione lineare, ad esempio, si desidera aggiungere un intervallo di confidenza al grafico, o esaminare grafici residui, o forse si desidera modificare la scala di una delle variabili da lineare a log o forse utilizzare una risposta diversa o una variabile predittiva tutte insieme. Lo strumento grafico a linee adattate dovrebbe essere riavviato, le opzioni modificate e quindi creato un nuovo set di output. Ogni set di output in Minitab è principalmente statico, consentendo solo poche alterazioni.
Diverse analisi a un fattore (ad es. regressione logistica, ANOVA, test chi-quadrato) richiedono l'uso di altri strumenti.
JMP
In JMP, tutte le analisi a un fattore vengono eseguite da un'unica piattaforma, Analizza > Adatta Y per X.La Figura 32A mostra la finestra di dialogo per questa piattaforma. Quando si scelgono Y, Variabile di risposta e X, Fattore, JMP determina automaticamente l'analisi corretta.
Per illustrare come JMP può eseguire più analisi contemporaneamente, abbiamo scelto due variabili per Y, Response (Dissolution, una variabile continua; Lot Acceptance, una variabile binaria) e due variabili per Factor (API Particle Size, una variabile categoriale con tre livelli; Mill Time, una variabile continua).
JMP creerà quattro diverse analisi:
- ANOVA unidirezionale per la dissoluzione rispetto alla dimensione delle particelle API.
- Regressione lineare semplice per Dissolution vs Mill Time.
- Analisi della tabella di contingenza per l'accettazione del lotto rispetto alla dimensione delle particelle API.
- Regressione logistica semplice per accettazione lotto rispetto a tempo di lavorazione Mill
Figura 32A JMP: Adatta Y per X
Come in molte altre piattaforme in JMP, Fit Y by X ha la capacità per l'analisi di includere una categoriale By Variable, eseguendo un'analisi separata per ogni livello di quella variabile. I modelli possono anche essere fit assegnando valori ponderati per le osservazioni. La piattaforma può essere utilizzata anche su dati in formato Riepilogo Frequenza/Tabella.
L'output iniziale per queste quattro analisi è mostrato nella Figura 32B. Nota: gli stati delle righe sono stati impostati in modo che i lotti che soddisfano la specifica di dissoluzione ≥70 siano codificati con il colore verde e quelli <70 siano codificati con il colore rosso.
Accanto a ciascuna analisi è presente un hot spot triangolo rosso che rivela un menu contestuale con gli strumenti consigliati da JMP come possibili passaggi successivi nell'analisi complessiva. Poiché vengono eseguite quattro diverse tecniche di analisi statistica, sotto ogni menu sono presenti quattro diversi set di strumenti. La Figura 33 mostra ciascuno di questi menu contestuali. Ora sei pronto per scegliere il passaggio successivo nel flusso di lavoro di analisi. Ogni analisi successiva produce un altro set di output aggiunto al report con un nuovo hot spot a triangolo rosso che fornisce opzioni aggiuntive.
Figura 32B JMP: rapporto Stima Y per X
Figura 33 JMP: menu contestuali Fit Y by X
Per illustrare come potrebbe svolgersi un'analisi nella piattaforma Fit Y by X, è stata selezionata l'opzione Fit Line sotto il triangolo rosso per l'adattamento bivariato di Dissolution by Mill Time. La Figura 34 mostra l'output che ora viene aggiunto al report in base a tale selezione.
Figura 34 JMP: adattamento della regressione lineare
Notare che è apparso un nuovo hot spot triangolo rosso accanto all'adattamento lineare scelto. La Figura 35 mostra le opzioni disponibili in quel menu contestuale. Qui puoi vedere l'opzione per aggiungere intervalli di confidenza o previsione al grafico, creare grafici residui, salvare valori nella tabella dati, tra le altre cose.
Figura 35 JMP: menu contestuali di adattamento lineare
Come mostrato nel menu Bivariate Fit in Figura 33, è possibile adattare e confrontare altri modelli. Ad esempio: polinomi, spline, densità ortogonali, non parametriche e regressione robusta. Le trasformazioni sono disponibili in Speciale Fit. La Figura 36 mostra queste opzioni.
Figura 36 JMP: Trasformazione
Ogni adattamento del modello considerato può essere aggiunto o rimosso dal rapporto mentre esplori e confronti le diverse scelte di modello trovando quello migliore per i dati. La Figura 37 mostra la visualizzazione con un adattamento quadratico e una densità non parametrica aggiunta.
Figura 37 JMP: confronto dei modelli
È possibile accedere al Filtro dati locale e al selettore di colonne se si desidera modificare le variabili utilizzate o selezionare un sottoinsieme dei dati su cui basare le analisi. Tutto l'output si aggiornerà istantaneamente per riflettere quelle scelte. Non è necessario suddividere i dati in una nuova tabella dati ed eseguire nuovamente l'analisi così com'è con Minitab.
Come questo esempio illustra ancora una volta, l'analisi dei dati in JMP è molto più che eseguire semplicemente una particolare tecnica statistica su un set di dati e osservare una raccolta statica di output. Le piattaforme sono progettate per seguire un flusso di lavoro di analisi naturale in linea con il modo in cui analizzeresti i dati nella pratica. Si esplora, si interagisce con i dati e i risultati, si modificano le variabili, si filtrano i dati, si provano diverse opzioni del modello, con ogni risultato che conduce al passaggio logico successivo in una sequenza di passaggi di analisi.
Modelli statistici multivariabili
Costruire modelli statistici che coinvolgono molte variabili è probabilmente il tipo di analisi più potente e necessario. Di solito ci sono quattro scopi per costruire questi modelli:
- Per testare ipotesi specifiche.
Esempio: Il trattamento farmacologico A riduce il tasso di recupero di almeno il 15% per i maschi di età superiore a 70 anni rispetto a un placebo? L'effetto è lo stesso per le femmine?
- Trovare le poche variabili tra le tante che sono maggiormente correlate a un risultato.
Esempio: Quali sono le principali condizioni socio-economiche maggiormente correlate a scarsi risultati di salute per una comunità?
- Descrivere quantitativamente le relazioni tra le variabili.
Esempio : Di quanto diminuisce la viscosità di una soluzione quando la temperatura di lavorazione aumenta di 5 0 C e il tempo di elaborazione aumenta di 10 minuti?
- Creare un metodo su cui prevedere un risultato.
Esempio: Qual è la probabilità che un cliente sia interessato a conoscere un nuovo programma di rifinanziamento ipotecario basato sulle caratteristiche del cliente e sul suo mutuo attuale?
L'obiettivo principale di un modello può essere solo uno di questi, alcuni o addirittura tutti. La tecnica di modellazione scelta è spesso guidata da quale di questi obiettivi è più importante.
Minitab
Minitab v19 ha tre tecniche di modellazione multivariabile:
· Modelli lineari generalizzati (es. ANOVA, regressione lineare, regressione logistica)
· Alberi di classificazione e regressione
· Analisi discriminante
Simile all'esecuzione di un'analisi a un fattore, la costruzione di un modello statistico multivariabile richiede prima di scegliere un tipo di modellazione appropriato per la situazione (Stat>ANOVA>Modello lineare generale, ad esempio). All'interno della finestra di dialogo, l'utente specifica quindi le variabili da includere e qualsiasi altra opzione pertinente.
L'output viene generato durante l'esecuzione dell'analisi e posizionato nella finestra di output. Nel processo di creazione di un modello statistico, un analista in genere deve adattare molti modelli diversi, ciascuno dei quali include un diverso insieme di variabili e termini del modello fino a quando non viene determinato un modello finale. Se si decide di rimuovere una variabile o un termine dal modello, la finestra di dialogo viene riavviata, vengono apportate le modifiche e l'analisi viene rieseguita. Ogni possibile modello considerato deve essere eseguito separatamente, ciascuno producendo un diverso insieme di output. Come la maggior parte dei risultati delle analisi in Minitab, l'output numerico e grafico è per lo più statico con poche opzioni per apportare modifiche. Se si desidera rimuovere alcune osservazioni dai dati, ad esempio, è necessario creare un nuovo foglio di lavoro e eseguire nuovamente tutti i modelli.
JMP e JMP Pro
JMP e JMP Pro v16 hanno le seguenti tecniche di modellazione multivariabile insieme a molte varianti all'interno di ciascuna.
· Modelli lineari generalizzati (es. ANOVA, regressione lineare, regressione logistica)
· Partizione (albero decisionale)
· Rete neurale
· Analisi discriminante
· Foresta di stivali *
· Alberi potenziati *
· K Vicini più vicini *
· Ingenuo Bayes *
· Supporta macchine vettoriali *
* Solo JMP Pro
Esistono altre tecniche di modellazione in JMP e JMP Pro oltre a queste. Sono in genere utilizzati per applicazioni più specializzate rispetto a scopi di modellazione generale e quindi non elencati sopra (ad es. Modelli di equazioni strutturali nelle scienze sociali; Uplift, Choice e MaxDiff per la ricerca sui consumatori; Functional Data Explorer per modellare dati che sono funzioni, segnali , o serie).
Ciascuna delle piattaforme di modellazione di JMP dispone inoltre di molte opzioni relative ai metodi di stima e alle specifiche di adattamento del modello. Questi forniscono la possibilità di generare ancora più modelli da considerare e consentire maggiori capacità nella gestione di situazioni complesse (ad esempio, minimi quadrati ponderati, regressione penalizzata, mancanti informazioni, convalida incrociata K-Fold per citarne alcuni).
Illustreremo il processo di creazione del modello in JMP Pro adattando un modello di regressione logistica utilizzando il Outreach di rifinanziamento ipotecario dati.
Modello di regressione logistica:
In JMP, tutti i modelli lineari vengono creati utilizzando la piattaforma Stima modello nel menu Analizza. Questa piattaforma unica ti consente di scegliere tra una varietà di forme del modello e tecniche di adattamento del modello selezionando l'opzione desiderata nel menu a discesa Personalità. La Figura 38 mostra le opzioni disponibili in JMP (a sinistra) e JMP Pro (a destra).
Figura 38 JMP e JMP Pro: Fit Model – Personalità
La Figura 39A mostra la finestra di dialogo per la piattaforma Stima modello con la variabile di risultato e i termini del modello aggiunti. Qui stiamo montando un modello di soli effetti principali. È disponibile l'opzione per includere termini di interazione, effetti quadratici, definendo termini come: (incrociato o annidato) e (fisso o casuale). Abbiamo anche incluso una colonna di convalida. Questa colonna ha assegnato casualmente i dati in: 75% di formazione e 25% di convalida. JMP utilizzerà solo i dati di training per adattarsi al modello. I dati di convalida verranno utilizzati per valutare la capacità predittiva del modello adattato. Questo approccio può aiutare a evitare il risultato indesiderato di un modello che si sovrappone ai dati.
Figura 39A JMP Pro: modalità di adattamento
Dopo aver eseguito l'analisi, JMP produrrà il rapporto di regressione logistica nominale.
Come in tutti gli output di analisi di JMP, è meglio pensare a un report come una piattaforma interattiva rispetto a un output statico. Ad esempio, i termini del modello possono essere rimossi dal modello adattato senza dover tornare alla finestra di dialogo Adatta modello, apportare le modifiche e rieseguire l'analisi. La Figura 39B mostra la tabella Riepilogo effetti dal report con la variabile Età selezionato.
Figura 39B JMP Pro: Fit Model – Riepilogo degli effetti per la regressione logistica nominale
La Figura 40 mostra le opzioni disponibili sotto il triangolo rosso in alto.
Figura 40 JMP Pro: Adatta modello – Menu contestuale nel report Regressione logistica nominale
La Figura 41A – 41D mostra alcuni dei tipi comuni di output esaminati durante la creazione di un modello di regressione logistica aggiunto al report.
Figura 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression report
Figura 41B JMP Pro: Adatta modello – Curva ROC nel report Regressione logistica nominale
Figura 41C JMP Pro: Fit Model – Lift Curve nel report Regressione logistica nominale
Figura 41D JMP Pro: Adatta modello – Profiler nel report Regressione logistica nominale
Quando l'obiettivo primario di un modello statistico è solo di previsione e non è necessario che l'equazione abbia una forma semplice con coefficienti interpretabili, dovrebbero essere esplorati altri modelli più complessi. JMP Pro dispone di una piattaforma molto potente denominata Model Screening che si adatta a molti modelli diversi utilizzando varie tecniche che presentano il risultato insieme in un unico report. La Figura 42 mostra la finestra di dialogo per quella piattaforma con le variabili assegnate ai loro ruoli e un insieme di tipi di modello selezionati.
Figura 42 JMP Pro: screening del modello
La Figura 43 mostra alcuni dei risultati di riepilogo prodotti nel report consentendo di visualizzare e confrontare facilmente le prestazioni del modello. Si noti che il modello di rete neurale potenziata ha il tasso di errore complessivo più basso sui dati di convalida (16,0%) con la regressione logistica nominale al 19,2%.
La Figura 44 mostra lo strumento Soglia di decisione che può essere importante da valutare quando si prevede un risultato categorico come stiamo facendo qui. Questo strumento fornisce un mezzo interattivo per valutare come cambiano i tassi di errore per ciascun modello quando si considerano diversi valori di soglia di probabilità.
Ognuna delle piattaforme modello può essere avviata da questo report fornendo l'accesso al set completo di strumenti disponibili per ciascuna.
Figura 43 JMP Pro: Screening del modello – Riepilogo del modello
Figura 44 JMP Pro: Screening del modello – Soglia decisionale
Conclusione
Sia Minitab che JMP offrono agli utenti un ambiente point-and-click facile da usare per analizzare i dati. Sebbene entrambi contengano molte delle stesse tecniche statistiche, puoi accedervi e utilizzarle in modi diversi. Ad esempio: la maggior parte delle analisi univariate in JMP vengono eseguite all'interno della piattaforma di distribuzione dove in Minitab vengono utilizzati molti strumenti diversi a seconda del tipo di dati specifico analizzato e della tecnica statistica da scegliere. In JMP, l'output di ogni analisi univariata può essere aggiunto alla stessa finestra del report.
Come illustrato in questa guida alla transizione, le tabelle di dati, i grafici ei report sono collegati dinamicamente in JMP, fornendo un ambiente più interattivo per esplorare e analizzare i dati. Questa funzionalità consente di condurre un intero set di analisi su vari sottoinsiemi di dati utilizzando solo una tabella di dati e un set di report di analisi. Al contrario, una tipica sessione di analisi in Minitab richiede la gestione di molti fogli di lavoro diversi e un'ampia raccolta di output di analisi.
L'approccio di JMP all'esplorazione visiva dei dati tramite Graph Builder è un paradigma molto diverso rispetto all'approccio di Minitab ai dati grafici. Come abbiamo dimostrato nella guida, Graph Builder di JMP ti consente di vedere come ogni opzione che stai considerando modifica la visualizzazione fornendoti un modo dinamico per scoprire caratteristiche e modelli nei dati.
Visitare jmp.com per saperne di più sulle capacità di JMP e per trovare risorse di apprendimento come libri, webinar, white paper, corsi, tra gli altri.
Circa l'autore
