Il software statistico di facile utilizzo è diventato uno strumento essenziale in quasi tutte le aziende poiché sempre più aziende cercano che i propri dipendenti basino le decisioni sui dati. Le analisi statistiche complete, la creazione di sofisticati modelli descrittivi e predittivi e l'estrazione di dati per scoprire approfondimenti 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 sostanziale aumento 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 verso JMP. L'attenzione è rivolta all'interfaccia utente, alla modalità di accesso agli strumenti, alla modalità di esecuzione delle analisi e al 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 informatico per supportare corsi introduttivi di statistica. Minitab v19, rilasciato a giugno 2020, è la versione descritta in questo white paper.
JMP e JMP Pro sono anch'essi 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, rilasciate a marzo 2021, sono le versioni descritte 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. Visita www.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 che i propri dipendenti basino le decisioni sui dati. Le analisi statistiche complete, la creazione di sofisticati modelli descrittivi e predittivi e l'estrazione di dati per scoprire approfondimenti 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 sostanziale aumento 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. Verranno illustrate le differenze tra i due con l'obiettivo di facilitare la transizione a JMP per gli utenti esperti di Minitab. L'attenzione è rivolta all'interfaccia utente, alla modalità di accesso agli strumenti, alla modalità di esecuzione delle analisi e al 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 informatico per supportare 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 anch'essi 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, rilasciate a marzo 2021, sono le versioni descritte 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. Visita 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 saperlo.
1. Output dell'analisi interattiva. Quando si esegue un'analisi in JMP, l'output viene presentato in una finestra interattiva. Tutti gli output di analisi creati, inclusi quelli creati su piattaforme diverse, sono collegati dinamicamente tra loro e alla tabella dati. Ciò consente all'utente di interagire direttamente con l'output dell'analisi. Modifiche come la rimozione/aggiunta di variabili a un modello, l'inversione del ruolo di una variabile e il sottoinsieme dei dati possono essere eseguite direttamente dall'output dell'analisi senza la necessità di eseguire nuovamente 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 le 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 correlati 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 dell'analisi.
Minitab esegue le analisi in una modalità batch più tradizionale, con l'utente che spesso deve decidere quale analisi eseguire completamente separata dalla visualizzazione delle caratteristiche nei dati. Quando si seleziona uno strumento, si apre una finestra di dialogo. Alle variabili vengono assegnati i ruoli e vengono scelte le opzioni. L'esecuzione dell'analisi produce un set di output tipicamente statico. Il passaggio successivo in un tipico flusso di lavoro di analisi richiede spesso l'avvio di un nuovo strumento che richiede un altro ciclo di specifica 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 tali dati, di solito è necessario eseguire un'operazione (ad esempio, Sottoinsieme, Dividi foglio di lavoro, ecc.) per creare un nuovo foglio di lavoro. Se vengono scoperti valori anomali e l'analista desidera vedere i risultati senza quei punti dati, in genere è necessario creare un altro nuovo foglio di lavoro ed eseguire nuovamente l'analisi. Ciò richiede la necessità di gestire molti fogli di lavoro in una tipica sessione di analisi.
Sebbene sia anche possibile lavorare con più tabelle di dati in JMP, spesso può essere più semplice utilizzare i filtri di dati e le operazioni sullo stato delle righe 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 sui 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, un modello di regressione lineare può essere creato 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 chiave 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 ciascun livello di tale 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 di eseguire quell'analisi 10 volte separate.
Le piattaforme JMP consentono inoltre di eseguire insieme un gran numero di singole analisi semplicemente selezionando tutte le variabili e i fattori di risposta. Ad esempio, se si desidera eseguire ogni possibile analisi fattoriale per tre diverse variabili di risposta e cinque diversi fattori esplicativi, tutte le 3x5=15 diverse analisi possono essere eseguite in un unico passaggio, comprese 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 di eseguire ciascuna di queste analisi separatamente utilizzando strumenti diversi.
JMP dispone di piattaforme uniche progettate per l'esecuzione di 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 delle capacità individuali, verranno creati grafici unici 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 le 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 diverse variabili di risposta e un unico fattore esplicativo. È possibile eseguire un'analisi di screening della risposta risultante in 1.000 ANOVA unidirezionali separati. I risultati (regolati statisticamente in base al numero di analisi) vengono visualizzati insieme utilizzando un set personalizzato 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 attualmente ha la capacità di integrarsi esclusivamente con Python, ma non con SAS, R o MATLAB.
6. Pubblicazione dei report. Sia Minitab che JMP dispongono di strumenti per esportare e salvare report al di fuori del software (ad esempio, .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 man mano che i dati ei modelli cambiano.
7. Tecniche di analisi statistica. Sebbene entrambi i software contengano molti degli strumenti di analisi statistica più comuni, 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. Inoltre, JMP dispone in genere di più opzioni e capacità all'interno di una particolare tecnica di analisi statistica. Visita 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 può notare per la prima volta quando impara 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 (ovvero tabelle di dati). La figura 1 mostra un esempio di file di progetto Minitab contenente quattro fogli di lavoro. Il display è suddiviso in tre riquadri. Il riquadro in basso a destra mostra il foglio di lavoro attivo (Full 4 Data) 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 della resa e del contenuto di umidità, … , Foglio di lavoro suddiviso). Il riquadro in alto a destra è la finestra di output che mostra il particolare output dell'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 vista Dati e output.
Figure 1 Minitab: Project FileFigura 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, è necessario creare un nuovo foglio di lavoro dal foglio di lavoro principale. Qui sono stati creati un set di fogli di lavoro, uno per ciascuna delle quattro GeoLocations (A, B, C e D) utilizzando il comando Dati>Split Worksheet. Per eseguire un'analisi solo su una delle GeoLocation, 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. Per prima cosa, diamo un'occhiata a come funzionano i file delle tabelle di dati di JMP poiché molti utenti scelgono di lavorare da quel tipo di file. I file delle tabelle di 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 dei dati è a destra, il Riquadro delle righe è in basso a sinistra e fornisce un riepilogo delle righe nella tabella dei dati, incluso il numero di righe che sono state selezionate, escluse o nascoste. Il riquadro delle colonne al centro a sinistra visualizza 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, colonne o 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 degli strumenti e delle operazioni che possono essere eseguite sulle colonne è disponibile nel menu Cols o facendo clic con il pulsante destro del mouse su una colonna nella tabella dati.
Figure 2 JMP: Data TableFigura 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 una tabella dati anagrafica in questo modo ti permette di eseguire tutte le analisi desiderate senza dover creare e gestire più tabelle dati, come invece è richiesto in Minitab.
File di progetto JMP
I file di progetto JMP 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) 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 dati JMP e altri file non JMP (ad es. .xls, .csv, .doc. .ppt, .jpg, ecc.). Qui abbiamo una cartella, due tabelle di 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 di JMP insieme a un rapporto di analisi associato a uno script in una delle tabelle di dati di JMP.
Sulla destra è organizzata una raccolta di finestre a schede, una per ciascuno degli elementi elencati nel riquadro Area di lavoro. Qui abbiamo una delle tabelle di dati come finestra attiva. Dovresti riconoscerlo come la tabella di dati JMP mostrata nella Figura 2.
Figure 3A JMP: Project FileFigura 3A JMP: file di progetto
Ciascuno dei riquadri, comprese le schede, può essere spostato per riconfigurare il display nella vista desiderata.
La Figura 3B mostra un esempio del progetto con le schede disposte in modo che le due tabelle di dati JMP e il diario siano posizionati direttamente a destra dei riquadri Area di lavoro e Contenuto con uno di essi selezionato per essere visualizzato. Sul lato destro ci sono due report di analisi organizzati uno sopra l'altro.
Figure 3B JMP: Project FileFigura 3B JMP: file di progetto
Questo ambiente configurabile a schede offre all'utente la flessibilità di rivelare, nascondere e visualizzare i contenuti del file di progetto nel modo migliore per la situazione.
I file di progetto possono essere condivisi e tutti i contenuti, compresi i file non JMP, verranno inclusi.
Visita jmp.com, jmp.com/help O community.jmp.com e cercare "Progetti" per visualizzare un elenco di risorse, tra cui registrazioni, esercitazioni, documentazione e discussioni degli utenti, 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 i file SAS, R, MATLAB, .html e .pdf. JMP è inoltre in grado di aprire le tabelle integrate 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 questi file.
Figure 4 JMP: Importing Multiple FilesFigura 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 di questi numerosi file in una 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 i 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 sotto questi menu.
Figure 5 Minitab: Data and Calc menusFigura 5 Minitab: menu Dati e Calc
Una volta selezionato uno strumento, viene visualizzata una finestra di dialogo che consente di collocare 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 (es. "Nelle colonne originali").
Figure 6 Minitab: Sort ToolFigura 6 Minitab: 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 (mostrati nella Figura 7).
Figure 7 JMP: Tables, Rows and Cols MenusFigura 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.
Figure 8 JMP: Sort ToolFigura 8 JMP: strumento di ordinamento
Tutte le operazioni di manipolazione dei dati eseguite in Minitab potranno essere eseguite anche in JMP. Ci vorrà solo un po' di pratica per imparare come si accede agli strumenti e come si specifica l'operazione desiderata nella finestra di dialogo.
Uno strumento JMP nel menu Tabelle (che non è disponibile in Minitab) che può essere molto utile in un esame iniziale di un set di dati è la piattaforma Missing Data Pattern. L'esempio seguente utilizza un set di dati di piccole dimensioni, ma troverai questo strumento molto utile quando esamini set di dati di grandi dimensioni. La Figura 9 mostra una tabella di dati con cinque variabili, 25 righe e 18 valori mancanti.
Figure 9 JMP: Data Table with Missing ValuesFigura 9 JMP: tabella dati con valori mancanti
Lo strumento Modello di dati mancanti nel menu Tabelle riepilogherà la "mancanza" nei dati tramite una nuova tabella di dati JMP. La Figura 10 mostra la tabella risultante insieme al Cell Plot associato.
Figure 10 JMP: Missing Data PatternFigura 10 JMP: modello di dati mancanti
Questa nuova tabella di dati descrive il modello di dati mancanti nei dati. In particolare sono presenti 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 del modello di dati mancanti evidenzierà tutte quelle righe con quel modello di dati mancanti nella tabella di 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. Esiste una piattaforma correlata chiamata Esplora valori mancanti nel menu Analizza>Screening che offre strumenti aggiuntivi per lavorare con i dati mancanti, comprese tecniche statistiche per trovare punti in comune tra il modello mancante nelle variabili e nelle righe, nonché la possibilità 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 in base al valore della variabile "Contenuto di umidità" con i risultati salvati nella colonna C9.
Figure 11 Minitab: CalculatorFigura 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 pulsante destro del mouse 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. Si noti che è disponibile una funzione Anteprima che consente di vedere i risultati dell'applicazione della formula mentre viene creata.
Figure 12 JMP: FormulaFigura 12 JMP: Formula
Il Formula Tool di JMP è anche il luogo in cui è possibile creare nuove variabili utilizzando una sequenza con pattern, un campione casuale da altre colonne o una distribuzione di probabilità specificata. In Minitab, sarebbe necessario accedere ad altri strumenti per generare questo tipo di operazioni.
Filtro dati e stati riga
MiniTab
Quando si esegue un'analisi in Minitab, viene reso attivo 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, sarà necessario creare un altro nuovo foglio di lavoro senza quei punti dati. Di conseguenza, è tipico dover gestire molti fogli di lavoro all'interno di un file di progetto.
JMP
È inoltre possibile configurare più tabelle di dati in un file di progetto JMP, come mostrato in precedenza. I filtri di dati e le operazioni sullo stato delle righe possono invece essere utilizzati per definire i dati specifici su cui basare un'analisi particolare, con il risultato che molti utenti scelgono di eseguire tutte le analisi da una 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 in grano dati.
La Figura 13A mostra la tabella dei dati con GeoLocations e C selezionati. Questo 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 GeoLocations. Il grafico di intestazione è uno strumento utile che visualizza 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 viene selezionato lo strumento Righe>Nascondi ed escludi. Qualsiasi analisi eseguita con questo stato di riga attivo non includerà le posizioni geografiche 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.
Figure 13A JMP: Rows selectedFigura 13A JMP: Righe selezionate
Figure 13B JMP: Hide/ExcludeFigura 13B JMP: Nascondi/Escludi
Il Global Data Filter è un altro strumento utile per definire un sottoinsieme di dati. Si accede a questo strumento scegliendo Righe>Data Filer. La Figura 14 mostra il filtro dati aperto con le GeoLocation B e D selezionate. Qui abbiamo attivato le caselle di controllo Mostra e Includi e quindi selezionato le GeoLocation che vogliamo utilizzare. Il filtro dati può includere molte variabili e possono essere utilizzate sia variabili categoriche che continue. Questo filtro dati può essere salvato nella tabella dati, è possibile cancellare gli stati delle righe e quindi accedervi nuovamente in qualsiasi momento.
Figure 14 JMP: Global Data FilterFigura 14 JMP: filtro dati globale
Altre caratteristiche possono essere impostate come stati di riga. Ad esempio, è possibile che tutti i grafici prodotti in un'analisi utilizzino colori diversi per le diverse GeoLocation. Questa preferenza può essere impostata tramite Righe>Colore o Segna per colonna. La Figura 15 è la tabella di dati risultante con i colori mostrati come stati di riga. Qualsiasi visualizzazione grafica creata con questo stato di riga attivo utilizzerà questo codice colore. Questa riga può anche essere salvata e accessibile in qualsiasi momento.
Figure 15 JMP: Color Row StateFigura 15 JMP: Color Row State
Il filtro dati locali in JMP fornisce un altro mezzo per lavorare con un sottoinsieme di dati. Questo approccio fornisce uno strumento interattivo in cui vedere i risultati dell'analisi cambiare istantaneamente man mano che 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 solo della posizione geografica A dal filtro dati locali. Si noti che i punti dati utilizzano lo stato della riga dei colori che avevamo impostato nella Figura 15.
Figure 16 JMP: Local Data FilterFigura 16 JMP: filtro dati locale
Statistiche descrittive
Sia Minitab che JMP sono in grado di calcolare statistiche riassuntive che descrivono le caratteristiche dei dati.
Illustreremo alcune di queste analisi utilizzando il Resa in grano dati.
MiniTab
Ci sono alcuni modi per generare statistiche descrittive in Minitab (ad esempio, Visualizza statistiche descrittive, Memorizza statistiche descrittive e Riepilogo grafico nel menu Stat). Le statistiche descrittive possono anche essere generate utilizzando lo strumento Tabelle, che illustreremo qui. La Figura 17 mostra i passaggi per il calcolo della media campionaria e della deviazione standard campionaria per Rendimento per ciascuna combinazione Località geografica/Anno e la tabella risultante.
Figure 17 Minitab: Descriptive statistics via TableFigura 17 Minitab: Statistiche descrittive tramite Tabella
Se si desiderano statistiche riassuntive diverse, o se si devono utilizzare variabili categoriali e/o associate diverse, viene rilanciato lo strumento Tabelle>Statistiche descrittive, aggiornata la finestra di dialogo e rieseguita l'analisi.
JMP
JMP è inoltre in grado di calcolare statistiche descrittive in vari modi, tra cui la piattaforma di distribuzione, il Costruttore di grafici, il visualizzatore di colonne e tramite le formule di colonna. Analogamente a quanto mostrato utilizzando Minitab, illustriamo come calcolare le statistiche riassuntive attraverso la piattaforma Analizza>Tabula.
L'avvio della piattaforma Tabulate apre la finestra mostrata nella Figura 18A. Le variabili vengono semplicemente inserite 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, nuove statistiche calcolate, tra le altre funzionalità con la tabella che si aggiorna nell'istante in cui vengono apportate tali modifiche. Pensala come una tela bianca che crei la tabella desiderata.
Figure 18A JMP: Descriptive Statistics via TabulateFigura 18A JMP: statistiche descrittive tramite tabulazione
La Figura 18B mostra questi passaggi per creare la tabella che mostra la media e la deviazione standard di Yield per le 6 diverse combinazioni di Year e GeoLocation.
Iniziamo posizionando Yield nella zona di rilascio delle celle risultanti. L'impostazione predefinita consiste nel visualizzare la somma (la statistica predefinita) di tale 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 in cui è mostrata la parola somma. La tabella verrà aggiornata, sostituendo la somma statistica con la media e la deviazione standard (immagine in alto a destra nella Figura 18B).
Le variabili categoriali (anno e geolocalizzazione) vengono semplicemente rilasciate nelle posizioni desiderate. L'anno viene posizionato come righe (immagine in basso a sinistra nella Figura 18B) e GeoLocation come colonne (immagine in basso a destra).
Figure 18B JMP: Descriptive Statistics via TabulateFigura 18B JMP: statistiche descrittive tramite tabulazione
Questa tabella può essere facilmente modificata per creare viste diverse spostando le variabili in diverse zone di trascinamento. La Figura 18C mostra la tabella risultante quando la variabile GeoLocation viene spostata in un'altra variabile di riga all'interno di Year.
Figure 18C JMP: Descriptive Statistics via TabulateFigura 18C JMP: statistiche descrittive tramite tabulazione
Questa tabella di statistiche di riepilogo può essere trasformata in una tabella di dati JMP per ulteriori analisi selezionando Trasforma in tabella dati sotto il triangolo rosso. La Figura 18D mostra la tabella dei dati risultante.
Figure 18D JMP: Descriptive statistics via Tabulate – Creating a Data TableFigura 18D JMP: Statistiche descrittive tramite Tabulate – Creazione di una tabella dati
Rappresentazione grafica
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 di JMP sperimenterà.
Illustreremo alcune di queste analisi utilizzando il Resa in grano dati.
MiniTab
Per creare un grafico in Minitab, bisogna prima decidere quale grafico è necessario e poi selezionarlo dal menu Grafico. La Figura 19 mostra un elenco dei grafici disponibili in quel menu.
Figure 19 Minitab: Graph menuFigura 19 Minitab: Menù Grafico
Illustreremo il processo di creazione di un grafico in Minitab creando uno scatterplot. 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. Viene quindi visualizzata una finestra di dialogo per inserire le variabili da tracciare sugli assi Y e X (immagine a destra nella Figura 20A).
Figure 20A Minitab: ScatterplotFigura 20A Minitab: grafico a dispersione
I pulsanti Scala, Etichette, Vista dati, Grafici multipli e Opzioni dati forniscono opzioni aggiuntive. La Figura 20B mostra il grafico risultante se non vengono scelte opzioni aggiuntive.
Figure 20B Minitab: ScatterplotFigura 20B Minitab: grafico a dispersione
Alcuni elementi del grafico possono essere modificati (ad esempio, cambiando il colore dei punti) avviando lo strumento Modifica grafico sotto il menu a discesa in alto a destra.
Per realizzare 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 avverrebbe rilanciando lo strumento Scatterplot e selezionando "Con regressione e gruppi" dalla finestra di dialogo mostrata nella Figura 20A.
Figure 20C Minitab: ScatterplotFigura 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 deve tornare al menu Grafico, avviare gli specifici strumenti grafici e specificare le opzioni appropriate. Ogni iterazione dell'esplorazione grafica dei dati in genere richiede 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 esistano 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 adattarsi al modo tipico in cui si esplorerebbero e analizzerebbero i dati nella pratica. All'avvio della piattaforma Costruttore di grafici (Grafico > Costruttore di grafici), la visualizzazione inizia con ciò che può essere considerato un'area di disegno vuota e una tavolozza di grafici (Figura 21A).
Figure 21A JMP: Graph BuilderFigura 21A JMP: Generatore di grafici
Un grafico viene creato posizionando le variabili in ruoli diversi e selezionando la visualizzazione grafica desiderata. Ad esempio, se la variabile Moisture Content viene trascinata nella zona Y, JMP inizierà visualizzando un dot plot (Figura 21B).
Figure 21B JMP: Graph Builder – DotplotFigura 21B JMP: Generatore di grafici – Dotplot
Se, invece di un grafico a punti, si desidera un grafico diverso (ad esempio, grafico a riquadri), è sufficiente selezionare quell'opzione dalla tavolozza del grafico in alto e il grafico cambia istantaneamente. La Figura 21C mostra un grafico in cui sono stati selezionati sia un grafico a punti che un grafico a riquadri.
Figure 21C JMP: Graph Builder – Dotplot and BoxplotFigura 21C JMP: Costruttore di grafici – 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 una linea di regressione inclusa.
Figure 21D JMP: Graph Builder – Scatterplot with regression lineFigura 21D JMP: Generatore di grafici: grafico a dispersione con linea di regressione
Per ogni tipo di grafico selezionato, gli strumenti e le opzioni vengono visualizzati sulla sinistra per modificare o aumentare ulteriormente il grafico. Ad esempio, l'equazione, l'intervallo di confidenza al 95% e il valore al quadrato sono stati aggiunti al grafico.
Ciascuno di questi grafici creati durante questo processo può essere salvato nella tabella dei dati, se lo si desidera. In alternativa, l'analista può continuare a esplorare visivamente i dati. La Figura 21E mostra come il grafico cambierebbe se la variabile GeoLocation fosse rilasciata nella zona di rilascio Wrap.
Figure 21E JMP: Graph Builder – Individual scatterplots with regression linesFigura 21E JMP: Generatore di grafici: singoli grafici a dispersione con linee di regressione
Se GeoLocation è stato spostato dall'area di rilascio Wrap all'area di rilascio Overlay e l'opzione per visualizzare l'equazione e RSquared è stata disattivata, il grafico cambierà in quello mostrato nella Figura 21F.
Figure 21F JMP: Graph Builder – Scatterplot with overlaid regression linesFigura 21F JMP: Generatore di grafici: grafico a dispersione con linee di regressione sovrapposte
Spostando il cursore su uno degli assi, il puntatore si trasforma in un simbolo di 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 alterare ulteriormente il grafico, ad esempio passando 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 affronta le analisi grafiche. In Minitab, i tipi di grafico vengono scelti 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 più 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 il selettore di colonne di JMP. Illustrato con il Esperimento pubblicitario dati.
Con i dati collegati dinamicamente di JMP, è possibile cambiare 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 creare un sottoinsieme dei dati in base a 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, un nuovo grafico dovrebbe essere creato separatamente per ogni possibile combinazione di queste variabili.
Figure 22 JMP: Column Switcher and Local Data FilterFigura 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.
Figure 23A JMP: Hover GraphletFigura 23A JMP: Graphlet al passaggio del mouse
Figure 23B JMP: Image LabelsFigura 23B JMP: etichette immagine
Figure 23C JMP: Geographic MapsFigura 23C JMP: Mappe geografiche
Figure 23D JMP: Motion Bubble PlotFigura 23D JMP: grafico a bolle di movimento
Figure 23E JMP: Correlation Color MapFigura 23E JMP: mappa dei colori di correlazione
Figure 23F JMP: Shape Based Heat MapsFigura 23F JMP: mappe di calore basate sulla forma
Figure 23G JMP: Density Contour PlotFigura 23G JMP: grafico del contorno della densità
Figure 23H JMP: Word CloudFigura 23H JMP: Nuvola di parole
Figure 23I JMP: Comparative HistogramsFigura 23I JMP: istogrammi comparativi
Figure 23J JMP: Scaled Parallel PlotsFigura 23J JMP: Grafici paralleli in scala
Figure 23K JMP: Mosaic PlotFigura 23K JMP: Grafico a mosaico
Figure 23L JMP: Nonlinear Functional FitFigura 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 ogni software per dimostrare queste differenze.
Illustreremo queste analisi utilizzando il Produzione Yogurt dati.
MiniTab
In Minitab, lo strumento Graphical Summary 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 la Figura 24B mostra l'output risultante. La curva di distribuzione normale mostrata sul 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.
Figure 24A Minitab: Graphical SummaryFigura 24A Minitab: Riepilogo grafico
Figure 24B Minitab: Graphical SummaryFigura 24B Minitab: Riepilogo grafico
Se si desiderano statistiche diverse da quelle visualizzate, è necessario avviare uno strumento diverso (Stat > Statistiche di base > Visualizza statistiche descrittive) e selezionare tali 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 della funzione di distribuzione cumulativa empirica per accompagnare il test, è necessario utilizzare 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 la Figura 25B mostra l'output risultante.
Figure 25A Minitab: Normality testFigura 25A Minitab: test di normalità
Figure 25B Minitab: Normality testFigura 25B Minitab: test di normalità
Per creare il grafico CDF, verrebbe lanciato uno strumento diverso (Graph>Empirical CDF) e l'analisi verrebbe eseguita (passaggi e output ora 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>Quality Tools>Individual Distribution Identification) (fasi e output non mostrati).
Diciamo che il passaggio successivo nell'analisi è 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) (passaggi e output non mostrati). Per eseguire un test di ipotesi riguardante la varianza, questa stessa procedura di utilizzo di un nuovo strumento (Stat > Basic Stat > 1 varianza)
Altre analisi comuni all'analisi di 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 produrrebbe 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 affronta le 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 (Analyze > Distribution) 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.
Figure 26A JMP: DistributionFigura 26A JMP: distribuzione
Figure 26B JMP: DistributionFigura 26B JMP: distribuzione
L'output iniziale fornisce sia una visualizzazione grafica che numerica dei dati, inclusi un istogramma, un box plot, statistiche di riepilogo e un intervallo di confidenza per la media. Facendo clic sul triangolo rosso nella parte superiore della tabella delle statistiche riassuntive è possibile accedere a una serie di strumenti per modificare le statistiche visualizzate.
Tutte le analisi menzionate tra 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 da prendere in considerazione nel flusso di lavoro dell'analisi. La Figura 27 mostra tale menu insieme all'analisi Adattamento continuo>Normale selezionata.
Figure 27 JMP: DistributionFigura 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.
Figure 28A JMP: Quantile Plot and Distribution FitFigura 28A JMP: grafico dei quantili e adattamento della distribuzione
Figure 28B JMP: Goodness of FitFigura 28B JMP: bontà di adattamento
Figure 28C JMP: CDF PlotFigura 28C JMP: Grafico CDF
Figure 28D JMP: Interactive Distribution ProfilerFigura 28D JMP: Profilo di distribuzione interattivo
Figure 28E JMP: Interactive Quantile ProfilerFigura 28E JMP: Quantile Profiler interattivo
Figure 28F JMP: Test MeanFigura 28F JMP: media del test
Figure 28G JMP: Test Standard DeviationFigura 28G JMP: Deviazione standard del test
Figure 28H JMP: Prediction IntervalFigura 28H JMP: intervallo di previsione
Figure 28I JMP: Tolerance IntervalFigura 28I JMP: Intervallo di tolleranza
Figure 28J JMP: Equivalence TestFigura 28J JMP: Test di equivalenza
Figure 28K JMP: Capability AnalysisFigura 28K JMP: analisi delle capacità
Sono disponibili ulteriori strumenti interattivi che offrono un ulteriore livello di capacità di analisi tramite scenari "what-if". Le Figure 29A – 29C ne mostrano tre (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.
Figure 29A JMP: p-value AnimationFigura 29A JMP: Animazione p-value
Figure 29B JMP: Power AnimationFigura 29B JMP: Animazione di potenza
Figure 29C JMP: Interactive Capability PlotFigura 29C JMP: grafico delle capacità interattive
In questo report interattivo sono disponibili anche il filtro dati locali e il commutatore di colonna. La figura 30 mostra il commutatore di colonna impostato per le 7 linee di produzione e il filtro dati locale impostato per il numero di lotto. Ora puoi scegliere la linea di produzione ei lotti da includere nell'analisi e tutti gli output numerici e grafici vengono aggiornati istantaneamente. Con Minitab, ogni variabile di risultato e/o sottoinsieme dei dati che si desidera analizzare richiederebbe di rieseguire ogni singola analisi attraverso tutti i vari strumenti creando una notevole quantità di report da gestire.
Figure 30 JMP: Column Switcher and Local Data FilterFigura 30 JMP: commutatore di colonna e filtro dati locali
Salvataggio e condivisione dei risultati
MiniTab
Ogni volta che viene eseguita un'analisi in Minitab, l'output verrà posizionato nel riquadro Navigator come elemento separato. Il salvataggio del file di progetto salverà tutti gli elementi di output insieme a tutti i fogli di lavoro nel file di progetto. L'output individuale può anche essere salvato come file immagine (ad es. .png, .jpg) e inserito 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 in un dashboard protetto privato tramite. JMP Live che 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, scegliere Salva script > In tabella dati sotto il triangolo rosso in alto a sinistra nella finestra del report (Figura 31A).
Figure 31A JMP: Saving a script to data tableFigura 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).
Figure 31B JMP: Saved ScriptsFigura 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 es. rimozione/aggiunta di dati, ricodifica di valori, subset tramite il filtro dati globale, nuovi stati di riga). Gli script possono essere riordinati nel riquadro o raggruppati insieme 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 a come il
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, per esempio). Le variabili appropriate vengono specificate all'interno della finestra di dialogo e vengono scelte altre opzioni. 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 i grafici residui, o forse si desidera modificare la scala di una delle variabili da lineare a logaritmica o forse usa una risposta o una variabile predittrice diversa tutti insieme. Lo strumento di tracciato 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 modifiche.
Diverse analisi a un fattore (ad esempio, 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 vengono scelti 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 delle contingenze per l'accettazione del lotto rispetto alla dimensione delle particelle API.
- Regressione logistica semplice per l'accettazione del lotto rispetto al tempo di lavorazione
Figure 32A JMP: Fit Y by XFigura 32A JMP: Fit Y per X
Come in molte altre piattaforme in JMP, Stima Y per X consente all'analisi di includere una variabile per categoria, eseguendo un'analisi separata per ciascun livello di tale variabile. I modelli possono anche essere adattati assegnando valori pesati alle osservazioni. La piattaforma può essere utilizzata anche su dati che sono in formato Frequenza/Tabella riassuntiva.
L'output iniziale di queste quattro analisi è mostrato nella Figura 32B. Nota: gli stati delle righe sono stati impostati in modo tale che i lotti che soddisfano la specifica di dissoluzione ≥70 siano codificati a colori in verde e quelli < 70 siano codificati a colori in rosso.
Accanto a ciascuna analisi è presente un punto attivo triangolare 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, ci sono quattro diversi set di strumenti in ciascun menu. La Figura 33 mostra ciascuno di questi menu contestuali. Ora sei pronto per scegliere il passaggio successivo nel flusso di lavoro dell'analisi. Ogni analisi successiva produce un altro set di output aggiunto al report con un nuovo hot spot triangolare rosso che fornisce opzioni aggiuntive.
Figure 32B JMP: Fit Y by X ReportFigura 32B JMP: rapporto Stima Y per X
Figure 33 JMP: Fit Y by X Contextual MenusFigura 33 JMP: Adatta Y per X Menu contestuali
Per illustrare come un'analisi potrebbe svolgersi nella piattaforma Fit Y by X, è stata selezionata l'opzione Fit Line sotto il triangolo rosso per Bivariate Fit of Dissolution by Mill Time. La Figura 34 mostra l'output che ora viene aggiunto al report in base a tale selezione.
Figure 34 JMP: Linear Regression FitFigura 34 JMP: adattamento della regressione lineare
Si noti che accanto all'adattamento lineare scelto è apparso un nuovo hot spot triangolare rosso. 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 gli altri.
Figure 35 JMP: Linear Fit Contextual MenusFigura 35 JMP: menu contestuali di adattamento lineare
Come mostrato nel menu Fit bivariato nella Figura 33, altri modelli possono essere fit e confrontati. Ad esempio: polinomi, spline, densità ortogonali, non parametriche e regressione robusta. Le trasformazioni sono disponibili in Fit special. La Figura 36 mostra queste opzioni.
Figure 36 JMP: TransformationFigura 36 JMP: trasformazione
Ogni adattamento del modello preso in considerazione può essere aggiunto o rimosso dal rapporto mentre esplori e confronti diverse scelte di modello trovando quella migliore per i dati. La Figura 37 mostra la visualizzazione con un adattamento quadratico e una densità non parametrica aggiunta.
Figure 37 JMP: Comparing ModelsFigura 37 JMP: confronto dei modelli
È possibile accedere al filtro dati locali 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 tali scelte. Non è necessario sottoimpostare i dati in una nuova tabella di dati ed eseguire nuovamente l'analisi come avviene con Minitab.
Come illustra nuovamente questo esempio, analizzare i 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 allineato con il modo in cui analizzeresti i dati nella pratica. Esplori, interagisci con i dati e i risultati, modifichi le variabili, filtri i dati, provi diverse opzioni del modello, con ogni risultato che porta 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 frequentemente 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 ai 70 anni rispetto a un placebo? L'effetto è lo stesso per le femmine?
- Trovare le poche variabili tra le molte 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 primario per un modello può essere solo uno di questi, alcuni o anche 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 (ad es. ANOVA, regressione lineare, regressione logistica)
· Alberi di classificazione e di regressione
· Analisi discriminante
Analogamente all'esecuzione di un'analisi a un fattore, la creazione di un modello statistico multivariabile richiede innanzitutto la scelta di 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 inserito nella finestra di output. Nel processo di costruzione di un modello statistico, un analista in genere deve adattare molti modelli diversi, ognuno 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, le modifiche apportate 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 di analisi in Minitab, l'output numerico e grafico è per lo più statico con solo poche opzioni per apportare modifiche. Se si desidera rimuovere alcune osservazioni dai dati, ad esempio, è necessario creare un nuovo foglio di lavoro e tutti i modelli devono essere eseguiti nuovamente.
JMP e JMP Pro
JMP e JMP Pro v16 dispongono delle seguenti tecniche di modellazione multivariabile insieme a molte varianti all'interno di ciascuna di esse.
· Modelli lineari generalizzati (ad es. ANOVA, regressione lineare, regressione logistica)
· Partizione (albero decisionale)
· Rete neurale
· Analisi discriminante
· Foresta Bootstrap *
· Alberi potenziati *
· K Vicini più vicini *
· Ingenuo Bayes *
· Supporta le 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 esempio, 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 numerose 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 consentono maggiori capacità nella gestione di situazioni complesse (ad esempio, minimi quadrati ponderati, regressione penalizzata, informazioni mancanti, K-Fold Cross Validation per citarne alcuni).
Illustreremo il processo di creazione del modello in JMP Pro adattando un modello di regressione logistica utilizzando il Rifinanziamento dei mutui ipotecari dati.
Modello di regressione logistica:
In JMP, tutti i modelli lineari vengono creati utilizzando la piattaforma Stima modello nel menu Analizza. Questa piattaforma 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 (sinistra) e JMP Pro (destra).
Figure 38 JMP and JMP Pro: Fit Model – PersonalitiesFigura 38 JMP e JMP Pro: modello di adattamento – personalità
La Figura 39A mostra la finestra di dialogo per la piattaforma Stima modello con la variabile di risultato ei termini del modello aggiunti. Qui stiamo adattando un modello solo per gli effetti principali. È disponibile l'opzione per includere termini di interazione, effetti quadratici, termini di definizione come: (incrociati o nidificati) e (fissi o casuali). Abbiamo anche incluso una colonna di convalida. Questa colonna ha assegnato in modo casuale i dati in: 75% formazione e 25% convalida. JMP utilizzerà solo i dati di addestramento per adattare il 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 adatta eccessivamente ai dati.
Figure 39A JMP Pro: Fit ModeFigura 39A JMP Pro: modalità Adatta
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 a una piattaforma interattiva piuttosto che 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 ed eseguire nuovamente l'analisi. La Figura 39B mostra la tabella Riepilogo effetti del rapporto con la variabile Età selezionato.
Figure 39B JMP Pro: Fit Model – Effect Summary for Nominal Logistic RegressionFigura 39B JMP Pro: modello di adattamento – Riepilogo degli effetti per la regressione logistica nominale
La Figura 40 mostra le opzioni disponibili sotto il triangolo rosso superiore.
Figure 40 JMP Pro: Fit Model – Contextual Menu in Nominal Logistic Regression reportFigura 40 JMP Pro: Stima 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.
Figure 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression reportFigura 41A JMP Pro: modello di adattamento – matrice di confusione nel report di regressione logistica nominale
Figure 41B JMP Pro: Fit Model – ROC Curve in Nominal Logistic Regression reportFigura 41B JMP Pro: modello di adattamento – Curva ROC nel report Regressione logistica nominale
Figure 41C JMP Pro: Fit Model – Lift Curve in Nominal Logistic Regression reportFigura 41C JMP Pro: Stima modello – Curva di sollevamento nel report Regressione logistica nominale
Figure 41D JMP Pro: Fit Model – Profiler in Nominal Logistic Regression reportFigura 41D JMP Pro: modello di stima – Profiler nel report di regressione logistica nominale
Quando l'obiettivo primario di un modello statistico è solo per la previsione e non è necessario che l'equazione abbia una forma semplice con coefficienti interpretabili, dovrebbero essere esplorati altri modelli più complessi. JMP Pro ha una piattaforma molto potente chiamata Model Screening che si adatterà a molti modelli diversi utilizzando varie tecniche che presentano il risultato insieme in un report. La Figura 42 mostra la finestra di dialogo per quella piattaforma con le variabili assegnate ai loro ruoli e una serie di tipi di modello selezionati.
Figure 42 JMP Pro: Model ScreeningFigura 42 JMP Pro: screening del modello
La Figura 43 mostra alcuni dei risultati di riepilogo prodotti nel report che consentono 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 decisionale 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.
Figure 43 JMP Pro: Model Screening – Model SummaryFigura 43 JMP Pro: Screening modello – Riepilogo modello
Figure 44 JMP Pro: Model Screening – Decision ThresholdFigura 44 JMP Pro: Screening 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 utilizzarli in modi diversi. Ad esempio: la maggior parte delle analisi univariate in JMP vengono eseguite all'interno della piattaforma di distribuzione mentre 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 ciascuna 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 a come Minitab si avvicina alla rappresentazione grafica dei dati. Come abbiamo dimostrato nella guida, il Costruttore di grafici di JMP ti consente di vedere come ogni opzione che stai prendendo in considerazione modifica la visualizzazione fornendoti un modo dinamico per scoprire caratteristiche e modelli nei dati.
Visita jmp.com per saperne di più sulle capacità di JMP e per trovare risorse di apprendimento come libri, webinar, white paper, corsi e altro ancora.
Circa l'autore
