El software estadístico fácil de usar se ha convertido en una herramienta esencial en casi todas las empresas, ya que cada vez más empresas buscan que sus empleados basen sus decisiones en datos. Los análisis estadísticos integrales, la construcción de sofisticados modelos descriptivos y predictivos y la extracción de datos para descubrir conocimientos ya no los realizan solo los estadísticos, sino quienes se encuentran en muchas áreas funcionales dentro de una organización. La academia está experimentando una necesidad similar. Ha habido un aumento sustancial en el número de programas y cursos en una amplia gama de disciplinas que exponen a los estudiantes a las herramientas y técnicas de las ciencias estadísticas. El software interactivo de apuntar y hacer clic puede reducir en gran medida la barrera para que los estudiantes desarrollen las habilidades necesarias y disfruten del proceso de exploración de datos sin necesidad de programación.
Este informe técnico explora dos paquetes de software populares: Minitab y JMP. Las diferencias entre los dos se ilustrarán con el objetivo de facilitar la transición para que los usuarios experimentados de Minitab pasen a JMP. La atención se centra en la interfaz de usuario, cómo se accede a las herramientas, cómo se realizan los análisis y el flujo de trabajo general que sigue un usuario para analizar los datos.
Minitab es un programa de software estadístico basado en la interfaz gráfica de usuario (GUI) desarrollado por primera vez en 1978 como una herramienta informática para respaldar los cursos de introducción a la estadística. Minitab v19, lanzado en junio de 2020, es la versión que se presenta en este informe técnico.
JMP y JMP Pro también son software basado en GUI, desarrollado por primera vez por SAS en 1989 para ayudar a ingenieros, científicos e investigadores a aplicar las herramientas de las ciencias estadísticas en un entorno altamente interactivo sin programación. JMP y JMP Pro se utilizan en una amplia gama de industrias y disciplinas académicas. JMP 16 y JMP Pro 16, lanzados en marzo de 2021, son las versiones que aparecen en este documento.
Como se trata de una guía de transición en lugar de una cobertura completa de sus capacidades individuales, no podemos cubrir todas las diferencias entre los dos en este documento técnico. Visitar minitab.com y jmp.com aprender más.
Los temas cubiertos en este documento incluyen:
El texto completo del libro blanco aparece a continuación.
(Nota: puede saltar directamente a una sección en particular haciendo clic en los hipervínculos de arriba).
Introducción
El software estadístico fácil de usar se ha convertido en una herramienta esencial en casi todas las empresas, ya que cada vez más empresas buscan que sus empleados basen sus decisiones en datos. Los análisis estadísticos integrales, la construcción de sofisticados modelos descriptivos y predictivos y la extracción de datos para descubrir conocimientos ya no los realizan solo los estadísticos, sino quienes se encuentran en muchas áreas funcionales dentro de una organización. La academia está experimentando una necesidad similar. Ha habido un aumento sustancial en el número de programas y cursos en una amplia gama de disciplinas que exponen a los estudiantes a las herramientas y técnicas de las ciencias estadísticas. El software interactivo de apuntar y hacer clic puede reducir en gran medida la barrera para que los estudiantes desarrollen las habilidades necesarias y disfruten del proceso de exploración de datos sin necesidad de programación.
Este informe técnico explora dos paquetes de software populares: Minitab y JMP. Las diferencias entre los dos se ilustrarán con el objetivo de facilitar la transición para que los usuarios experimentados de Minitab pasen a JMP. La atención se centra en la interfaz de usuario, cómo se accede a las herramientas, cómo se realizan los análisis y el flujo de trabajo general que sigue un usuario para analizar los datos.
Minitab es un programa de software estadístico basado en la interfaz gráfica de usuario (GUI) desarrollado por primera vez en 1978 como una herramienta informática para respaldar los cursos de introducción a la estadística. Ganó mucha popularidad en la industria a mediados y finales de los 90 cuando las empresas que participaban en iniciativas de calidad como Six Sigma comenzaron a utilizar técnicas estadísticas para mejorar la calidad de sus procesos y productos. Minitab v19, lanzado en junio de 2020, es la versión que se presenta en este informe técnico.
JMP y JMP Pro también son software basado en GUI, desarrollado por primera vez por SAS en 1989 para ayudar a ingenieros, científicos e investigadores a aplicar las herramientas de las ciencias estadísticas en un entorno altamente interactivo sin programación. JMP y JMP Pro se utilizan en una amplia gama de industrias y disciplinas académicas. JMP 16 y JMP Pro 16, lanzados en marzo de 2021, son las versiones que aparecen en este documento.
Como se trata de una guía de transición en lugar de una cobertura completa de sus capacidades individuales, no podemos cubrir todas las diferencias entre los dos en este documento técnico. Visitar www.minitab.com y www.jmp.com aprender más.
Visión general
Si bien existen algunas similitudes entre Minitab y JMP, existen algunas diferencias fundamentales que son importantes para quien esté haciendo la transición a JMP.
1. Salida de análisis interactivo. Al realizar un análisis en JMP, la salida se presenta en una ventana interactiva. Todos los resultados de análisis creados, incluidos los que se crean en diferentes plataformas, están vinculados dinámicamente entre sí y a la tabla de datos. Esto permite al usuario interactuar directamente con la salida del análisis. Los cambios como eliminar / agregar variables a un modelo, cambiar el rol de una variable y subconjuntos de los datos se pueden realizar directamente desde la salida del análisis sin la necesidad de volver a ejecutar un análisis. También se pueden realizar cambios en la tabla de datos (por ejemplo, agregar / eliminar datos) y toda la salida se puede configurar para que se actualice automáticamente.
La salida de Minitab es predominantemente estática y no está conectada a diferentes herramientas de análisis. Para eliminar una variable de un modelo, por ejemplo, la herramienta de análisis debería reiniciarse, los cambios especificados y luego volver a ejecutar el análisis. En muchas de las herramientas de Minitab, realizar cambios en los datos no actualizará automáticamente los resultados del análisis.
2. Menús contextuales. Cada resultado de análisis realizado en JMP está conectado con el acceso a un conjunto de herramientas relacionadas con ese análisis. De esta manera, el enfoque para analizar los datos es de naturaleza más exploratoria e interactiva, y los resultados de un análisis guían al usuario hacia un conjunto de herramientas que están diseñadas como próximos pasos en el flujo de trabajo del análisis.
Minitab ejecuta análisis en un modo por lotes más tradicional, y el usuario a menudo tiene que decidir qué análisis realizar de forma totalmente independiente de ver las características en los datos. Cuando se selecciona una herramienta, se abre un cuadro de diálogo. A las variables se les asignan roles y se eligen opciones. La ejecución del análisis produce un conjunto de resultados que normalmente es estático. El siguiente paso en un flujo de trabajo de análisis típico a menudo requiere el lanzamiento de una nueva herramienta que requiere otra ronda de especificación de roles y opciones variables.
3. Definición de los datos que se utilizarán para el análisis. El enfoque típico en Minitab es crear una hoja de trabajo que contenga todos los datos en los que se basará un análisis en particular. Si se desea, por ejemplo, realizar un análisis en un subconjunto de esos datos, generalmente se requiere realizar una operación (por ejemplo, Subconjunto, Hoja de trabajo dividida, etc.) para crear una nueva hoja de trabajo. Si se descubren valores atípicos y el analista desea ver los resultados sin esos puntos de datos, normalmente será necesario crear otra hoja de trabajo nueva y ejecutar el análisis nuevamente. Esto requiere la necesidad de administrar muchas hojas de trabajo en una sesión de análisis típica.
Aunque también se puede trabajar con múltiples tablas de datos en JMP, a menudo puede ser más fácil usar los filtros de datos y las operaciones de estado de fila para definir los datos en los que basar un análisis específico. Estos filtros de datos y estados de filas se pueden guardar y acceder a ellos en cualquier momento, lo que permite al analista tener una única tabla de datos en la que se pueden realizar todos los análisis de varios subconjuntos de esos datos.
Además, la herramienta Filtro de datos locales en JMP permite a los usuarios filtrar los datos incluso después de realizar un análisis. Por ejemplo, se puede crear un modelo de regresión lineal a partir de todos los datos de una tabla de datos. Desde dentro de la salida del análisis de regresión, se puede lanzar un filtro de datos local, que cambia instantáneamente todos los resultados para diferentes subconjuntos de los datos seleccionados.
4. Análisis múltiples simultáneos. Una característica clave de JMP es su capacidad para realizar una gran cantidad de análisis simultáneamente. En casi todas las plataformas de análisis dentro de JMP, está disponible una opción Por variable, que permite realizar análisis para cada nivel de esa variable. Por ejemplo, si uno quisiera realizar pruebas de hipótesis separadas comparando dos medias para cada uno de los 10 grupos diferentes de una variable categórica, entonces esa Por variable simplemente debe especificarse. Minitab requeriría ejecutar ese análisis 10 veces por separado.
Las plataformas JMP también le permiten ejecutar una gran cantidad de análisis individuales juntos simplemente seleccionando todas las variables y factores de respuesta. Por ejemplo, si uno quisiera realizar todos los análisis de un factor posible para tres variables de respuesta diferentes y cinco factores explicativos diferentes, todos los análisis 3x5 = 15 diferentes se pueden realizar en un solo paso, incluidas diferentes técnicas de análisis de un factor basadas en el tipo de datos para el variables y factores de respuesta. ANOVA, regresión lineal, regresión logística y un análisis de chi-cuadrado se pueden realizar simultáneamente con los resultados mostrados en la misma ventana de salida. Minitab requeriría ejecutar cada uno de estos análisis por separado utilizando diferentes herramientas.
JMP tiene plataformas únicas diseñadas para ejecutar una gran cantidad de análisis junto con gráficos personalizados y resultados creados. Por ejemplo, se puede realizar un análisis de capacidad multivariable en 50 variables de proceso diferentes. Además de producir resultados para 50 análisis de capacidad individuales diferentes, se crearán gráficos únicos y resultados numéricos, estandarizando todos los resultados individuales, para permitir comparaciones fáciles entre estas 50 variables: un verdadero análisis multivariante.
También existen plataformas especializadas en JMP diseñadas a medida para aplicaciones en las que se necesita una gran cantidad de análisis. En ciertos campos científicos, es bastante típico que uno pueda tener, por ejemplo, mil variables de respuesta diferentes y un solo factor explicativo. Se puede realizar un análisis de detección de respuesta que da como resultado 1000 ANOVA unidireccionales separados. Los resultados (ajustados estadísticamente en función del número de análisis) se muestran juntos utilizando un conjunto personalizado de gráficos y tablas de datos diseñados para facilitar la comparación y los análisis de seguimiento.
5. Integración. JMP tiene la capacidad de integrarse con entornos computacionales externos como SAS, MATLAB, R y Python. A través de JSL (lenguaje de secuencias de comandos de JMP), un analista puede aprovechar el poder de esas herramientas al mismo tiempo que puede trabajar dentro de la GUI interactiva de JMP.
Actualmente, Minitab tiene la capacidad de integrarse únicamente con Python, pero no con SAS, R o MATLAB.
6. Publicación de informes. Tanto Minitab como JMP tienen herramientas para exportar y guardar informes fuera del software (p. Ej., .Jpg, Microsoft PowerPoint y Word). JMP también puede generar informes .html interactivos, lo que permite a otros ver informes de análisis fuera de JMP con herramientas interactivas para profundizar más en los datos. Otro producto del conjunto de productos de JMP es JMP Live, que proporciona capacidades adicionales para automatizar la generación y el intercambio de informes y actualizar un tablero a medida que cambian los datos y los modelos.
7. Técnicas de análisis estadístico. Aunque ambos software contienen muchas de las herramientas de análisis estadístico más comunes, existen innumerables técnicas estadísticas más avanzadas y herramientas de administración de datos disponibles en JMP y JMP Pro que no están disponibles en Minitab. JMP también suele tener más opciones y capacidades dentro de una técnica de análisis estadístico particular. Visitar www.jmp.com aprender más.
Conjuntos de datos
Se utilizarán varios conjuntos de datos a lo largo de esta guía. Pueden ser encontrados aquí .
Formato de archivo
Una diferencia que un usuario experimentado de Minitab puede notar por primera vez cuando aprende JMP es que no es necesario trabajar dentro de una estructura de archivo de proyecto.
Archivo de proyecto de Minitab
Los usuarios de Minitab están más familiarizados con los archivos de proyectos de Minitab indicados con la extensión .mpx. Dentro de este archivo de proyecto, se pueden importar o crear varias hojas de trabajo (es decir, tablas de datos). La Figura 1 muestra un archivo de proyecto de Minitab de muestra que contiene cuatro hojas de trabajo. La pantalla se divide en tres paneles. El panel inferior derecho muestra la hoja de trabajo activa (4 datos completos) junto con pestañas en la parte inferior para cada una de las hojas de trabajo. El panel izquierdo, conocido como Navegador, muestra una lista de los análisis y operaciones que se han realizado (por ejemplo, Resumen gráfico de rendimiento y contenido de humedad,…, Hoja de trabajo dividida). El panel superior derecho es la ventana de salida que muestra la salida de análisis particular que ha sido. Hay tres vistas diferentes que se pueden elegir (datos y salida, solo datos y solo salida). En esta figura, se eligió la vista Datos y Salida.
Figura 1 Minitab: Archivo de proyecto
Cualquier análisis u operación elegida se realiza en la hoja de trabajo activa. Si un usuario desea realizar un análisis en un subconjunto de los datos, se deberá crear una nueva hoja de trabajo a partir de la hoja de trabajo principal. Aquí se creó un conjunto de hojas de trabajo, una para cada una de las cuatro ubicaciones geográficas (A, B, C y D) utilizando el comando Datos> Dividir hoja de trabajo. Para realizar un análisis en solo una de las ubicaciones geográficas, esa hoja de trabajo primero debe seleccionarse para convertirla en la hoja de trabajo activa antes de ejecutar el análisis.
Archivo de tabla de datos JMP
JMP también se puede utilizar desde la estructura de un archivo de proyecto. Primero, echemos un vistazo a cómo funcionan los archivos de tabla de datos JMP, ya que muchos usuarios optan por trabajar desde ese tipo de archivo. Los archivos de tablas de datos JMP se indican con la extensión .jmp.
La Figura 2 muestra una muestra de un archivo de tabla de datos JMP. Hay cuatro paneles en el archivo. La tabla de datos está a la derecha, el Panel de filas está en la parte inferior izquierda y proporciona un resumen de las filas en la tabla de datos, incluido el número de filas que se han seleccionado, excluido u ocultado. El Panel de columnas en la parte central izquierda muestra las variables en la tabla de datos, identificando propiedades para esa variable, como el tipo de modelado y el uso de una etiqueta. El panel superior izquierdo muestra los scripts que se han guardado en este archivo de tabla de datos. Los pasos para ejecutar y guardar scripts se mostrarán en una sección posterior.
Los triángulos rojos, que se ven en los diferentes paneles, acceden a una variedad de herramientas para realizar operaciones en la tabla de datos, columnas o filas. Las columnas se pueden reordenar en la tabla de datos haciendo clic y arrastrando la lista de columnas en el Panel de columnas a la ubicación deseada. Puede encontrar una lista más completa de herramientas y operaciones que se pueden realizar en las columnas en el menú Cols o haciendo clic con el botón derecho en una columna de la tabla de datos.
Figura 2 JMP: Tabla de datos
JMP tiene una colección de herramientas, que ilustraremos más adelante, que permite a los usuarios realizar análisis en subconjuntos específicos de datos. En muchos casos, encontrará que trabajar a partir de una tabla de datos maestros de esta manera le permite realizar todos los análisis deseados sin necesidad de crear y administrar varias tablas de datos, como se requiere en Minitab.
Archivo de proyecto JMP
Los archivos de proyecto JMP son otra estructura de archivos con la que puede resultar útil trabajar. Los archivos de proyecto proporcionan una interfaz única para JMP, que actúa como contenedor para muchos elementos de proyecto diferentes. Puede contener (o hacer referencia) tablas de datos, scripts de análisis, diarios JMP, informes, así como elementos no JMP como documentos, archivos de datos, etc.
La Figura 3A es un ejemplo de un archivo de proyecto JMP.
En este ejemplo, se muestran dos paneles a la izquierda.
Contenido: Lista de todos los archivos contenidos en el archivo del proyecto, como carpetas, tablas de datos JMP y otros archivos que no son JMP (por ejemplo, .xls, .csv, .doc. .ppt, .jpg, etc.). Aquí tenemos una carpeta, dos tablas de datos JMP, un JMP Journal, dos archivos de Excel y un documento de Word.
Espacio de trabajo: Lista jerárquica del contenido del proyecto que se muestra actualmente. Aquí tenemos el JMP Journal y dos tablas de datos de JMP junto con un informe de análisis asociado con un script en una de las tablas de datos de JMP.
A la derecha se organiza una colección de ventanas con pestañas, una para cada uno de los elementos enumerados en el panel Área de trabajo. Aquí tenemos una de las tablas de datos como ventana activa. Debe reconocer esto como la tabla de datos JMP que se muestra en la Figura 2.
Figura 3A JMP: Archivo de proyecto
Cada uno de los paneles, incluida cualquiera de las pestañas, se puede mover para reconfigurar la pantalla a la vista deseada.
La Figura 3B muestra un ejemplo del Proyecto con las pestañas que se han organizado de modo que las dos tablas de datos JMP y el Diario se colocan directamente a la derecha de los paneles Espacio de trabajo y Contenido con uno de ellos seleccionado para mostrarse. En el lado derecho hay dos informes de análisis organizados, uno encima del otro.
Figura 3B JMP: Archivo de proyecto
Este entorno configurable con pestañas proporciona al usuario la flexibilidad de revelar, ocultar y mostrar el contenido del archivo del proyecto de la manera que sea mejor para la situación.
Los archivos del proyecto se pueden compartir y se incluirá todo el contenido, incluidos los archivos que no son JMP.
Visite jmp.com, jmp.com/help o community.jmp.com y busque "Proyectos" para ver una lista de recursos, incluidas grabaciones, tutoriales, documentación y discusiones de usuarios, para obtener más información sobre la funcionalidad de JMP Projects.
Importación de datos
A menudo, los datos se producen dentro de otras aplicaciones, en lugar de dentro del software estadístico. Por ejemplo, un ingeniero puede registrar datos de un experimento en una hoja de cálculo de Excel o en una base de datos central que contenga una gran colección de datos de comportamiento del cliente de los que se deben recuperar y analizar ciertos subconjuntos de esos datos. Tanto Minitab como JMP pueden abrir muchos tipos de archivos diferentes, incluidos .csv, .txt, .xls, entre otros, y cada uno puede consultar una base de datos a través de ODBC (conectividad abierta de bases de datos).
JMP
JMP puede abrir otros tipos de archivos que Minitab no puede, como archivos SAS, R, MATLAB, .html y .pdf. JMP también puede abrir tablas que están integradas en páginas web utilizando la funcionalidad Internet Open.
JMP también tiene la ventaja adicional de poder importar varios archivos combinándolos en una tabla de datos. La Figura 4 muestra una carpeta que contiene una colección de diferentes archivos de texto relacionados con una encuesta junto con el contenido de uno de esos archivos.
Figura 4 JMP: Importación de varios archivos
Al seleccionar Archivo> Abrir múltiples, se iniciará un asistente de importación que lo guiará a través del proceso de importar todos los datos de estos muchos archivos en una tabla de datos JMP.
Para importar datos que tiene actualmente en un archivo de Minitab a JMP, es mejor guardar primero la hoja de trabajo de Minitab en un formato como .xls, .csv o .txt. Luego, simplemente elija Archivo> Abrir en JMP para importar esos datos a una tabla de datos JMP. Se iniciará un asistente de importación para especificar cómo se importarán los datos (por ejemplo, elegir las variables y filas que se van a importar, incluir / excluir nombres de variables, etc.).
Limpieza y formateo de datos
Tanto Minitab como JMP tienen una colección de herramientas que permiten al usuario limpiar y formatear los datos para prepararlos para el análisis.
Minitab
La mayoría de las herramientas de Minitab para formatear, limpiar y preparar datos se encuentran en los menús Data y Calc. La Figura 5 muestra la lista de herramientas bajo esos menús.
Figura 5 Minitab: menús de datos y cálculo
Una vez que se selecciona una herramienta, aparecerá un cuadro de diálogo que permite colocar las variables en diferentes roles para describir el conjunto específico de operaciones que se realizarán.
La Figura 6 es un ejemplo del cuadro de diálogo de la herramienta Ordenar de Minitab. Aquí hemos optado por ordenar todos los datos en orden alfabético ascendente en función de la variable GeoLocation guardando los datos en la misma hoja de trabajo (es decir, "En las columnas originales").
Figura 6 Minitab: Herramienta de clasificación
JMP
La mayoría de las herramientas de JMP para formatear, limpiar y preparar datos para el análisis se encuentran en tres menús diferentes: Tablas, Filas y Cols (que se muestran en la Figura 7).
Figura 7 JMP: menús de tablas, filas y columnas
La Figura 8 es un ejemplo de la herramienta de clasificación de JMP. Aunque el cuadro de diálogo tiene una apariencia diferente y utiliza diferentes nombres para las operaciones, el procedimiento general es bastante similar.
Figura 8 JMP: herramienta de clasificación
Todas las operaciones de manipulación de datos que ha realizado en Minitab también podrán realizarse en JMP. Solo se necesitará un poco de práctica para aprender cómo se accede a las herramientas y cómo se especifica la operación deseada en el cuadro de diálogo.
Una herramienta JMP en el menú Tablas (que no está disponible en Minitab) que puede ser bastante útil en un examen inicial de un conjunto de datos es la plataforma Missing Data Pattern. El siguiente ejemplo utiliza un pequeño conjunto de datos, pero encontrará que esta herramienta es más valiosa al examinar grandes conjuntos de datos. La Figura 9 muestra una tabla de datos con cinco variables, 25 filas y 18 valores perdidos.
Figura 9 JMP: Tabla de datos con valores perdidos
La herramienta Patrón de datos perdidos en el menú Tablas resumirá la "falta" en los datos a través de una nueva tabla de datos JMP. La Figura 10 muestra la tabla resultante junto con el diagrama de celda adjunto.
Figura 10 JMP: Patrón de datos faltantes
Esta nueva tabla de datos describe el patrón de datos que faltan en los datos. En particular, hay 15 filas sin valores perdidos; una fila tiene un valor perdido en la variable Y5; cuatro filas tienen un valor faltante en la variable Y3; dos filas tienen un valor perdido en 3 variables: Y3, Y4, Y5, etc. Al resaltar una fila en esta tabla de patrones de datos faltantes, se resaltarán todas esas filas con ese patrón de datos faltantes en la tabla de datos original. Esto le permite ocultar y / o excluir esos datos de análisis futuros, o generar estados de fila, como asignar símbolos únicos para que se muestren en gráficos. Existe una plataforma relacionada llamada Explore Missing Values en el menú Analyze> Screening que ofrece herramientas adicionales para trabajar con datos faltantes, incluidas técnicas estadísticas para encontrar puntos en común entre el patrón faltante en las variables y filas, así como la capacidad de imputar los datos faltantes. reemplazándolos con valores estimados.
Crear nuevas variables
Tanto Minitab como JMP permiten la creación de nuevas variables. Estas nuevas variables pueden ser, por ejemplo, operaciones aritméticas simples que utilizan otras variables en la tabla de datos o un argumento condicional lógico.
Minitab
Las nuevas variables se crean en Minitab a través de la herramienta Calculadora en el menú Calc. La Figura 11 ilustra cómo se creó una nueva variable de texto basada en el valor de la variable 'Contenido de humedad' con los resultados guardados en la Columna C9.
Figura 11 Minitab: Calculadora
JMP
Para crear una nueva variable en JMP, acceda a la herramienta de fórmula para esa nueva columna resaltando una columna y eligiendo Cols> Formula. También se puede acceder haciendo clic derecho en una columna y seleccionando "fórmula" en el menú. En la Figura 12, se utilizó la herramienta de fórmula para crear la misma variable de texto basada en un argumento condicional. Tenga en cuenta que hay una función de vista previa disponible que le permite ver los resultados de aplicar la fórmula a medida que se crea.
Figura 12 JMP: Fórmula
La herramienta de fórmulas de JMP también es donde se pueden crear nuevas variables utilizando una secuencia con patrones, una muestra aleatoria de otras columnas o una distribución de probabilidad especificada. En Minitab, se necesitaría acceder a otras herramientas para generar esos tipos de operaciones.
Filtro de datos y estados de fila
Minitab
Al realizar un análisis en Minitab, se activa una hoja de trabajo que contiene los datos para ese análisis. Si se va a realizar un análisis en un subconjunto de un conjunto de datos principal, lo más probable es que sea necesario crear una nueva hoja de trabajo que contenga solo ese subconjunto de datos. Si se identifican valores atípicos y es necesario excluirlos de análisis futuros, sería necesario crear otra hoja de trabajo nueva sin esos puntos de datos. Como resultado, es típico que uno tenga que administrar muchas hojas de trabajo dentro de un archivo de proyecto.
JMP
También se pueden configurar varias tablas de datos en un archivo de proyecto JMP, como se mostró anteriormente. En cambio, los filtros de datos y las operaciones de estado de fila se pueden utilizar para definir los datos específicos en los que basar un análisis particular, lo que da como resultado que muchos usuarios opten por hacer todos sus análisis desde una tabla de datos. Estos filtros de datos y estados de filas se pueden guardar y acceder a ellos en cualquier momento.
Ilustraremos estos análisis usando el Producción de grano datos.
La Figura 13A muestra la tabla de datos con GeoLocations y C seleccionados. Esto se hizo haciendo clic en el ícono de histograma pequeño en la parte superior izquierda de la tabla de datos para activar el gráfico de encabezado y luego simplemente seleccionando esas ubicaciones geográficas. El gráfico de encabezado es una herramienta conveniente que muestra un resumen de alto nivel de una variable en la parte superior de cada columna (por ejemplo, histogramas y valores mínimos / máximos para las variables continuas, un gráfico de barras para las variables categóricas). La Figura 13B muestra el resultado cuando se selecciona la herramienta Filas> Ocultar y excluir. Cualquier análisis realizado con este estado de fila activo no incluirá las ubicaciones geográficas A y C en los cálculos ni aparecerá en ninguna pantalla gráfica. Otras opciones incluyen el uso de datos seleccionados en cálculos pero que no se muestran en un gráfico (solo ocultar) o mostrar datos en un gráfico pero no se usan en cálculos (solo excluir). Este estado de fila se puede desactivar seleccionando nuevamente Filas> Ocultar y excluir o Filas> Borrar estados de fila.
Figura 13A JMP: Filas seleccionadas
Figura 13B JMP: Ocultar / Excluir
El Filtro de datos globales es otra herramienta útil para definir un subconjunto de datos. Se accede a esta herramienta seleccionando Filas> Archivador de datos. La Figura 14 muestra el filtro de datos abierto con las ubicaciones geográficas B y D seleccionadas. Aquí activamos las casillas de verificación Mostrar e Incluir y luego seleccionamos las ubicaciones geográficas que queremos usar. El filtro de datos puede incluir muchas variables y se pueden utilizar variables categóricas y continuas. Este filtro de datos se puede guardar en la tabla de datos, los estados de las filas se pueden borrar y luego se puede acceder de nuevo en cualquier momento.
Figura 14 JMP: Filtro de datos globales
Se pueden configurar otras características como estados de fila. Por ejemplo, es posible que desee que todos los gráficos producidos en un análisis utilicen diferentes colores para las diferentes ubicaciones geográficas. Esta preferencia se puede configurar a través de Filas> Color o Marcar por columna. La Figura 15 es la tabla de datos resultante con los colores mostrados como estados de fila. Cualquier visualización gráfica creada con este estado de fila activo utilizará este código de color. Esta fila también se puede guardar y acceder a ella en cualquier momento.
Figura 15 JMP: Estado de fila de color
El filtro de datos locales en JMP proporciona otro medio para trabajar con un subconjunto de datos. Este enfoque proporciona una herramienta interactiva en la que ver los resultados del análisis cambian instantáneamente a medida que se eligen diferentes subconjuntos de datos. Se accede al Filtro de datos locales debajo del triángulo rojo superior en una ventana de informe de análisis. La Figura 16 muestra los resultados de un análisis de regresión usando todos los datos (izquierda), luego ese mismo resultado cambia según la selección de solo la ubicación geográfica A del filtro de datos locales. Tenga en cuenta que los puntos de datos están usando el estado de fila de color que habíamos configurado en la Figura 15.
Figura 16 JMP: Filtro de datos locales
Estadísticas descriptivas
Tanto Minitab como JMP pueden calcular estadísticas resumidas que describen características en los datos.
Ilustraremos algunos de estos análisis utilizando el Producción de grano datos.
Minitab
Hay algunas formas de generar estadísticas descriptivas en Minitab (por ejemplo, Mostrar estadísticas descriptivas, Almacenar estadísticas descriptivas y Resumen gráfico en el Menú de estadísticas). También se pueden generar estadísticas descriptivas utilizando la herramienta Tablas, que ilustraremos aquí. La Figura 17 muestra los pasos para calcular la media muestral y la desviación estándar muestral para el rendimiento para cada combinación de ubicación geográfica / año y la tabla resultante.
Figura 17 Minitab: Estadísticas descriptivas a través de la tabla
Si se desean diferentes estadísticos de resumen, o si se van a utilizar diferentes variables categóricas y / o asociadas, se reinicia la herramienta Tablas> Estadísticas descriptivas, se actualiza el cuadro de diálogo y se vuelve a ejecutar el análisis.
JMP
JMP también puede calcular estadísticas descriptivas de diversas formas, incluida la plataforma de distribución, el generador de gráficos, el visor de columnas y fórmulas de columna. De manera similar a lo que se mostró usando Minitab, ilustramos cómo calcular estadísticas de resumen a través de la plataforma Analizar> Tabular.
El lanzamiento de la plataforma Tabulate abre la ventana que se muestra en la Figura 18A. Las variables simplemente se colocan en diferentes roles para crear la tabla. Esas variables se pueden mover para cambiar la forma en que se muestra la tabla. Las variables se pueden eliminar, agregar, calcular nuevas estadísticas, entre otras capacidades, con la actualización de la tabla en el instante en que se realizan esos cambios. Piense en ello como un lienzo en blanco que crea la tabla deseada.
Figura 18A JMP: Estadística descriptiva mediante tabulación
La Figura 18B muestra los pasos para crear la tabla que muestra la media y la desviación estándar del rendimiento para las 6 combinaciones diferentes de año y ubicación geográfica.
Comenzamos colocando el rendimiento en la zona de caída de células resultantes. El valor predeterminado es mostrar la suma (la estadística predeterminada) de esa variable como una sola celda (imagen superior izquierda en la Figura 18B). Nota: Puede optar por mostrar también la desviación media y estándar de forma predeterminada a través de las preferencias (JMP> Preferencias> Plataformas> Tabular).
En este caso, reemplazaremos la suma con la media y la desviación estándar arrastrando esas dos estadísticas de la lista en la parte superior de la celda donde se muestra la suma de palabras. La tabla se actualizará, reemplazando la estadística de suma con la media y la desviación estándar (imagen superior derecha en la Figura 18B).
Las variables categóricas (año y ubicación geográfica) simplemente se colocan en las ubicaciones deseadas. El año se coloca como filas (imagen inferior izquierda en la Figura 18B) y GeoLocation como columnas (imagen inferior derecha).
Figura 18B JMP: Estadística descriptiva mediante tabulación
Esta tabla se puede cambiar fácilmente para crear diferentes vistas moviendo variables a diferentes zonas de colocación. La Figura 18C muestra la tabla resultante cuando la variable GeoLocation se mueve para ser otra variable de fila dentro de Year.
Figura 18C JMP: Estadística descriptiva mediante tabulación
Esta tabla de resumen de estadísticas se puede convertir en una tabla de datos JMP para un análisis más detallado seleccionando Convertir en tabla de datos debajo del triángulo rojo. La figura 18D muestra la tabla de datos resultante.
Figura 18D JMP: Estadísticas descriptivas mediante tabulación: creación de una tabla de datos
Graficar
Minitab y JMP abordan los datos de forma muy diferente; es una de las diferencias más significativas entre los dos software que experimentará un nuevo usuario de JMP.
Ilustraremos algunos de estos análisis utilizando el Producción de grano datos.
Minitab
Para crear una gráfica en Minitab, primero se debe decidir qué gráfica se necesita y luego seleccionarla del menú Gráfica. La Figura 19 muestra una lista de los gráficos disponibles en ese menú.
Figura 19 Minitab: menú Gráfico
Ilustraremos el proceso de creación de una gráfica en Minitab creando una gráfica de dispersión. Cuando se inicia la herramienta de diagrama de dispersión, aparece una pantalla (imagen de la izquierda en la Figura 20A). En ese momento, el usuario debe elegir una de las opciones del diagrama de dispersión. En este ejemplo, se eligió Simple. Luego aparece un cuadro de diálogo para ingresar las variables que se trazarán en los ejes Y y X (imagen de la derecha en la Figura 20A).
Figura 20A Minitab: Diagrama de dispersión
Los botones Escala, Etiquetas, Vista de datos, Gráficos múltiples y Opciones de datos proporcionan opciones adicionales. La Figura 20B muestra el gráfico resultante si no se eligen opciones adicionales.
Figura 20B Minitab: Diagrama de dispersión
Se pueden editar algunos elementos del gráfico (por ejemplo, cambiar el color de los puntos) iniciando la herramienta Editar gráfico en el menú desplegable de la esquina superior derecha.
Para hacer el diagrama de dispersión que se muestra en la Figura 20C que tiene una línea de regresión separada para cada una de las 4 ubicaciones geográficas, sería necesario crear un gráfico completamente nuevo. Esto se haría reiniciando la herramienta Diagrama de dispersión y seleccionando "Con regresión y grupos" en el cuadro de diálogo que se muestra en la Figura 20A.
Figura 20C Minitab: Diagrama de dispersión
Para crear un tipo de gráfico completamente diferente con los mismos datos (por ejemplo, diagramas de caja comparativos, etc.), el usuario volvería al menú Gráfico, lanzaría esas herramientas de gráficos específicas y especificaría las opciones apropiadas. Cada iteración de la exploración de los datos gráficamente normalmente requiere este enfoque hasta que se produce el gráfico deseado.
JMP
JMP se acerca a la creación de gráficos de manera muy diferente a Minitab. Aunque existen herramientas para crear gráficos en todas las plataformas de análisis en JMP, ilustraremos la creación de visualizaciones a través de la poderosa plataforma Graph Builder. Esta herramienta ha sido diseñada para coincidir con la forma típica en la que se explorarían y analizarían los datos en la práctica. Al iniciar la plataforma Graph Builder (Graph> Graph Builder), la visualización comienza con lo que se puede considerar un lienzo en blanco y una paleta de gráficos (Figura 21A).
Figura 21A JMP: Generador de gráficos
Se crea un gráfico colocando variables en diferentes roles y seleccionando la visualización gráfica deseada. Por ejemplo, si la variable Contenido de humedad se coloca en la zona Y, JMP comenzará mostrando un diagrama de puntos (Figura 21B).
Figura 21B JMP: Generador de gráficos - Diagrama de puntos
Si en lugar de un diagrama de puntos, se desea un gráfico diferente (por ejemplo, diagrama de caja), simplemente seleccione esa opción de la paleta de gráficos en la parte superior y el gráfico cambia instantáneamente. La Figura 21C muestra un gráfico en el que se seleccionaron tanto un diagrama de puntos como un diagrama de caja.
Figura 21C JMP: Graph Builder - Dotplot y Boxplot
Si se deja caer otra variable continua en la zona X, JMP cambiará automáticamente el gráfico a un diagrama de dispersión. La Figura 21D muestra un ejemplo de un gráfico de este tipo con una línea de regresión incluida.
Figura 21D JMP: Generador de gráficos - Diagrama de dispersión con línea de regresión
Para cada tipo de gráfico seleccionado, las herramientas y opciones se muestran a la izquierda para modificar o aumentar el gráfico aún más. Por ejemplo, la ecuación, el intervalo de confianza del 95% y el valor RSquared se agregaron al gráfico.
Cada uno de estos gráficos creados durante este proceso se puede guardar en la tabla de datos si se desea. Alternativamente, el analista puede continuar explorando visualmente los datos. La Figura 21E muestra cómo cambiaría el gráfico si la variable GeoLocation se colocara en la zona de colocación Wrap.
Figura 21E JMP: Generador de gráficos: diagramas de dispersión individuales con líneas de regresión
Si GeoLocation se moviera de la zona de colocación Wrap a la zona de colocación Overlay, y la opción para mostrar la ecuación y RSquared estuvieran desactivadas, el gráfico cambiaría al que se muestra en la Figura 21F.
Figura 21F JMP: Generador de gráficos - Diagrama de dispersión con líneas de regresión superpuestas
Al hacer flotar el cursor sobre uno de los ejes, el puntero cambia a un símbolo de mano, lo que permite una forma sencilla de mover y / o cambiar la escala de los ejes. Al hacer doble clic en un eje, aparece un conjunto de herramientas para alterar aún más el gráfico, como cambiar de una escala lineal a una escala logarítmica, por ejemplo.
Al hacer clic con el botón derecho en el gráfico, aparece un menú de herramientas adicionales para modificar la visualización, como cambiar los colores y símbolos utilizados.
Este proceso ilustra la diferencia fundamental en la forma en que cada software se acerca a los análisis gráficos. En Minitab, los tipos de gráficos se eligen y las opciones se seleccionan sin ver qué harán esas opciones. En JMP, crea gráficos de forma interactiva viendo cómo cambiaría cada elección y mejoraría el gráfico. Esto da como resultado una exploración de datos mucho más eficiente y rica, lo que le permite generar rápidamente una miríada de gráficos para descubrir características en los datos y crear las visualizaciones que comuniquen mejor sus hallazgos.
Dos herramientas muy poderosas que pueden mejorar en gran medida la exploración visual de datos son el filtro de datos local y el conmutador de columnas de JMP. Ilustrado con el Experimento publicitario datos.
Con los datos vinculados dinámicamente de JMP, se pueden cambiar nuevas variables y / o filtrar los datos, y el gráfico se actualizará instantáneamente para reflejar esos cambios. La Figura 22 muestra un gráfico de puntos comparativo para la variable WS1 con intervalos de confianza del 95% para cuatro categorías diferentes de la variable Estilo de anuncio. El selector de columnas, que se ve en la parte superior izquierda, se configuró para que el analista pueda simplemente seleccionar (o reproducir) otras 9 posibles variables de resultado para mostrar en el eje Y. El Filtro de datos locales también se configuró utilizando los factores explicativos Promoción (tres niveles) y Periodo de tiempo (10 niveles). El analista puede subdividir los datos por estas variables. Para cada selección, el gráfico se actualizará instantáneamente para mostrar la variable seleccionada para el eje Y e incluir solo los datos elegidos con el Filtro de datos locales. En Minitab, se tendría que crear una nueva gráfica por separado para cada combinación posible de estas variables.
Figura 22 JMP: Conmutador de columnas y filtro de datos locales
JMP contiene muchas herramientas gráficas que actualmente no están disponibles en Minitab. Éstos amplían enormemente su capacidad para explorar y presentar datos. La Figura 23A-J muestra algunas de estas visualizaciones.
Figura 23A JMP: Graflet flotante
Figura 23B JMP: Etiquetas de imagen
Figura 23C JMP: Mapas geográficos
Figura 23D JMP: Gráfico de burbujas de movimiento
Figura 23E JMP: Mapa de colores de correlación
Figura 23F JMP: Mapas de calor basados en formas
Figura 23G JMP: Gráfico de contorno de densidad
Figura 23H JMP: Nube de palabras
Figura 23I JMP: Histogramas comparativos
Figura 23J JMP: Gráficos paralelos escalados
Figura 23K JMP: Gráfico de mosaico
Figura 23L JMP: Ajuste funcional no lineal
Análisis univariados
Minitab y JMP abordan la ejecución de análisis estadísticos de forma muy diferente. Pasaremos por el análisis de una única variable continua para cada software para demostrar estas diferencias.
Ilustraremos estos análisis usando el Producción de yogur datos.
Minitab
En Minitab, la herramienta Resumen gráfico es una forma útil de analizar una sola variable. Para ejecutar este análisis, seleccione esta herramienta en el menú Estadísticas. Aparece un cuadro de diálogo para seleccionar la variable sobre la cual realizar el análisis. La Figura 24A muestra los pasos para ejecutar el análisis y 24B muestra la salida resultante. La curva de distribución normal que se muestra en el gráfico es la única distribución que se puede mostrar en esta salida. El uso de otras distribuciones de probabilidad requeriría una herramienta diferente en Minitab.
Figura 24A Minitab: Resumen gráfico
Figura 24B Minitab: Resumen gráfico
Si se desearan estadísticas diferentes a las mostradas, se necesitaría iniciar una herramienta diferente (Estadísticas> Estadísticas básicas> Mostrar estadísticas descriptivas) y seleccionar esas opciones. Ahora se muestran los pasos y la salida.
El resumen gráfico muestra los resultados de la prueba de normalidad de Anderson-Darling. Si desea examinar una gráfica de probabilidad y / o una gráfica de función de distribución acumulativa empírica para acompañar la prueba, deberá hacerlo utilizando dos herramientas adicionales diferentes (Estadísticas> Estadísticas básicas> Prueba de normalidad y Gráfica> CDF empírica). El procedimiento es similar a ejecutar cualquier otro análisis. Aparece un cuadro de diálogo al iniciar la herramienta para que el usuario especifique la variable sobre la que ejecutar el análisis y seleccione las opciones. La Figura 25A muestra los pasos para ejecutar el análisis de la prueba de normalidad y 25B muestra la salida resultante.
Figura 25A Minitab: prueba de normalidad
Figura 25B Minitab: prueba de normalidad
Para crear el gráfico CDF, se lanzaría una herramienta diferente (Gráfico> CDF empírico) y se ejecutaría el análisis (ahora se muestran los pasos y la salida).
Si, por ejemplo, la distribución normal no fue un buen modelo para usar para una variable, es posible que sea necesario evaluar otras distribuciones. Esta evaluación se realiza en una herramienta diferente (Estadísticas> Herramientas de calidad> Identificación de distribución individual) (los pasos y el resultado no se muestran).
Digamos que el siguiente paso en el análisis es realizar una prueba de hipótesis para la media de la población. Para hacerlo, sería necesario acceder a otra herramienta (Estadísticas> Estadísticas básicas> t de 1 muestra) (los pasos y la salida no se muestran). Para realizar una prueba de hipótesis con respecto a la varianza, este mismo procedimiento de usar una nueva herramienta (Estadísticas> Estadísticas básicas> 1 varianza)
Otros análisis comunes para analizar una sola variable continua son: Prueba de equivalencia, Intervalo de tolerancia, Intervalo de predicción, Análisis de capacidad, entre otros. Cada uno requeriría una herramienta diferente en Minitab y cada uno produciría un resultado por separado. Actualmente, Minitab no tiene la capacidad de producir un intervalo de predicción, por lo que esto en realidad requeriría la creación manual de una fórmula.
JMP
JMP aborda los análisis univariados de manera muy diferente y está más alineado con el flujo de trabajo natural de explorar y analizar datos. JMP tiene una única plataforma (Analizar> Distribución) que puede realizar todos los análisis mencionados en la sección anterior. Se accede a la plataforma seleccionándola de un menú y completando un cuadro de diálogo, como se muestra en la Figura 26A. La Figura 26B muestra la salida inicial.
Figura 26A JMP: Distribución
Figura 26B JMP: Distribución
La salida inicial proporciona una visualización gráfica y numérica de los datos, incluido un histograma, diagrama de caja, resumen de estadísticas y un intervalo de confianza para la media. Hacer clic en el triángulo rojo en la parte superior de la tabla de resumen de estadísticas brinda acceso a un conjunto de herramientas para cambiar las estadísticas que se muestran.
Todos los análisis mencionados, entre muchos otros, se pueden realizar desde esta ventana de informe. Se accede a todos ellos a través del triángulo rojo junto al nombre de la variable. Estos menús contextuales le proporcionan un conjunto de análisis que sería el siguiente que considerar en su flujo de trabajo de análisis. La Figura 27 muestra ese menú junto con el análisis de Ajuste continuo> Normal seleccionado.
Figura 27 JMP: Distribución
Las figuras 28A a 28K muestran los resultados del ajuste continuo y todos los demás análisis univariados realizados en estos datos con cada nuevo conjunto de resultados agregado a la ventana de un informe, lo que permite una fácil comparación.
Figura 28A JMP: Gráfico de cuantiles y ajuste de distribución
Figura 28B JMP: bondad de ajuste
Figura 28C JMP: Gráfico de CDF
Figura 28D JMP: Perfilador de distribución interactivo
Figura 28E JMP: Generador de perfiles de cuantiles interactivo
Figura 28F JMP: Media de prueba
Figura 28G JMP: Prueba de desviación estándar
Figura 28H JMP: Intervalo de predicción
Figura 28I JMP: intervalo de tolerancia
Figura 28J JMP: Prueba de equivalencia
Figura 28K JMP: Análisis de capacidad
Hay disponibles herramientas interactivas adicionales que brindan un nivel adicional de capacidades de análisis a través de escenarios hipotéticos. Las Figuras 29A - 29C muestran tres de estos (animación de valor p, animación de potencia y animación de capacidad). Además de ayudar a comprender mejor el proceso que se está estudiando, estas herramientas interactivas brindan una excelente manera de comprender o enseñar conceptos estadísticos.
Figura 29A JMP: Animación del valor p
Figura 29B JMP: Animación de energía
Figura 29C JMP: Gráfico de capacidad interactiva
El filtro de datos local y el selector de columnas también están disponibles en este informe interactivo. La Figura 30 muestra el conmutador de columnas configurado para las 7 líneas de producción y el filtro de datos local configurado para el número de lote. Ahora puede elegir la línea de producción y los lotes para incluir en el análisis y toda la salida numérica y gráfica se actualiza instantáneamente. Con Minitab, cada variable de resultado y / o subconjunto de los datos que uno desea analizar requeriría volver a ejecutar todos y cada uno de los análisis en todas las diversas herramientas, creando una cantidad sustancial de informes para administrar.
Figura 30 JMP: Conmutador de columnas y filtro de datos locales
Guardar y compartir resultados
Minitab
Cada vez que se realiza un análisis en Minitab, la salida se colocará en el panel Navegador como un elemento separado. Al guardar el archivo de proyecto, se guardarán todos esos elementos de salida junto con todas las hojas de trabajo en el archivo de proyecto. La salida individual también puede guardarse como un archivo de imagen (por ejemplo, .png, .jpg) y colocarse en otras aplicaciones.
JMP
Hay muchas formas de guardar los resultados de sus análisis en JMP. Estos incluyen guardar como un archivo .html interactivo, en un archivo JMP Journal, como un archivo de imagen colocado en otras aplicaciones, e incluso publicado en un panel de control privado seguro a través de. JMP Live brinda la capacidad de ver e interactuar con informes fuera de JMP. Ilustraremos cómo guardar informes como un script en la tabla de datos, ya que es la forma más común de guardar su trabajo de análisis.
Desde dentro de un informe, elija Guardar secuencia de comandos> En tabla de datos debajo del Triángulo rojo en la parte superior izquierda de la ventana del informe (Figura 31A).
Figura 31A JMP: Guardar un script en la tabla de datos
Los scripts guardados aparecerán en el panel superior izquierdo de la ventana del archivo de datos (Figura 31B).
Figura 31B JMP: Scripts guardados
Al hacer clic en el triángulo verde, se volverá a ejecutar la secuencia de comandos guardada para realizar todos los análisis asociados con ese informe. Esto le permite volver a ejecutar un conjunto completo de análisis en un conjunto de datos modificado (por ejemplo, eliminar / agregar datos, recodificar valores, crear subconjuntos a través del filtro de datos global, nuevos estados de fila). Los scripts pueden reordenarse en el panel o agruparse para ayudar en la gestión de su trabajo de análisis.
Análisis de un factor
Tanto Minitab como JMP tienen herramientas para realizar análisis de un factor (p. Ej., Análisis lineal simple
regresión, regresión logística simple, ANOVA de una vía y prueba de chi-cuadrado para
comparando proporciones). De manera similar a los análisis univariados, abordan cómo el
los análisis se realizan de manera muy diferente.
Ilustraremos algunos de estos análisis utilizando los datos de producción de tabletas.
Minitab
Al realizar un análisis de un factor en Minitab, se lanza la herramienta adecuada (Estadísticas> Regresión> Gráfica de línea ajustada, por ejemplo). Las variables apropiadas se especifican dentro del cuadro de diálogo y se eligen otras opciones. La salida se genera y se coloca en la ventana de salida. Considere al examinar el resultado de una regresión lineal simple, por ejemplo, se desea agregar un intervalo de confianza al gráfico, o examinar gráficos de residuos, o quizás se desea cambiar la escala de una de las variables de lineal a logarítmica o quizás use una respuesta diferente o una variable predictora todos juntos. La herramienta de trazado de líneas ajustadas tendría que reiniciarse, cambiar las opciones y luego crear un nuevo conjunto de resultados. Cada conjunto de resultados en Minitab es principalmente estático, lo que permite solo algunas alteraciones.
Los diferentes análisis de un factor (por ejemplo, regresión logística, ANOVA, prueba de chi-cuadrado) requieren el uso de otras herramientas.
JMP
En JMP, todos los análisis de un factor se realizan desde una plataforma, Analizar> Ajustar Y por X.La Figura 32A muestra el cuadro de diálogo para esta plataforma. Cuando se elige Y, Variable de respuesta y X, Factor, JMP determina automáticamente el análisis correcto.
Para ilustrar cómo JMP puede realizar múltiples análisis simultáneamente, hemos elegido dos variables para Y, Respuesta (Disolución, una variable continua; Aceptación del lote, una variable binaria) y dos variables para el Factor (Tamaño de partícula API, una variable categórica con tres niveles; Mill Time, una variable continua).
JMP creará cuatro análisis diferentes:
- ANOVA unidireccional para disolución frente a tamaño de partícula API.
- Regresión lineal simple para disolución vs tiempo de molienda.
- Análisis de la tabla de contingencia para la aceptación del lote frente al tamaño de partícula API.
- Regresión logística simple para la aceptación del lote frente al tiempo de molienda
Figura 32A JMP: Ajustar Y por X
Como en muchas otras plataformas en JMP, Fit Y by X tiene la capacidad para que el análisis incluya una Por variable categórica, ejecutando un análisis separado para cada nivel de esa variable. Los modelos también se pueden ajustar asignando valores ponderados para las observaciones. La plataforma también se puede utilizar en datos que se encuentran en formato de frecuencia / tabla resumido.
El resultado inicial de estos cuatro análisis se muestra en la Figura 32B. Nota: Los estados de las filas se establecieron de modo que los lotes que cumplan con la especificación de disolución ≥70 tengan un código de color verde y los <70 tengan un código de color rojo.
Junto a cada análisis hay un triángulo rojo que revela un menú contextual con las herramientas que JMP recomienda como posibles pasos siguientes en el análisis general. Como se realizan cuatro técnicas de análisis estadístico diferentes, hay cuatro conjuntos diferentes de herramientas en cada menú. La Figura 33 muestra cada uno de estos menús contextuales. Ahora está listo para elegir el siguiente paso en el flujo de trabajo de análisis. Cada análisis posterior produce otro conjunto de resultados agregado al informe con un nuevo punto de acceso de triángulo rojo que proporciona opciones adicionales.
Figura 32B JMP: Informe de ajuste Y por X
Figura 33 JMP: Ajustar menús contextuales Y por X
Para ilustrar cómo podría desarrollarse un análisis en la plataforma Ajustar Y por X, se seleccionó la opción Ajustar línea debajo del triángulo rojo para el Ajuste bivariado de disolución por tiempo de molienda. La Figura 34 muestra la salida que ahora se agrega al informe en función de esa selección.
Figura 34 JMP: Ajuste de regresión lineal
Observe que ha aparecido un nuevo punto caliente de triángulo rojo junto al ajuste lineal elegido. La Figura 35 muestra las opciones disponibles en ese menú contextual. Aquí ves la opción de agregar intervalos de confianza o predicción al gráfico, crear gráficos de residuos, guardar valores en la tabla de datos, entre otros.
Figura 35 JMP: Menús contextuales de ajuste lineal
Como se muestra en el menú Ajuste bivariante de la Figura 33, se pueden ajustar y comparar otros modelos. Por ejemplo: polinomios, splines, densidades ortogonales, no paramétricas y regresión robusta. Las transformaciones están disponibles en Fit Special. La Figura 36 muestra esas opciones.
Figura 36 JMP: Transformación
Cada ajuste de modelo que se está considerando puede agregarse o eliminarse del informe a medida que explora y compara diferentes opciones de modelo para encontrar el mejor para los datos. La Figura 37 muestra la pantalla con un ajuste cuadrático y densidad no paramétrica agregada.
Figura 37 JMP: Comparación de modelos
Se puede acceder al filtro de datos local y al selector de columnas si desea cambiar las variables utilizadas o seleccionar un subconjunto de los datos para basar los análisis. Toda la salida se actualizará instantáneamente para reflejar esas opciones. No es necesario crear un subconjunto de los datos en una nueva tabla de datos y volver a ejecutar el análisis tal como está con Minitab.
Como ilustra nuevamente este ejemplo, analizar datos en JMP es mucho más que simplemente realizar una técnica estadística particular en un conjunto de datos y observar una colección estática de resultados. Las plataformas están diseñadas para seguir un flujo de trabajo de análisis natural alineado con la forma en que analizaría los datos en la práctica. Usted explora, interactúa con los datos y los resultados, cambia las variables, filtra los datos, prueba diferentes opciones de modelo, y cada resultado conduce al siguiente paso lógico en una secuencia de pasos de análisis.
Modelos estadísticos multivariables
La construcción de modelos estadísticos que involucran muchas variables es probablemente el tipo de análisis más poderoso y más necesario. Generalmente hay cuatro propósitos para construir estos modelos:
- Para probar hipótesis específicas.
Ejemplo: ¿El tratamiento farmacológico A reduce la tasa de recuperación en al menos un 15% para los hombres mayores de 70 años en comparación con un placebo? ¿El efecto es el mismo para las mujeres?
- Encontrar las pocas variables entre muchas que están más correlacionadas con un resultado.
Ejemplo: ¿Cuáles son las condiciones socioeconómicas clave más correlacionadas con resultados de salud deficientes para una comunidad?
- Describir cuantitativamente las relaciones entre variables.
Ejemplo : ¿Cuánto disminuye la viscosidad de una solución cuando la temperatura de procesamiento aumenta en 5 0 C y el tiempo de procesamiento aumenta en 10 minutos?
- Cree un método para predecir un resultado.
Ejemplo: ¿Cuál es la probabilidad de que un cliente esté interesado en conocer un nuevo programa de refinanciamiento de hipotecas basado en las características del cliente y su hipoteca actual?
El objetivo principal de un modelo puede ser solo uno de estos, algunos o incluso todos. La técnica de modelado elegida suele depender de cuál de estos objetivos es más importante.
Minitab
Minitab v19 tiene tres técnicas de modelado multivariable:
· Modelos lineales generalizados (por ejemplo, ANOVA, regresión lineal, regresión logística)
· Árboles de clasificación y regresión
· Análisis discriminante
De manera similar a realizar un análisis de un factor, la construcción de un modelo estadístico multivariable requiere primero elegir un tipo de modelado apropiado para la situación (Estadísticas> ANOVA> Modelo lineal general, por ejemplo). Dentro del cuadro de diálogo, el usuario especifica las variables que se incluirán y cualquier otra opción relevante.
La salida se genera al ejecutar el análisis y se coloca en la ventana de salida. En el proceso de construcción de un modelo estadístico, un analista normalmente necesita ajustar muchos modelos diferentes, y cada uno incluye un conjunto diferente de variables y términos del modelo hasta que se determina un modelo final. Si se decide eliminar una variable o término del modelo, se vuelve a abrir el cuadro de diálogo, se realizan los cambios y se vuelve a ejecutar el análisis. Cada posible modelo considerado debe ejecutarse por separado, cada uno de los cuales produce un conjunto diferente de resultados. Como ocurre con la mayoría de los resultados de análisis en Minitab, la salida numérica y gráfica es principalmente estática con solo unas pocas opciones para realizar cambios. Si se desea eliminar algunas observaciones de los datos, por ejemplo, se debe crear una nueva hoja de trabajo y todos los modelos se ejecutan nuevamente.
JMP y JMP Pro
JMP y JMP Pro v16 tienen las siguientes técnicas de modelado multivariable junto con muchas variantes dentro de cada una.
· Modelos lineales generalizados (por ejemplo, ANOVA, regresión lineal, regresión logística)
· Partición (árbol de decisión)
· Red neuronal
· Análisis discriminante
· Bosque Bootstrap *
· Árboles potenciados *
· K Vecinos más cercanos *
· Bayes ingenuo *
· Máquinas de vectores de soporte *
* Solo JMP Pro
Hay otras técnicas de modelado en JMP y JMP Pro más allá de estas. Por lo general, se utilizan para aplicaciones más especializadas frente a fines de modelado general y, por lo tanto, no se enumeran anteriormente (por ejemplo, modelos de ecuaciones estructurales en ciencias sociales; Uplift, Choice y MaxDiff para investigación de consumidores; Explorador de datos funcionales para modelar datos que son funciones, señales o serie).
Cada una de las plataformas de modelado de JMP también tiene muchas opciones con respecto a los métodos de estimación y las especificaciones de ajuste del modelo. Estos brindan la capacidad de generar aún más modelos para considerar y permitir mayores capacidades en el manejo de situaciones complejas (por ejemplo, mínimos cuadrados ponderados, regresión penalizada, falta informativa, validación cruzada de K-Fold, por nombrar algunos).
Ilustraremos el proceso de construcción del modelo en JMP Pro ajustando un modelo de regresión logística usando el Alcance de refinanciamiento hipotecario datos.
Modelo de regresión logística:
En JMP, todos los modelos lineales se crean utilizando la plataforma Ajustar modelo en el menú Analizar. Esta plataforma le permite elegir entre una variedad de formas de modelos y técnicas de ajuste de modelos seleccionando la opción deseada en el menú desplegable Personalidad. La Figura 38 muestra las opciones disponibles en JMP (izquierda) y JMP Pro (derecha).
Figura 38 JMP y JMP Pro: Modelo de ajuste: personalidades
La Figura 39A muestra el cuadro de diálogo para la plataforma Ajustar modelo con la variable de resultado y los términos del modelo agregados. Aquí estamos ajustando un modelo de efectos principales solamente. Está disponible la opción de incluir términos de interacción, efectos cuadráticos, términos de definición como: (cruzado o anidado) y (fijo o aleatorio). También hemos incluido una columna de validación. Esta columna ha asignado aleatoriamente los datos en: 75% de entrenamiento y 25% de validación. JMP utilizará solo los datos de entrenamiento para ajustarse al modelo. Los datos de validación se utilizarán para evaluar la capacidad predictiva del modelo ajustado. Este enfoque puede ayudar a evitar el resultado no deseado de un modelo que sobreajuste los datos.
Figura 39A JMP Pro: Modo de ajuste
Al ejecutar el análisis, JMP producirá el informe de regresión logística nominal.
Como en todos los resultados de análisis de JMP, es mejor pensar en un informe como una plataforma interactiva frente a un resultado estático. Por ejemplo, los términos del modelo se pueden eliminar del modelo ajustado sin necesidad de volver al cuadro de diálogo Ajustar modelo, realizar los cambios y volver a ejecutar el análisis. La Figura 39B muestra la tabla Resumen de efectos del informe con la variable Edad seleccionado.
Figura 39B JMP Pro: Modelo de ajuste - Resumen de efectos para regresión logística nominal
La Figura 40 muestra las opciones que están disponibles debajo del triángulo rojo superior.
Figura 40 JMP Pro: Ajustar modelo: menú contextual en el informe de regresión logística nominal
La Figura 41A - 41D muestra algunos de los tipos comunes de salida que se examinan al construir un modelo de regresión logística agregado al informe.
Figura 41A JMP Pro: Modelo de ajuste - Matriz de confusión en el informe de regresión logística nominal
Figura 41B JMP Pro: Modelo de ajuste - Curva ROC en el informe de regresión logística nominal
Figura 41C JMP Pro: Modelo de ajuste: curva de elevación en el informe de regresión logística nominal
Figura 41D JMP Pro: Ajustar modelo - Generador de perfiles en el informe de regresión logística nominal
Cuando el objetivo principal de un modelo estadístico es solo para la predicción y no es necesario que la ecuación tenga una forma simple con coeficientes interpretables, se deben explorar otros modelos más complejos. JMP Pro tiene una plataforma muy poderosa llamada Model Screening que se ajustará a muchos modelos diferentes utilizando varias técnicas que presentan el resultado en un solo informe. La Figura 42 muestra el cuadro de diálogo para esa plataforma con las variables asignadas a sus roles y un conjunto de tipos de modelos seleccionados.
Figura 42 JMP Pro: Selección de modelos
La Figura 43 muestra algunos de los resultados resumidos producidos en el informe, lo que le permite ver y comparar fácilmente el rendimiento del modelo. Tenga en cuenta que el modelo de red neuronal impulsada tiene la tasa de error general más baja en los datos de validación (16,0%) con la regresión logística nominal en 19,2%.
La Figura 44 muestra la herramienta Umbral de decisión, que puede ser importante evaluar al predecir un resultado categórico como lo estamos haciendo aquí. Esta herramienta proporciona un medio interactivo para evaluar cómo cambian las tasas de error para cada modelo al considerar diferentes valores de umbral de probabilidad.
Cada una de las plataformas modelo se puede lanzar desde este informe, proporcionando acceso al conjunto completo de herramientas disponibles para cada una.
Figura 43 JMP Pro: Análisis del modelo - Resumen del modelo
Figura 44 JMP Pro: Análisis del modelo: umbral de decisión
Conclusión
Tanto Minitab como JMP ofrecen a los usuarios un entorno de apuntar y hacer clic fácil de usar para analizar datos. Aunque ambos contienen muchas de las mismas técnicas estadísticas, puede acceder a ellas y utilizarlas de diferentes maneras. Por ejemplo: la mayoría de los análisis univariados en JMP se realizan dentro de la plataforma de Distribución, mientras que en Minitab, se utilizan muchas herramientas diferentes según el tipo de datos específico que se analiza y la técnica estadística que se elige. En JMP, la salida de cada análisis univariado se puede agregar a la misma ventana de informe.
Como se ilustró en esta guía de transición, las tablas de datos, los gráficos y los informes están vinculados dinámicamente en JMP, lo que le proporciona un entorno más interactivo para explorar y analizar los datos. Esta capacidad le permite realizar un conjunto completo de análisis en varios subconjuntos de datos utilizando solo una tabla de datos y un conjunto de informes de análisis. Por el contrario, una sesión de análisis típica en Minitab requiere que administre muchas hojas de trabajo diferentes y una gran colección de resultados de análisis.
El enfoque de JMP para explorar datos visualmente a través del generador de gráficos es un paradigma muy diferente de cómo Minitab se acerca a los datos gráficos. Como demostramos en la guía, Graph Builder de JMP le permite ver cómo cada opción que está considerando cambia la visualización, proporcionándole una forma dinámica de descubrir características y patrones en los datos.
Visitar jmp.com para conocer más sobre las capacidades de JMP y encontrar recursos de aprendizaje como libros, seminarios web, informes técnicos, cursos, entre otros.
Sobre el Autor
