사용하기 쉬운 통계 소프트웨어는 더 많은 회사에서 직원이 데이터를 기반으로 의사 결정을 내리도록 함에 따라 거의 모든 비즈니스에서 필수적인 도구가 되었습니다. 포괄적인 통계 분석, 정교한 기술 및 예측 모델 구축, 통찰력을 발견하기 위한 데이터 마이닝은 더 이상 통계학자만이 아니라 조직 내 여러 기능 영역에 걸쳐 수행됩니다. 학계도 비슷한 필요를 겪고 있습니다. 통계 과학의 도구와 기술에 학생들을 노출시키는 광범위한 분야에 걸쳐 프로그램과 과정의 수가 크게 증가했습니다. 대화형 포인트 앤 클릭 소프트웨어는 학생들이 프로그래밍 없이도 필요한 기술을 개발하고 데이터 탐색 프로세스를 즐기는 데 방해가 되는 장벽을 크게 줄일 수 있습니다.
이 백서에서는 널리 사용되는 두 가지 소프트웨어 패키지인 Minitab과 JMP를 살펴봅니다. 경험이 풍부한 Minitab 사용자가 JMP로 쉽게 전환할 수 있도록 이 둘의 차이점을 설명합니다. 초점은 사용자 인터페이스, 도구에 액세스하는 방법, 분석이 수행되는 방법 및 사용자가 데이터를 분석하기 위해 따르는 일반적인 워크플로에 있습니다.
Minitab은 기초 통계 과정을 지원하기 위한 컴퓨팅 도구로 1978년에 처음 개발된 그래픽 사용자 인터페이스 기반(GUI) 통계 소프트웨어 프로그램입니다. 2020년 6월에 출시된 Minitab v19는 이 백서에 소개된 버전입니다.
JMP 및 JMP Pro는 또한 비프로그래밍, 고도의 대화형 환경에서 통계 과학 도구를 적용하는 엔지니어, 과학자 및 연구원을 지원하기 위해 1989년 SAS에서 처음 개발한 GUI 기반 소프트웨어입니다. JMP 및 JMP Pro는 광범위한 산업 및 학문 분야에서 사용됩니다. 2021년 3월에 출시된 JMP 16 및 JMP Pro 16이 이 백서에 소개된 버전입니다.
이것은 개별 기능에 대한 포괄적인 설명이 아니라 전환 가이드이므로 이 백서에서 둘 사이의 모든 차이점을 다룰 수 없습니다. 방문하다 minitab.com 그리고 jmp.com 더 많은 것을 배우기 위해.
이 백서에서 다루는 주제는 다음과 같습니다.
백서의 전체 텍스트가 아래에 나타납니다.
(참고: 위의 하이퍼링크를 클릭하면 특정 섹션으로 바로 이동할 수 있습니다.)
소개
사용하기 쉬운 통계 소프트웨어는 더 많은 회사에서 직원이 데이터를 기반으로 의사 결정을 내리도록 함에 따라 거의 모든 비즈니스에서 필수적인 도구가 되었습니다. 포괄적인 통계 분석, 정교한 기술 및 예측 모델 구축, 통찰력을 발견하기 위한 데이터 마이닝은 더 이상 통계학자만이 아니라 조직 내 여러 기능 영역에 걸쳐 수행됩니다. 학계도 비슷한 필요를 겪고 있습니다. 통계 과학의 도구와 기술에 학생들을 노출시키는 광범위한 분야에 걸쳐 프로그램과 과정의 수가 크게 증가했습니다. 인터랙티브 포인트 앤 클릭 소프트웨어는 학생들이 프로그래밍 없이도 필요한 기술을 개발하고 데이터 탐색 프로세스를 즐길 수 있는 장벽을 크게 줄일 수 있습니다.
이 백서에서는 널리 사용되는 두 가지 소프트웨어 패키지인 Minitab과 JMP를 살펴봅니다. 숙련된 Minitab 사용자가 JMP로 쉽게 전환할 수 있도록 두 가지의 차이점을 설명합니다. 초점은 사용자 인터페이스, 도구에 액세스하는 방법, 분석이 수행되는 방법 및 사용자가 데이터를 분석하기 위해 따르는 일반적인 워크플로에 있습니다.
Minitab은 기초 통계 과정을 지원하기 위한 컴퓨팅 도구로 1978년에 처음 개발된 그래픽 사용자 인터페이스 기반(GUI) 통계 소프트웨어 프로그램입니다. 90년대 중후반에 Six Sigma와 같은 품질 이니셔티브에 참여하는 회사가 통계 기법을 사용하여 프로세스 및 제품의 품질을 개선하기 시작하면서 업계에서 많은 인기를 얻었습니다. 2020년 6월에 출시된 Minitab v19는 이 백서에 소개된 버전입니다.
JMP 및 JMP Pro는 또한 비프로그래밍, 고도의 대화형 환경에서 통계 과학 도구를 적용하는 엔지니어, 과학자 및 연구원을 지원하기 위해 1989년 SAS에서 처음 개발한 GUI 기반 소프트웨어입니다. JMP 및 JMP Pro는 광범위한 산업 및 학문 분야에서 사용됩니다. 2021년 3월에 출시된 JMP 16 및 JMP Pro 16이 이 백서에 소개된 버전입니다.
이것은 개별 기능에 대한 포괄적인 설명이 아니라 전환 가이드이므로 이 백서에서 둘 사이의 모든 차이점을 다룰 수 없습니다. 방문하다 www.minitab.com 그리고 www.jmp.com 더 많은 것을 배우기 위해.
개요
Minitab과 JMP 사이에는 몇 가지 유사점이 있지만 JMP로 전환하는 사람이 알아야 할 중요한 몇 가지 근본적인 차이점이 있습니다.
1. 대화형 분석 출력. JMP에서 분석을 수행할 때 출력은 대화형 창에 표시됩니다. 다양한 플랫폼에서 생성된 것을 포함하여 생성된 모든 분석 결과는 서로 동적으로 연결되고 데이터 테이블에 연결됩니다. 이를 통해 사용자는 분석 출력과 직접 상호 작용할 수 있습니다. 모델에 변수 제거/추가, 변수 역할 전환 및 데이터 부분 집합과 같은 변경은 분석을 다시 실행할 필요 없이 분석 출력에서 직접 수행할 수 있습니다. 데이터 테이블을 변경할 수도 있으며(예: 데이터 추가/삭제) 모든 출력을 자동으로 업데이트하도록 설정할 수 있습니다.
Minitab 출력은 주로 정적이며 다양한 분석 도구에 연결되어 있지 않습니다. 예를 들어 모델에서 변수를 제거하려면 분석 도구를 다시 시작하고 해당 변경 사항을 지정한 다음 분석을 다시 실행해야 합니다. 많은 Minitab 도구에서 데이터를 변경해도 분석 결과가 자동으로 업데이트되지 않습니다.
2. 상황에 맞는 메뉴. JMP에서 수행된 각 분석 출력은 해당 분석과 관련된 도구 세트에 대한 액세스와 연결됩니다. 이러한 방식으로 데이터를 분석하는 접근 방식은 본질적으로 더 탐색적이며 대화형이며, 한 분석의 결과는 사용자를 분석 워크플로의 다음 단계로 설계된 도구 집합으로 안내합니다.
Minitab은 보다 전통적인 배치 모드에서 분석을 실행하며 사용자는 데이터의 기능을 보는 것과 완전히 별개로 수행할 분석을 결정해야 하는 경우가 많습니다. 도구를 선택하면 대화 상자가 열립니다. 변수에 역할이 할당되고 옵션이 선택됩니다. 분석을 실행하면 일반적으로 정적인 출력 집합이 생성됩니다. 일반적인 분석 워크플로의 다음 단계에서는 변수 역할과 옵션을 다시 지정해야 하는 새 도구를 시작해야 하는 경우가 많습니다.
3. 분석에 사용할 데이터 정의. Minitab의 일반적인 접근 방식은 특정 분석의 기반이 될 모든 데이터가 포함된 워크시트를 만드는 것입니다. 예를 들어 해당 데이터의 하위 집합에 대한 분석을 수행하려면 일반적으로 새 워크시트를 만드는 작업(예: 하위 집합, 워크시트 분할 등)을 수행해야 합니다. 분석가가 이상값이 발견되면 해당 데이터 요소 없이 결과를 보려는 경우 일반적으로 다른 새 워크시트를 만들고 분석을 다시 실행해야 합니다. 이를 위해서는 일반적인 분석 세션에서 많은 워크시트를 관리해야 합니다.
JMP에서 여러 데이터 테이블로 작업할 수도 있지만 데이터 필터 및 행 상태 작업을 사용하여 특정 분석의 기반이 되는 데이터를 정의하는 것이 가장 쉬운 경우가 많습니다. 이러한 데이터 필터와 행 상태는 언제든지 저장하고 액세스할 수 있으므로 분석가는 해당 데이터의 다양한 하위 집합에 대한 모든 분석을 수행할 수 있는 단일 데이터 테이블을 가질 수 있습니다.
또한 JMP의 로컬 데이터 필터 도구를 사용하면 분석이 수행된 후에도 사용자가 데이터를 필터링할 수 있습니다. 예를 들어 선형 회귀 모델은 데이터 테이블의 모든 데이터에서 만들 수 있습니다. 회귀 분석 출력 내에서 로컬 데이터 필터를 실행하여 선택한 데이터의 다른 하위 집합에 대한 모든 결과를 즉시 변경할 수 있습니다.
4. 동시 다중 분석. JMP의 주요 기능은 동시에 많은 수의 분석을 수행할 수 있는 능력입니다. JMP 내의 거의 모든 분석 플랫폼에서 변수별 옵션을 사용할 수 있으므로 해당 변수의 각 수준에 대해 분석을 수행할 수 있습니다. 예를 들어 범주형 변수의 서로 다른 10개 그룹 각각에 대해 두 개의 평균을 비교하는 별도의 가설 검정을 수행하려는 경우 변수별을 지정하기만 하면 됩니다. Minitab에서는 해당 분석을 개별적으로 10번 실행해야 합니다.
JMP 플랫폼을 사용하면 단순히 모든 반응 변수와 요인을 선택하여 다수의 개별 분석을 함께 실행할 수 있습니다. 예를 들어, 3개의 서로 다른 응답 변수와 5개의 서로 다른 설명 요인에 대해 가능한 모든 1요인 분석을 수행하려는 경우 데이터 유형을 기반으로 하는 서로 다른 1요인 분석 기술을 포함하여 모든 3x5=15 다른 분석을 한 단계에서 수행할 수 있습니다. 반응 변수 및 요인. ANOVA, 선형 회귀, 로지스틱 회귀 및 카이-제곱 분석은 모두 동일한 출력 창에 표시된 결과와 동시에 수행할 수 있습니다. Minitab에서는 서로 다른 도구를 사용하여 이러한 각 분석을 별도로 실행해야 합니다.
JMP에는 생성된 사용자 지정 그래프 및 출력과 함께 매우 많은 수의 분석을 실행하도록 설계된 고유한 플랫폼이 있습니다. 예를 들어, 다변수 공정 능력 분석은 50개의 서로 다른 공정 변수에 대해 수행할 수 있습니다. 50가지 개별 능력 분석에 대한 출력을 생성하는 것 외에도 고유한 그래프와 수치 출력이 생성되어 모든 개별 결과를 표준화하여 이러한 50개 변수를 쉽게 비교할 수 있도록 합니다. 이것이 진정한 다변량 분석입니다.
또한 매우 많은 수의 분석이 필요한 경우 응용 프로그램을 위해 맞춤형으로 설계된 JMP의 특수 플랫폼도 있습니다. 특정 과학 분야에서는 예를 들어 수천 개의 서로 다른 응답 변수와 단일 설명 요소를 가질 수 있는 것이 매우 일반적입니다. 반응 선별 분석을 수행하여 1,000개의 개별 일원 분산 분석을 수행할 수 있습니다. 결과(분석 횟수에 따라 통계적으로 조정됨)는 간편한 비교 및 후속 분석을 위해 설계된 맞춤형 그래프 및 데이터 테이블 세트를 사용하여 함께 표시됩니다.
5. 통합. JMP에는 SAS, MATLAB, R 및 Python과 같은 외부 계산 환경과 통합할 수 있는 기능이 있습니다. JSL(JMP의 스크립팅 언어)을 통해 분석가는 JMP의 대화형 GUI 내에서 작업할 수 있는 동시에 이러한 도구의 기능을 활용할 수 있습니다.
Minitab은 현재 Python과만 통합할 수 있지만 SAS, R 또는 MATLAB과는 통합할 수 없습니다.
6. 보고서 게시. Minitab과 JMP에는 모두 소프트웨어 외부에서 보고서를 내보내고 저장할 수 있는 도구가 있습니다(예: .jpg, Microsoft PowerPoint 및 Word). JMP는 또한 대화형 .html 보고서를 생성할 수 있으므로 다른 사람들이 대화형 도구를 사용하여 JMP 외부의 분석 보고서를 보고 데이터를 더 자세히 볼 수 있습니다. JMP 제품군의 또 다른 제품은 데이터 및 모델 변경에 따라 대시보드를 업데이트하는 보고서 생성 및 공유를 자동화하는 추가 기능을 제공하는 JMP Live입니다.
7. 통계 분석 기법. 두 소프트웨어 모두 보다 일반적인 통계 분석 도구를 많이 포함하고 있지만 Minitab에서는 사용할 수 없는 JMP 및 JMP Pro에서 사용할 수 있는 훨씬 더 고급 통계 기법과 데이터 관리 도구가 있습니다. 또한 JMP는 일반적으로 특정 통계 분석 기술 내에서 더 많은 옵션과 기능을 제공합니다. 방문하다 www.jmp.com 더 많은 것을 배우기 위해.
데이터세트
이 가이드 전체에서 다양한 데이터 세트가 사용됩니다. 그들은 여기에서 찾을 수 있습니다 .
파일 형식
숙련된 Minitab 사용자가 JMP를 배울 때 처음 알아차릴 수 있는 한 가지 차이점은 프로젝트 파일 구조 내에서 작업할 필요가 없다는 것입니다.
Minitab 프로젝트 파일
Minitab 사용자는 확장자가 .mpx로 표시된 Minitab 프로젝트 파일에 가장 익숙합니다. 이 프로젝트 파일 내에서 여러 워크시트(예: 데이터 테이블)를 가져오거나 만들 수 있습니다. 그림 1은 4개의 워크시트가 포함된 샘플 Minitab 프로젝트 파일을 보여줍니다. 디스플레이는 세 개의 창으로 나뉩니다. 오른쪽 하단 창에는 각 워크시트의 하단에 탭과 함께 활성 워크시트(전체 4개 데이터)가 표시됩니다. 네비게이터로 알려진 왼쪽 창에는 수행된 분석 및 작업 목록이 표시됩니다(예: 수율 및 수분 함량의 그래픽 요약, … , 워크시트 분할). 오른쪽 상단 창은 특정 분석 결과를 표시하는 출력 창입니다. 선택할 수 있는 세 가지 보기가 있습니다(데이터 및 출력, 데이터만 및 출력만). 이 그림에서는 데이터 및 출력 보기가 선택되었습니다.
그림 1 Minitab: 프로젝트 파일
선택한 모든 분석 또는 작업은 활성 워크시트에서 수행됩니다. 사용자가 데이터의 하위 집합에 대한 분석을 수행하려면 상위 워크시트에서 새 워크시트를 만들어야 합니다. 여기에서 Data>Split Worksheet 명령을 사용하여 4개의 GeoLocation(A, B, C 및 D) 각각에 대해 하나씩 워크시트 세트가 생성되었습니다. GeoLocation 중 하나만 분석을 수행하려면 분석을 실행하기 전에 먼저 해당 워크시트를 선택하여 활성 워크시트로 만들어야 합니다.
JMP 데이터 테이블 파일
JMP는 프로젝트 파일 구조 내에서도 사용할 수 있습니다. 먼저 많은 사용자가 해당 유형의 파일에서 작업하기로 선택하기 때문에 JMP 데이터 테이블 파일이 어떻게 작동하는지 살펴보겠습니다. JMP 데이터 테이블 파일은 .jmp 확장자로 표시됩니다.
그림 2는 JMP 데이터 테이블 파일의 샘플을 보여줍니다. 파일에는 4개의 창이 있습니다. 데이터 테이블은 오른쪽에 있고 행 창은 왼쪽 아래에 있으며 선택, 제외 또는 숨겨진 행 수를 포함하여 데이터 테이블의 행 요약을 제공합니다. 왼쪽 중앙의 열 창에는 데이터 테이블의 변수가 표시되어 모델링 유형 및 레이블 사용과 같은 해당 변수의 속성을 식별합니다. 왼쪽 위 창에는 이 데이터 테이블 파일에 저장된 스크립트가 표시됩니다. 스크립트를 실행하고 저장하는 단계는 이후 섹션에 표시됩니다.
다른 창에서 볼 수 있는 빨간색 삼각형은 다양한 도구에 액세스하여 데이터 테이블, 열 또는 행에 대한 작업을 수행합니다. 열 창의 열 목록을 클릭하고 원하는 위치로 끌어 데이터 테이블에서 열을 재정렬할 수 있습니다. 열에 대해 수행할 수 있는 보다 포괄적인 도구 및 작업 목록은 열 메뉴 아래에서 또는 데이터 테이블의 열을 마우스 오른쪽 버튼으로 클릭하여 찾을 수 있습니다.
그림 2 JMP: 데이터 테이블
JMP에는 나중에 설명할 도구 모음이 있어 사용자가 데이터의 특정 하위 집합에 대해 분석을 수행할 수 있습니다. 대부분의 경우 이러한 방식으로 하나의 마스터 데이터 테이블에서 작업하면 Minitab에서 요구하는 것처럼 여러 데이터 테이블을 만들고 관리할 필요 없이 원하는 모든 분석을 수행할 수 있습니다.
JMP 프로젝트 파일
JMP 프로젝트 파일은 작업에 도움이 될 수 있는 또 다른 파일 구조입니다. 프로젝트 파일은 다양한 프로젝트 요소에 대한 컨테이너 역할을 하는 JMP에 대한 단일 인터페이스를 제공합니다. 여기에는 데이터 테이블, 분석 스크립트, JMP 저널, 보고서는 물론 문서, 데이터 파일 등과 같은 JMP가 아닌 요소가 포함될 수 있습니다(또는 참조).
그림 3A는 JMP 프로젝트 파일의 예입니다.
이 예에서는 두 개의 창이 왼쪽에 표시됩니다.
내용물: 폴더, JMP 데이터 테이블 및 기타 JMP가 아닌 파일(예: .xls, .csv, .doc)과 같은 프로젝트 파일에 포함된 모든 파일의 목록입니다. .ppt, .jpg 등). 여기에는 폴더, 2개의 JMP 데이터 테이블, JMP 저널, 2개의 Excel 파일 및 1개의 워드 문서가 있습니다.
작업 공간: 현재 표시되고 있는 프로젝트 콘텐츠의 계층적 목록입니다. 여기에 JMP 데이터 테이블 중 하나의 스크립트와 연결된 분석 보고서와 함께 JMP 저널 및 두 개의 JMP 데이터 테이블이 있습니다.
작업 공간 창에 나열된 각 요소에 대해 하나씩 탭이 있는 창 모음이 오른쪽에 구성되어 있습니다. 여기에 활성 창으로 데이터 테이블 중 하나가 있습니다. 이것을 그림 2에 표시된 JMP 데이터 테이블로 인식해야 합니다.
그림 3A JMP: 프로젝트 파일
탭을 포함한 각 창을 이동하여 디스플레이를 원하는 보기로 재구성할 수 있습니다.
그림 3B는 두 개의 JMP 데이터 테이블과 저널이 Workspace 및 Content 창의 오른쪽에 직접 배치되고 그 중 하나가 표시되도록 선택되도록 정렬된 탭이 있는 프로젝트의 예를 보여줍니다. 오른쪽에는 두 개의 분석 보고서가 있으며 하나는 다른 보고서 위에 배치되어 있습니다.
그림 3B JMP: 프로젝트 파일
이 탭으로 구성된 구성 가능한 환경은 상황에 가장 적합한 방식으로 프로젝트 파일의 내용을 표시, 숨기기 및 표시할 수 있는 유연성을 사용자에게 제공합니다.
프로젝트 파일을 공유할 수 있으며 JMP가 아닌 파일을 포함한 모든 콘텐츠가 포함됩니다.
jmp.com 방문, jmp.com/help 또는 커뮤니티.jmp.com 녹음, 튜토리얼, 문서, 사용자 토론을 포함한 리소스 목록을 보려면 "프로젝트"를 검색하고 JMP 프로젝트의 기능에 대해 자세히 알아보세요.
데이터 가져오기
종종 데이터는 통계 소프트웨어 내부가 아니라 다른 응용 프로그램 내에서 생성됩니다. 예를 들어, 엔지니어는 Excel 스프레드시트 또는 데이터의 특정 하위 집합을 검색 및 분석해야 하는 대규모 고객 행동 데이터 모음이 포함된 중앙 데이터베이스에 실험 데이터를 기록할 수 있습니다. Minitab과 JMP는 특히 .csv, .txt, .xls 등 다양한 파일 형식을 열 수 있으며 각각 ODBC(Open Database Connectivity)를 통해 데이터베이스를 쿼리할 수 있습니다.
JMP
JMP는 SAS, R, MATLAB, .html 및 .pdf 파일과 같이 Minitab에서 열 수 없는 다른 파일 유형을 열 수 있습니다. JMP는 인터넷 열기 기능을 사용하여 웹 페이지에 내장된 테이블을 열 수도 있습니다.
JMP는 또한 여러 파일을 하나의 데이터 테이블로 결합하여 가져올 수 있다는 이점을 추가했습니다. 그림 4는 설문조사와 관련된 다양한 텍스트 파일 모음과 해당 파일 중 하나의 내용이 포함된 폴더를 보여줍니다.
그림 4 JMP: 여러 파일 가져오기
파일 > 다중 열기를 선택하면 이러한 많은 파일에 있는 모든 데이터를 하나의 JMP 데이터 테이블로 가져오는 프로세스를 안내하는 가져오기 마법사가 시작됩니다.
현재 Minitab 파일에 있는 데이터를 JMP로 가져오려면 먼저 Minitab 워크시트를 .xls, .csv 또는 .txt와 같은 형식으로 저장하는 것이 가장 좋습니다. 그런 다음 파일 > JMP에서 열기를 선택하여 해당 데이터를 JMP 데이터 테이블로 가져옵니다. 가져오기 마법사가 시작되어 데이터를 가져올 방법을 지정합니다(예: 가져올 변수 및 행 선택, 변수 이름 포함/제외 등).
데이터 정리 및 서식 지정
Minitab과 JMP에는 모두 사용자가 분석을 위해 데이터를 정리하고 형식을 지정할 수 있는 도구 모음이 있습니다.
미니탭
데이터 형식 지정, 정리 및 준비를 위한 대부분의 Minitab 도구는 데이터 및 계산 메뉴 아래에 있습니다. 그림 5는 이러한 메뉴 아래에 있는 도구 목록을 보여줍니다.
그림 5 Minitab: 데이터 및 계산 메뉴
도구를 선택하면 수행할 특정 작업 집합을 설명하기 위해 변수를 다른 역할에 배치할 수 있는 대화 상자가 나타납니다.
그림 6은 Minitab의 정렬 도구에 대한 대화 상자의 예입니다. 여기서는 데이터를 동일한 워크시트에 저장하는 GeoLocation 변수를 기반으로 알파벳 오름차순으로 모든 데이터를 정렬하도록 선택했습니다(즉, "원래 열에서").
그림 6 Minitab: 정렬 도구
JMP
분석을 위해 데이터를 포맷, 정리 및 준비하는 JMP 도구의 대부분은 Tables, Rows 및 Cols의 세 가지 메뉴에서 찾을 수 있습니다(그림 7 참조).
그림 7 JMP: 테이블, 행 및 열 메뉴
그림 8은 JMP의 Sort Tool의 예입니다. 대화 상자의 모양이 다르고 작업에 다른 이름을 사용하지만 일반적인 절차는 매우 유사합니다.
그림 8 JMP: 정렬 도구
Minitab에서 수행한 모든 데이터 조작 작업은 JMP에서도 수행할 수 있습니다. 도구에 액세스하는 방법과 대화 상자에서 원하는 작업을 지정하는 방법을 배우려면 약간의 연습이 필요합니다.
데이터 세트의 초기 검사에서 매우 유용할 수 있는 테이블 메뉴의 JMP 도구(Minitab에서는 사용할 수 없음)는 결측 데이터 패턴 플랫폼입니다. 다음 예에서는 작은 데이터 세트를 사용하지만 이 도구는 큰 데이터 세트를 검사할 때 가장 유용하다는 것을 알게 될 것입니다. 그림 9는 5개의 변수, 25개의 행 및 18개의 결측값이 있는 데이터 테이블을 표시합니다.
그림 9 JMP: 결측값이 있는 데이터 테이블
테이블 메뉴 아래의 누락된 데이터 패턴 도구는 새 JMP 데이터 테이블을 통해 데이터의 "결측"을 요약합니다. 그림 10은 결과 테이블과 함께 제공되는 Cell Plot을 보여줍니다.
그림 10 JMP: 누락된 데이터 패턴
이 새 데이터 테이블은 데이터의 누락된 데이터 패턴을 설명합니다. 특히 결측값이 없는 행이 15개 있습니다. 한 행에 변수 Y5에 누락된 값이 있습니다. 4개의 행에는 변수 Y3에 하나의 결측값이 있습니다. 두 행에 Y3, Y4, Y5 등 3개의 변수에 걸쳐 결측값이 있습니다. 이 누락된 데이터 패턴 테이블의 행을 강조표시하면 원래 데이터 테이블에서 누락된 데이터 패턴이 있는 모든 행이 강조표시됩니다. 이를 통해 향후 분석에서 해당 데이터를 숨기거나 제외하거나 그래프에 표시할 고유한 기호 할당과 같은 행 상태를 생성할 수 있습니다. 분석> 스크리닝 메뉴 아래에 누락된 값 탐색이라는 관련 플랫폼이 있습니다. 여기에는 변수와 행에서 누락된 패턴 사이의 공통점을 찾는 통계 기술과 누락된 데이터를 전가하는 기능을 포함하여 누락된 데이터 작업을 위한 추가 도구를 제공합니다. 추정값으로 대체합니다.
새 변수 생성
Minitab과 JMP 모두 새 변수 생성을 허용합니다. 이러한 새 변수는 예를 들어 데이터 테이블의 다른 변수 또는 논리 조건부 인수를 사용하는 간단한 산술 연산일 수 있습니다.
미니탭
Minitab의 Calc 메뉴 아래에 있는 Calculator Tool을 통해 새 변수가 생성됩니다. 그림 11은 C9열에 저장된 결과와 함께 '수분 함량' 변수의 값을 기반으로 새 텍스트 변수가 생성된 방법을 보여줍니다.
그림 11 Minitab: 계산기
JMP
JMP에서 새 변수를 생성하려면 열을 강조 표시하고 열>수식을 선택하여 새 열에 대한 수식 도구에 액세스합니다. 열을 마우스 오른쪽 버튼으로 클릭하고 메뉴에서 "수식"을 선택하여 액세스할 수도 있습니다. 그림 12에서는 수식 도구를 사용하여 조건부 인수를 기반으로 동일한 텍스트 변수를 생성했습니다. 수식을 생성할 때 적용한 결과를 볼 수 있는 미리 보기 기능이 있습니다.
그림 12 JMP: 공식
JMP의 Formula Tool은 또한 패턴화된 시퀀스, 다른 열의 무작위 샘플 또는 지정된 확률 분포를 사용하여 새로운 변수를 생성할 수 있는 곳입니다. Minitab에서 이러한 유형의 작업을 생성하려면 다른 도구에 액세스해야 합니다.
데이터 필터 및 행 상태
미니탭
Minitab에서 분석을 수행할 때 해당 분석에 대한 데이터가 포함된 워크시트가 활성화됩니다. 상위 데이터 집합의 하위 집합에 대해 분석을 수행하려면 해당 데이터 하위 집합만 포함하는 새 워크시트를 만들어야 할 가능성이 큽니다. 이상치가 식별되어 향후 분석에서 제외해야 하는 경우 해당 데이터 요소 없이 다른 새 워크시트를 만들어야 합니다. 결과적으로 프로젝트 파일 내에서 많은 워크시트를 관리해야 하는 것이 일반적입니다.
JMP
여러 데이터 테이블을 앞에서 설명한 것처럼 JMP 프로젝트 파일에 설정할 수도 있습니다. 대신 데이터 필터 및 행 상태 작업을 사용하여 특정 분석을 기반으로 하는 특정 데이터를 정의하여 많은 사용자가 하나의 데이터 테이블에서 모든 분석을 수행하도록 선택할 수 있습니다. 이러한 데이터 필터와 행 상태는 언제든지 저장하고 액세스할 수 있습니다.
우리는 다음을 사용하여 이러한 분석을 설명할 것입니다. 곡물 수확량 데이터.
그림 13A는 GeoLocations 및 C가 선택된 데이터 테이블을 보여줍니다. 데이터 테이블의 왼쪽 상단에 있는 작은 히스토그램 아이콘을 클릭하여 헤더 그래프를 켠 다음 해당 GeoLocations를 선택하기만 하면 됩니다. 헤더 그래프는 각 열의 상단에 높은 수준의 변수 요약을 표시하는 편리한 도구입니다(예: 연속 변수의 경우 히스토그램 및 최소/최대 값, 범주형 변수의 경우 막대 차트). 그림 13B는 행>숨기기 및 제외 도구를 선택한 경우의 결과를 보여줍니다. 이 행 상태가 활성화된 상태에서 수행된 분석은 계산에 GeoLocations A 및 C를 포함하지 않으며 그래픽 표시에도 나타나지 않습니다. 기타 옵션에는 계산에 선택한 데이터를 사용하지만 그래프에 표시되지 않는(숨기기만) 또는 그래프에 데이터를 표시하지만 계산에 사용되지 않는(제외만) 사용이 포함됩니다. 이 행 상태는 행>숨기기 및 제외 또는 행>행 상태 지우기를 다시 선택하여 끌 수 있습니다.
그림 13A JMP: 선택된 행
그림 13B JMP: 숨기기/제외
글로벌 데이터 필터는 데이터의 하위 집합을 정의하는 또 다른 유용한 도구입니다. 이 도구는 행>데이터 파일러를 선택하여 액세스합니다. 그림 14는 GeoLocations B와 D가 선택된 상태에서 열린 데이터 필터를 보여줍니다. 여기에서 표시 및 포함 확인란을 켠 다음 사용하려는 GeoLocations를 선택했습니다. 데이터 필터에는 많은 변수가 포함될 수 있으며 범주형 변수와 연속형 변수를 모두 사용할 수 있습니다. 이 데이터 필터는 데이터 테이블에 저장할 수 있고 행 상태를 지운 다음 언제든지 다시 액세스할 수 있습니다.
그림 14 JMP: 전역 데이터 필터
다른 특성은 행 상태로 설정할 수 있습니다. 예를 들어, 분석에서 생성된 모든 그래프가 서로 다른 GeoLocation에 대해 서로 다른 색상을 사용하도록 할 수 있습니다. 이 기본 설정은 행>색상 또는 열로 표시를 통해 설정할 수 있습니다. 그림 15는 색상이 행 상태로 표시된 결과 데이터 테이블입니다. 이 행 상태가 활성화된 상태에서 생성된 모든 그래픽 디스플레이는 이 색상 코딩을 사용합니다. 이 행은 언제든지 저장하고 액세스할 수도 있습니다.
그림 15 JMP: 색상 행 상태
JMP의 로컬 데이터 필터는 데이터의 하위 집합으로 작업할 수 있는 또 다른 수단을 제공합니다. 이 접근 방식은 데이터의 다른 하위 집합이 선택됨에 따라 분석 결과가 즉시 변경되는 것을 볼 수 있는 대화형 도구를 제공합니다. 로컬 데이터 필터는 분석 보고서 창의 상단 빨간색 삼각형 아래에서 액세스할 수 있습니다. 그림 16은 모든 데이터(왼쪽)를 사용한 회귀 분석 결과를 보여줍니다. 그런 다음 로컬 데이터 필터에서 GeoLocation A만 선택하여 동일한 출력이 변경됩니다. 데이터 포인트는 그림 15에서 설정한 색상 행 상태를 사용하고 있습니다.
그림 16 JMP: 로컬 데이터 필터
기술 통계
Minitab과 JMP 모두 데이터의 기능을 설명하는 요약 통계를 계산할 수 있습니다.
다음을 사용하여 이러한 분석 중 일부를 설명합니다. 곡물 수확량 데이터.
미니탭
Minitab에서 기술 통계를 생성하는 몇 가지 방법이 있습니다(예: 통계 메뉴의 기술 통계 표시, 기술 통계 저장 및 그래픽 요약). 기술 통계는 여기에서 설명할 테이블 도구를 사용하여 생성할 수도 있습니다. 그림 17은 각 GeoLocation/Year 조합에 대한 Yield에 대한 샘플 평균 및 샘플 표준 편차와 결과 테이블을 계산하는 단계를 보여줍니다.
그림 17 Minitab: 표를 통한 기술 통계량
다른 요약 통계가 필요하거나 다른 범주 및/또는 관련 변수를 사용해야 하는 경우 테이블>기술 통계 도구가 다시 시작되고 대화 상자가 업데이트되고 분석이 다시 실행됩니다.
JMP
JMP는 분포 플랫폼, 그래프 빌더, 열 뷰어 및 열 공식을 포함한 다양한 방법으로 기술 통계를 계산할 수도 있습니다. Minitab을 사용하여 표시된 것과 유사하게 Analyze>Tabulate 플랫폼을 통해 요약 통계를 계산하는 방법을 보여줍니다.
Tabulate 플랫폼을 실행하면 그림 18A에 표시된 창이 열립니다. 변수는 단순히 테이블을 생성하기 위해 다른 역할에 배치됩니다. 이러한 변수를 이동하여 테이블이 표시되는 방식을 변경할 수 있습니다. 변수를 제거, 추가, 새 통계 계산 등의 변경 사항이 적용되는 즉시 테이블을 업데이트하는 기능을 사용할 수 있습니다. 원하는 테이블을 만드는 빈 캔버스로 생각하십시오.
그림 18A JMP: 표를 통한 기술 통계
그림 18B는 Year와 GeoLocation의 6가지 다른 조합에 대한 Yield의 평균과 표준 편차를 표시하는 테이블을 만드는 단계를 보여줍니다.
Yield를 결과 셀 드롭 영역에 배치하는 것으로 시작합니다. 기본값은 해당 변수의 합계(기본 통계)를 단일 셀로 표시하는 것입니다(그림 18B의 왼쪽 위 이미지). 참고: 기본 설정(JMP > 기본 설정 > 플랫폼 > 표)을 통해 기본적으로 평균 및 표준 편차를 표시하도록 선택할 수도 있습니다.
이 경우 합계라는 단어가 표시된 셀의 맨 위에 있는 목록에서 두 통계를 끌어서 합계를 평균 및 표준 편차로 바꿉니다. 테이블이 업데이트되어 합계 통계가 평균 및 표준 편차로 바뀝니다(그림 18B의 오른쪽 위 이미지).
범주형 변수(Year 및 GeoLocation)는 원하는 위치에 간단히 놓기만 하면 됩니다. 연도는 행(그림 18B의 왼쪽 아래 이미지)으로 배치되고 GeoLocation은 열(오른쪽 아래 이미지)로 배치됩니다.
그림 18B JMP: 표를 통한 기술 통계
이 테이블은 변수를 다른 놓기 영역으로 이동하여 다른 보기를 생성하도록 쉽게 변경할 수 있습니다. 그림 18C는 변수 GeoLocation이 Year 내부의 다른 행 변수로 이동할 때의 결과 테이블을 보여줍니다.
그림 18C JMP: 표를 통한 기술 통계
이 요약 통계 테이블은 빨간색 삼각형 아래의 데이터 테이블로 만들기를 선택하여 추가 분석을 위해 JMP 데이터 테이블로 만들 수 있습니다. 그림 18D는 결과 데이터 테이블을 보여줍니다.
그림 18D JMP: 표를 통한 기술 통계 – 데이터 테이블 생성
그래프 작성
Minitab과 JMP는 데이터를 그래프로 표시하는 방식이 매우 다릅니다. 이것은 새로운 JMP 사용자가 경험하게 될 두 소프트웨어 간의 가장 중요한 차이점 중 하나입니다.
다음을 사용하여 이러한 분석 중 일부를 설명합니다. 곡물 수확량 데이터.
미니탭
Minitab에서 그래프를 생성하려면 먼저 필요한 그래프를 결정한 다음 그래프 메뉴에서 선택해야 합니다. 그림 19는 해당 메뉴에서 사용할 수 있는 그래프 목록을 보여줍니다.
그림 19 Minitab: 그래프 메뉴
산점도를 만들어 Minitab에서 그래프를 만드는 과정을 설명하겠습니다. 산점도 도구가 시작되면 화면이 나타납니다(그림 20A의 왼쪽 이미지). 이 시점에서 사용자는 산점도 옵션 중 하나를 선택해야 합니다. 이 예에서는 단순을 선택했습니다. 그런 다음 Y 및 X 축에 표시할 변수를 입력하는 대화 상자가 나타납니다(그림 20A의 오른쪽 이미지).
그림 20A Minitab: 산점도
배율, 레이블, 데이터 보기, 다중 그래프 및 데이터 옵션 버튼은 추가 옵션을 제공합니다. 그림 20B는 추가 옵션이 선택되지 않은 경우 결과 그래프를 보여줍니다.
그림 20B Minitab: 산점도
오른쪽 상단의 드롭다운 메뉴에서 그래프 편집 도구를 실행하여 그래프의 몇 가지 요소를 편집할 수 있습니다(예: 포인트 색상 변경).
4개의 GeoLocation 각각에 대해 별도의 회귀선이 있는 그림 20C에 표시된 산점도를 만들려면 완전히 새로운 그래프를 생성해야 합니다. 이것은 산점도 도구를 다시 시작하고 그림 20A에 표시된 대화 상자에서 "회귀 및 그룹 포함"을 선택하여 수행됩니다.
그림 20C Minitab: 산점도
동일한 데이터(예: 비교 상자 도표 등)로 완전히 다른 유형의 그래프를 생성하려면 사용자가 그래프 메뉴로 돌아가 특정 그래프 도구를 실행하고 적절한 옵션을 지정합니다. 데이터를 그래픽으로 탐색할 때마다 일반적으로 원하는 그래프가 생성될 때까지 이 접근 방식이 필요합니다.
JMP
JMP는 Minitab과 매우 다른 방식으로 그래프 생성에 접근합니다. JMP의 모든 분석 플랫폼에서 그래프를 생성하는 도구가 있지만 강력한 Graph Builder 플랫폼을 통해 시각화를 생성하는 방법을 설명합니다. 이 도구는 실제로 데이터를 탐색하고 분석하는 일반적인 방법과 일치하도록 설계되었습니다. 그래프 빌더 플랫폼(그래프 > 그래프 빌더)을 시작하면 빈 캔버스와 그래프 팔레트로 생각할 수 있는 것으로 디스플레이가 시작됩니다(그림 21A).
그림 21A JMP: 그래프 빌더
변수를 다른 역할에 배치하고 원하는 그래픽 표시를 선택하면 그래프가 생성됩니다. 예를 들어, 수분 함량 변수가 Y 영역에 놓이면 JMP는 도트 플롯을 표시하여 시작합니다(그림 21B).
그림 21B JMP: 그래프 작성기 – 점도표
점 그림 대신 다른 그래프(예: 상자 그림)가 필요한 경우 상단의 그래프 팔레트에서 해당 옵션을 선택하기만 하면 그래프가 즉시 변경됩니다. 그림 21C는 도트 플롯과 상자 플롯이 모두 선택된 그래프를 보여줍니다.
그림 21C JMP: 그래프 작성기 – Dotplot 및 Boxplot
다른 연속 변수가 X 영역에 떨어지면 JMP는 자동으로 그래프를 산점도로 변경합니다. 그림 21D는 회귀선이 포함된 이러한 그래프의 예를 보여줍니다.
그림 21D JMP: 그래프 작성기 – 회귀선이 있는 산점도
선택한 각 그래프 유형에 대해 도구와 옵션이 왼쪽에 표시되어 그래프를 더 많이 변경하거나 확대할 수 있습니다. 예를 들어, 방정식, 95% Confidence Interval 및 RSquared 값이 그래프에 추가되었습니다.
이 과정에서 생성된 각 그래프는 원하는 경우 데이터 테이블에 저장할 수 있습니다. 또는 분석가가 계속해서 데이터를 시각적으로 탐색할 수 있습니다. 그림 21E는 변수 GeoLocation이 Wrap 드롭 영역에 드롭된 경우 그래프가 어떻게 변경되는지 보여줍니다.
그림 21E JMP: 그래프 빌더 – 회귀선이 있는 개별 산점도
GeoLocation이 Wrap drop zone에서 Overlay drop zone으로 이동되고 방정식과 RSquared를 표시하는 옵션이 꺼진 경우 그래프는 그림 21F에 표시된 것과 같이 변경됩니다.
그림 21F JMP: 그래프 빌더 – 회귀선이 중첩된 산점도
축 중 하나 위에 커서를 놓으면 포인터가 손 기호로 바뀌므로 축을 이동 및/또는 크기 조정하는 간단한 방법을 사용할 수 있습니다. 축을 두 번 클릭하면 예를 들어 선형 척도에서 로그 척도로 변경하는 것과 같이 그래프를 더욱 변경할 수 있는 도구 세트가 나타납니다.
그래프를 마우스 오른쪽 버튼으로 클릭하면 사용된 색상 및 기호 변경과 같이 디스플레이를 변경하는 추가 도구 메뉴가 나타납니다.
이 프로세스는 각 소프트웨어가 그래픽 분석에 접근하는 방식의 근본적인 차이점을 보여줍니다. Minitab에서 그래프 유형이 선택되고 옵션이 선택되어 수행되는 작업을 확인하지 않습니다. JMP에서는 각 선택이 그래프를 변경하고 향상시키는 방법을 확인하면서 대화식으로 그래프를 작성합니다. 그 결과 데이터를 훨씬 더 효율적이고 풍부하게 탐색할 수 있으므로 수많은 그래프를 빠르게 생성하여 데이터의 기능을 파악하고 결과를 가장 잘 전달할 수 있는 시각화를 생성할 수 있습니다.
데이터 탐색을 시각적으로 크게 향상시킬 수 있는 매우 강력한 두 가지 도구는 JMP의 로컬 데이터 필터와 열 전환기입니다. 로 일러스트 광고 실험 데이터.
JMP의 동적으로 연결된 데이터를 사용하면 새 변수를 전환하거나 데이터를 필터링할 수 있으며 그래프는 이러한 변경 사항을 반영하도록 즉시 업데이트됩니다. 그림 22는 변수 광고 스타일의 4가지 다른 범주에 대해 95% 신뢰 구간이 있는 변수 WS1에 대한 비교 점 그림을 보여줍니다. 왼쪽 상단에 있는 열 전환기는 분석가가 Y축에 표시할 9개의 다른 가능한 결과 변수를 간단히 선택(또는 재생)할 수 있도록 설정되었습니다. 로컬 데이터 필터도 프로모션(3개 수준) 및 기간(10개 수준) 설명 요인을 사용하여 설정되었습니다. 분석가는 이러한 변수로 데이터를 부분집합할 수 있습니다. 각 선택 항목에 대해 그래프는 Y축에 대해 선택한 변수를 표시하고 로컬 데이터 필터로 선택한 데이터만 포함하도록 즉시 업데이트됩니다. Minitab에서는 이러한 변수의 가능한 각 조합에 대해 새 그래프를 별도로 만들어야 합니다.
그림 22 JMP: 열 전환기 및 로컬 데이터 필터
JMP에는 현재 Minitab에서 사용할 수 없는 많은 그래픽 도구가 포함되어 있습니다. 이를 통해 데이터를 탐색하고 표시하는 능력이 크게 확장됩니다. 그림 23A-J는 이러한 시각화 중 일부를 보여줍니다.
그림 23A JMP: 호버 그래프렛
그림 23B JMP: 이미지 레이블
그림 23C JMP: 지리적 지도
그림 23D JMP: 모션 버블 플롯
그림 23E JMP: 상관 색상 맵
그림 23F JMP: 모양 기반 열 지도
그림 23G JMP: 밀도 등고선 플롯
그림 23H JMP: 단어 구름
그림 23I JMP: 비교 히스토그램
그림 23J JMP: 스케일된 병렬 플롯
그림 23K JMP: 모자이크 플롯
그림 23L JMP: 비선형 기능 피팅
일변량 분석
통계 분석을 실행하는 Minitab과 JMP 접근 방식은 상당히 다릅니다. 이러한 차이점을 설명하기 위해 각 소프트웨어에 대한 단일 연속 변수 분석을 단계별로 진행합니다.
우리는 다음을 사용하여 이러한 분석을 설명할 것입니다. 요구르트 생산 데이터.
미니탭
Minitab에서 그래픽 요약 도구는 단일 변수를 분석하는 데 유용한 방법입니다. 이 분석을 실행하려면 통계 메뉴에서 이 도구를 선택하십시오. 분석을 수행할 변수를 선택하는 대화 상자가 나타납니다. 그림 24A는 분석을 실행하는 단계를 보여주고 24B는 결과 출력을 보여줍니다. 그래프에 표시된 정규 분포 곡선은 이 출력에 표시할 수 있는 유일한 분포입니다. 다른 확률 분포를 사용하려면 Minitab에서 다른 도구가 필요합니다.
그림 24A Minitab: 그래픽 요약
그림 24B Minitab: 그래픽 요약
표시된 것과 다른 통계가 필요한 경우 다른 도구를 시작하고(통계 > 기본 통계 > 기술 통계 표시) 해당 옵션을 선택해야 합니다. 이제 단계 및 출력이 표시됩니다.
그래픽 요약은 Anderson-Darling 정규성 검정의 결과를 표시합니다. 테스트와 함께 확률도 및/또는 경험적 누적 분포 함수 그래프를 검사하려면 두 가지 추가 도구(통계>기본 통계>정규성 테스트 및 그래프>경험적 누적분포함수)를 사용하여 수행해야 합니다. 절차는 다른 분석을 실행하는 것과 유사합니다. 도구를 시작하면 사용자가 분석을 실행할 변수를 지정하고 옵션을 선택할 수 있는 대화 상자가 나타납니다. 그림 25A는 정규성 테스트 분석을 실행하는 단계를 보여주고 25B는 결과 출력을 보여줍니다.
그림 25A Minitab: 정규성 검정
그림 25B Minitab: 정규성 검정
CDF 플롯을 생성하려면 다른 도구(그래프>경험적 CDF)가 실행되고 분석이 실행됩니다(단계 및 출력이 표시됨).
예를 들어, 정규 분포가 변수에 사용하기에 좋은 모델이 아닌 경우 다른 분포를 평가해야 할 수도 있습니다. 이 평가는 다른 도구(통계>품질 도구>개별 분포 식별)에서 수행됩니다(단계 및 출력은 표시되지 않음).
분석의 다음 단계가 모집단 평균에 대한 가설 검정을 수행하는 것이라고 가정해 보겠습니다. 그렇게 하려면 또 다른 도구(통계분석 > 기본 통계 > 1-표본 t)에 액세스해야 합니다(단계 및 출력은 표시되지 않음). 분산에 대한 가설 검정을 수행하려면 새 도구를 사용하는 것과 동일한 절차(통계 > 기본 통계 > 1 분산)
단일 연속 변수를 분석하는 데 일반적인 기타 분석은 등가 검정, 공차 구간, 예측 구간, 공정 능력 분석 등입니다. 각각은 Minitab에서 다른 도구를 필요로 하고 각각 별도의 출력을 생성합니다. 현재 Minitab에는 예측 구간을 생성하는 기능이 없으므로 실제로 수동으로 공식을 생성해야 합니다.
JMP
JMP는 일변량 분석에 매우 다르게 접근하며 데이터 탐색 및 분석의 자연스러운 작업 흐름에 더 적합합니다. JMP에는 이전 섹션에서 언급한 모든 분석을 수행할 수 있는 단일 플랫폼(분석 > 배포)이 있습니다. 플랫폼은 그림 26A와 같이 메뉴에서 선택하고 대화 상자를 완료하여 액세스할 수 있습니다. 그림 26B는 초기 출력을 표시합니다.
그림 26A JMP: 배포
그림 26B JMP: 배포
초기 출력은 히스토그램, 상자 그림, 요약 통계 및 평균에 대한 신뢰 구간을 포함하여 데이터의 그래픽 및 수치 표시를 모두 제공합니다. 요약 통계 표 상단의 빨간색 삼각형을 클릭하면 표시되는 통계를 변경하는 도구 세트에 액세스할 수 있습니다.
이 보고서 창에서 다른 많은 분석 중에서 언급된 모든 분석을 수행할 수 있습니다. 변수 이름 옆에 있는 빨간색 삼각형을 통해 모두 액세스할 수 있습니다. 이러한 상황별 메뉴는 분석 워크플로에서 다음에 고려할 분석 세트를 제공합니다. 그림 27은 Continuous Fit>Normal 분석이 선택된 메뉴를 보여줍니다.
그림 27 JMP: 배포
그림 28A ~ 28K는 연속 적합과 이러한 데이터에 대해 수행된 다른 모든 단변량 분석의 결과를 보여주며, 하나의 보고서 창에 추가된 각각의 새로운 출력 세트를 사용하여 쉽게 비교할 수 있습니다.
그림 28A JMP: 분위수 도표 및 분포 적합도
그림 28B JMP: 적합도
그림 28C JMP: CDF 도표
그림 28D JMP: 대화형 배포 프로파일러
그림 28E JMP: 대화형 분위수 프로파일러
그림 28F JMP: 검정 평균
그림 28G JMP: 테스트 표준 편차
그림 28H JMP: 예측 간격
그림 28I JMP: 공차 간격
그림 28J JMP: 동등성 테스트
그림 28K JMP: 능력 분석
"가정" 시나리오를 통해 추가 수준의 분석 기능을 제공하는 추가 대화형 도구를 사용할 수 있습니다. 그림 29A – 29C는 이들 중 세 가지(p-값 애니메이션, 파워 애니메이션 및 기능 애니메이션)를 보여줍니다. 이러한 대화형 도구는 연구 중인 프로세스를 더 잘 이해하는 데 도움이 될 뿐만 아니라 통계 개념을 이해하거나 가르치는 훌륭한 방법을 제공합니다.
그림 29A JMP: p-값 애니메이션
그림 29B JMP: 전원 애니메이션
그림 29C JMP: 대화형 공정 능력 도표
로컬 데이터 필터 및 열 전환기는 이 대화형 보고서에서도 사용할 수 있습니다. 그림 30은 7개 생산 라인에 대해 설정된 컬럼 스위처와 배치 번호에 대해 설정된 로컬 데이터 필터를 보여줍니다. 이제 분석에 포함할 생산 라인과 배치를 선택할 수 있으며 모든 수치 및 그래픽 출력이 즉시 업데이트됩니다. Minitab을 사용하면 분석하려는 데이터의 각 결과 변수 및/또는 하위 집합에 대해 모든 다양한 도구에서 각각의 모든 분석을 다시 실행하여 관리해야 할 상당한 양의 보고서를 생성해야 합니다.
그림 30 JMP: 열 전환기 및 로컬 데이터 필터
결과 저장 및 공유
미니탭
Minitab에서 분석이 수행될 때마다 출력이 별도의 요소로 탐색기 창에 배치됩니다. 프로젝트 파일을 저장하면 모든 워크시트와 함께 모든 출력 요소가 프로젝트 파일에 저장됩니다. 개별 출력은 이미지 파일(예: .png, .jpg)로 저장하고 다른 응용 프로그램에 배치할 수도 있습니다.
JMP
JMP에 분석 결과를 저장하는 방법에는 여러 가지가 있습니다. 여기에는 대화형 .html 파일로, JMP 저널 파일로, 다른 애플리케이션에 배치된 이미지 파일로 저장하고 개인 보안 대시보드에 게시하는 것이 포함됩니다. JMP Live는 JMP 외부의 보고서를 보고 상호 작용할 수 있는 기능을 제공합니다. 분석 작업을 저장하는 가장 일반적인 방법이므로 보고서를 데이터 테이블에 대한 스크립트로 저장하는 방법을 설명합니다.
보고서 내에서 보고서 창의 왼쪽 상단에 있는 빨간색 삼각형 아래 스크립트 저장 > 데이터 테이블로를 선택합니다(그림 31A).
그림 31A JMP: 데이터 테이블에 스크립트 저장
저장된 스크립트는 데이터 파일 창의 왼쪽 상단 창에 나타납니다(그림 31B).
그림 31B JMP: 저장된 스크립트
녹색 삼각형을 클릭하면 저장된 스크립트를 다시 실행하여 해당 보고서와 관련된 모든 분석을 수행합니다. 이를 통해 수정된 데이터 세트에 대한 전체 분석 세트를 다시 실행할 수 있습니다(예: 데이터 제거/추가, 값 재코딩, 글로벌 데이터 필터를 통한 하위 설정, 새 행 상태). 스크립트는 창에서 재정렬하거나 함께 그룹화하여 분석 작업을 관리할 수 있습니다.
단일 요인 분석
Minitab과 JMP에는 모두 단일 요인 분석(예: 단순 선형
회귀, 단순 로지스틱 회귀, 일원 분산 분석 및 카이-제곱 검정
비율 비교). 일변량 분석과 유사하게, 그들은
분석은 매우 다르게 수행됩니다.
태블릿 생산 데이터를 사용하여 이러한 분석 중 일부를 설명합니다.
미니탭
Minitab에서 1요인 분석을 수행할 때 적절한 도구가 시작됩니다(예: 통계분석>회귀분석>적합선 그림). 대화 상자 내에서 적절한 변수가 지정되고 다른 옵션이 선택됩니다. 출력이 생성되어 출력 창에 배치됩니다. 예를 들어 단순 선형 회귀의 출력을 조사할 때 그래프에 신뢰 구간을 추가하거나 잔차 그림을 조사하거나 변수 중 하나의 척도를 선형에서 로그로 변경하거나 다른 반응이나 예측 변수를 함께 사용할 수도 있습니다. 적합선 플롯 도구를 다시 시작하고 옵션을 변경한 다음 새로운 출력 세트를 생성해야 합니다. Minitab의 각 출력 세트는 기본적으로 몇 가지 변경만 허용하는 정적입니다.
다른 1요인 분석(예: 로지스틱 회귀, ANOVA, 카이제곱 검정)에는 다른 도구를 사용해야 합니다.
JMP
JMP에서 모든 1요인 분석은 하나의 플랫폼에서 수행됩니다(분석>X에 의한 Y 적합).그림 32A는 이 플랫폼에 대한 대화 상자를 보여줍니다. Y, 반응 변수 및 X, 요인을 선택하면 JMP가 자동으로 올바른 분석을 결정합니다.
JMP가 여러 분석을 동시에 수행할 수 있는 방법을 설명하기 위해 Y에 대해 2개의 변수인 Response(용해, 연속 변수, Lot Acceptance, 이진 변수)와 요인에 대해 2개의 변수(API 입자 크기, 3개의 범주형 변수)를 선택했습니다. 수준; 밀링 시간, 연속 변수).
JMP는 4가지 다른 분석을 생성합니다.
- 용출 대 API 입자 크기에 대한 일원 ANOVA.
- 용해 대 밀링 시간에 대한 단순 선형 회귀.
- 로트 승인 대 API 입자 크기에 대한 분할표 분석.
- 로트 승인 대 밀링 시간에 대한 단순 로지스틱 회귀
그림 32A JMP: Y를 X로 맞추기
JMP의 다른 많은 플랫폼과 마찬가지로 Fit Y by X에는 범주별 변수별 분석을 포함하여 해당 변수의 각 수준에 대해 별도의 분석을 실행하는 기능이 있습니다. 모델은 관측값에 가중치를 할당하여 적합할 수도 있습니다. 플랫폼은 요약된 빈도/표 형식의 데이터에도 사용할 수 있습니다.
이 네 가지 분석의 초기 출력은 그림 32B에 나와 있습니다. 참고: 행 상태는 용해 사양 ≥70을 충족하는 로트가 녹색으로 구분되고 70 미만인 로트가 빨간색으로 구분되도록 설정되었습니다.
각 분석 옆에는 JMP가 전체 분석에서 가능한 다음 단계로 권장하는 도구가 포함된 상황에 맞는 메뉴를 나타내는 빨간색 삼각형 핫스팟이 있습니다. 네 가지 다른 통계 분석 기술이 수행되므로 각 메뉴 아래에는 네 가지 도구 세트가 있습니다. 그림 33은 이러한 상황별 메뉴 각각을 보여줍니다. 이제 분석 워크플로의 다음 단계를 선택할 준비가 되었습니다. 각 후속 분석은 추가 옵션을 제공하는 새로운 빨간색 삼각형 핫스팟과 함께 보고서에 추가된 또 다른 출력 세트를 생성합니다.
그림 32B JMP: Y를 X로 맞춤 보고서
그림 33 JMP: 맞춤 Y by X 상황별 메뉴
Fit Y by X 플랫폼에서 분석이 어떻게 전개되는지 설명하기 위해 Mill Time별 용해의 이변량 적합에 대한 빨간색 삼각형 아래의 선 적합 옵션이 선택되었습니다. 그림 34는 이제 해당 선택에 따라 보고서에 추가되는 출력을 보여줍니다.
그림 34 JMP: 선형 회귀 피팅
선택한 선형 맞춤 옆에 새로운 빨간색 삼각형 핫스팟이 나타납니다. 그림 35는 해당 상황에 맞는 메뉴에서 사용할 수 있는 옵션을 보여줍니다. 여기에 그래프에 신뢰 구간 또는 예측 구간을 추가하고, 잔차 도표를 만들고, 데이터 테이블에 값을 저장하는 등의 옵션이 표시됩니다.
그림 35 JMP: Linear Fit 상황별 메뉴
그림 33의 Bivariate Fit 메뉴에서 볼 수 있듯이 다른 모델도 적합하고 비교할 수 있습니다. 예: 다항식, 스플라인, 직교, 비모수 밀도 및 강력한 회귀. 변형은 특수 맞춤에서 사용할 수 있습니다. 그림 36은 이러한 옵션을 보여줍니다.
그림 36 JMP: 변환
데이터에 가장 적합한 모델을 찾는 다양한 모델 선택을 탐색하고 비교할 때 고려 중인 각 모델 적합성을 보고서에서 추가하거나 제거할 수 있습니다. 그림 37은 2차 맞춤과 비모수 밀도가 추가된 디스플레이를 보여줍니다.
그림 37 JMP: 모델 비교
사용된 변수를 변경하거나 분석의 기반이 될 데이터의 하위 집합을 선택하려는 경우 로컬 데이터 필터 및 열 전환기에 액세스할 수 있습니다. 모든 출력은 해당 선택 사항을 반영하도록 즉시 업데이트됩니다. Minitab에서와 같이 데이터를 새 데이터 테이블로 분류하고 분석을 다시 실행할 필요가 없습니다.
이 예에서 다시 알 수 있듯이 JMP에서 데이터를 분석하는 것은 단순히 데이터 세트에서 특정 통계 기법을 수행하고 출력의 정적 컬렉션을 관찰하는 것 이상입니다. 플랫폼은 실제로 데이터를 분석하는 방법과 일치하는 자연스러운 분석 워크플로를 따르도록 설계되었습니다. 탐색하고, 데이터 및 결과와 상호 작용하고, 변수를 변경하고, 데이터를 필터링하고, 다양한 모델 옵션을 시도하며, 각 결과는 일련의 분석 단계에서 다음 논리적 단계로 이어집니다.
다변수 통계 모델
많은 변수를 포함하는 통계 모델을 구축하는 것은 아마도 가장 강력하고 자주 필요한 분석 유형일 것입니다. 이러한 모델을 구축하는 데에는 일반적으로 네 가지 목적이 있습니다.
- 특정 가설을 테스트하기 위해.
예: 약물 치료 A는 위약에 비해 70세 이상 남성의 회복률을 최소 15% 감소합니까? 효과는 여자도 마찬가지인가요?
- 많은 변수 중에서 결과와 가장 상관관계가 있는 몇 가지 변수를 찾습니다.
예: 지역사회의 열악한 건강 결과와 가장 상관관계가 있는 주요 사회경제적 조건은 무엇입니까?
- 변수 간의 관계를 정량적으로 설명합니다.
예 : 처리온도가 5도 상승하면 용액의 점도는 얼마나 감소하는가 0 C와 처리 시간이 10분씩 증가합니까?
- 결과를 예측하는 방법을 만듭니다.
예: 고객의 특성과 현재 모기지론을 기반으로 한 새로운 모기지 재융자 프로그램에 대해 고객이 관심을 가질 가능성은 어느 정도입니까?
모델의 주요 목표는 이 중 하나일 수도 있고 일부 또는 전부일 수도 있습니다. 선택한 모델링 기술은 이러한 목표 중 가장 중요한 목표에 따라 결정되는 경우가 많습니다.
미니탭
Minitab v19에는 세 가지 다변수 모델링 기술이 있습니다.
· 일반화 선형 모델(예: ANOVA, 선형 회귀, 로지스틱 회귀)
· 분류 및 회귀 트리
· 판별 분석
단일 요인 분석을 수행하는 것과 유사하게 다변수 통계 모델을 구축하려면 먼저 상황에 적합한 모델링 유형을 선택해야 합니다(예: 통계분석>ANOVA>일반 선형 모델). 그런 다음 대화 상자 내에서 사용자는 포함할 변수와 기타 관련 옵션을 지정합니다.
분석 실행 시 출력이 생성되어 출력 창에 배치됩니다. 통계 모델을 구축하는 과정에서 분석가는 일반적으로 최종 모델이 결정될 때까지 다양한 변수와 모델 항을 포함하는 다양한 모델을 피팅해야 합니다. 모델에서 변수나 항을 제거하기로 결정하면 대화 상자가 다시 시작되고 변경이 수행되고 분석이 다시 실행됩니다. 고려되는 각 가능한 모델은 각기 다른 출력 세트를 생성하는 개별적으로 실행되어야 합니다. Minitab의 대부분의 분석 결과와 마찬가지로 수치 및 그래픽 출력은 변경할 수 있는 몇 가지 옵션만 있으면 대부분 정적입니다. 예를 들어 데이터에서 일부 관측치를 제거하려면 새 워크시트를 만들고 모든 모델을 다시 실행해야 합니다.
JMP 및 JMP 프로
JMP 및 JMP Pro v16에는 각각의 여러 변형과 함께 다음과 같은 다변수 모델링 기술이 있습니다.
· 일반화 선형 모델(예: ANOVA, 선형 회귀, 로지스틱 회귀)
· 파티션(의사결정트리)
· 신경망
· 판별 분석
· 부트스트랩 포리스트 *
· 부스트 트리 *
· K 최근접 이웃 *
· 나이브 베이즈 *
· 서포트 벡터 머신 *
* JMP 프로 전용
JMP 및 JMP Pro에는 이 외에도 다른 모델링 기술이 있습니다. 일반적으로 일반 모델링 목적과 비교하여 보다 전문화된 응용 프로그램에 사용되므로 위에 나열되지 않았습니다(예: 사회 과학의 Structural Equation Models, 소비자 연구의 경우 Uplift, Choice 및 MaxDiff, 함수, 신호인 데이터를 모델링하는 Functional Data Explorer) , 또는 시리즈).
JMP의 각 모델링 플랫폼에는 추정 방법 및 모델 피팅 사양과 관련된 다양한 옵션도 있습니다. 이는 복잡한 상황(예: 가중치 최소 제곱, 벌점 회귀, 정보 누락, K-폴드 교차 검증)을 처리하는 데 있어 더 많은 기능을 고려하고 허용할 수 있는 훨씬 더 많은 모델을 생성할 수 있는 기능을 제공합니다.
다음을 사용하여 로지스틱 회귀 모델을 피팅하여 JMP Pro에서 모델 구축 프로세스를 설명합니다. 모기지 재융자 지원 데이터.
로지스틱 회귀 모델:
JMP에서 모든 선형 모델은 분석 메뉴 아래의 모델 맞춤 플랫폼을 사용하여 생성됩니다. 이 하나의 플랫폼을 사용하면 Personality 드롭다운 메뉴에서 원하는 옵션을 선택하여 다양한 모델 형태와 모델 피팅 기술을 선택할 수 있습니다. 그림 38은 JMP(왼쪽) 및 JMP Pro(오른쪽)에서 사용할 수 있는 옵션을 보여줍니다.
그림 38 JMP 및 JMP Pro: 적합 모델 – 성격
그림 39A는 결과 변수와 모델 항이 추가된 Fit Model 플랫폼에 대한 대화 상자를 보여줍니다. 여기서는 주효과 전용 모델을 피팅합니다. 상호작용 항, 2차 효과, (교차 또는 중첩) 및 (고정 또는 무작위)로 항을 정의하는 옵션을 사용할 수 있습니다. 유효성 검사 열도 포함했습니다. 이 열은 75% 훈련 및 25% 검증에 데이터를 무작위로 할당했습니다. JMP는 모델을 맞추기 위해 훈련 데이터만 사용합니다. 검증 데이터는 피팅된 모델의 예측 능력을 평가하는 데 사용됩니다. 이 접근 방식은 데이터를 과적합하는 모델의 원하지 않는 결과를 방지하는 데 도움이 될 수 있습니다.
그림 39A JMP Pro: 맞춤 모드
분석을 실행하면 JMP가 명목 로지스틱 회귀 보고서를 생성합니다.
JMP의 모든 분석 결과와 마찬가지로 보고서를 대화형 플랫폼 대 정적 출력으로 생각하는 것이 가장 좋습니다. 예를 들어, 모형 적합 대화 상자로 돌아가서 변경하고 분석을 다시 실행할 필요 없이 모형 항을 적합 모형에서 제거할 수 있습니다. 그림 39B는 변수가 있는 보고서의 효과 요약 테이블을 보여줍니다. 나이 선택된.
그림 39B JMP Pro: 적합 모형 – 명목 로지스틱 회귀에 대한 효과 요약
그림 40은 상단의 빨간색 삼각형 아래에서 사용할 수 있는 옵션을 보여줍니다.
그림 40 JMP Pro: 모형 적합 – 명목 로지스틱 회귀 보고서의 상황별 메뉴
그림 41A – 41D는 보고서에 추가된 로지스틱 회귀 모델을 구축할 때 조사되는 몇 가지 일반적인 출력 유형을 보여줍니다.
그림 41A JMP Pro: 적합 모델 – 명목 로지스틱 회귀 보고서의 혼동 행렬
그림 41B JMP Pro: 모형 적합 – 명목 로지스틱 회귀 보고서의 ROC 곡선
그림 41C JMP Pro: 적합 모델 – 명목 로지스틱 회귀 보고서의 리프트 곡선
그림 41D JMP Pro: 모형 적합 – 명목 로지스틱 회귀 보고서의 프로파일러
통계 모델의 주요 목적이 예측만을 위한 것이고 방정식이 해석 가능한 계수가 있는 단순한 형태를 가질 필요가 없는 경우 다른 더 복잡한 모델을 탐색해야 합니다. JMP Pro에는 하나의 보고서에 결과를 함께 표시하는 다양한 기술을 사용하여 다양한 모델에 맞는 Model Screening이라는 매우 강력한 플랫폼이 있습니다. 그림 42는 역할에 할당된 변수와 선택된 모델 유형 세트가 있는 해당 플랫폼에 대한 대화 상자를 보여줍니다.
그림 42 JMP Pro: 모델 스크리닝
그림 43은 모델 성능을 쉽게 보고 비교할 수 있도록 보고서에서 생성된 일부 요약 결과를 보여줍니다. Boosted Neural Network 모델은 명목 로지스틱 회귀가 19.2%인 검증 데이터(16.0%)에서 전체 오류율이 가장 낮습니다.
그림 44는 여기에서 하는 것처럼 범주형 결과를 예측할 때 평가하는 데 중요할 수 있는 결정 임계값 도구를 보여줍니다. 이 도구는 다양한 확률 임계값을 고려할 때 각 모델에 대해 오류율이 어떻게 변하는지 평가하는 대화식 수단을 제공합니다.
이 보고서에서 각 모델 플랫폼을 실행하여 각각에 사용할 수 있는 전체 도구 세트에 액세스할 수 있습니다.
그림 43 JMP Pro: 모델 스크리닝 – 모델 요약
그림 44 JMP Pro: 모델 선별 – 결정 임계값
결론
Minitab과 JMP는 모두 사용자에게 사용하기 쉬운 포인트 앤 클릭 환경을 제공하여 데이터를 분석합니다. 둘 다 동일한 통계 기술을 많이 포함하고 있지만 다른 방식으로 액세스하고 사용합니다. 예를 들어, JMP의 대부분의 일변량 분석은 Minitab에서 분석되는 특정 데이터 유형과 선택할 통계 기법에 따라 다양한 도구가 사용되는 분포 플랫폼 내에서 수행됩니다. JMP에서는 각 단변량 분석의 출력을 동일한 보고서 창에 추가할 수 있습니다.
이 전환 가이드에서 설명한 것처럼 데이터 테이블, 그래프 및 보고서는 JMP에서 동적으로 연결되어 데이터를 탐색하고 분석할 수 있는 보다 대화식 환경을 제공합니다. 이 기능을 사용하면 단 하나의 데이터 테이블과 하나의 분석 보고서 세트를 사용하여 다양한 데이터 하위 세트에 대한 전체 분석 세트를 수행할 수 있습니다. 대조적으로 Minitab의 일반적인 분석 세션에서는 다양한 워크시트와 방대한 분석 결과 모음을 관리해야 합니다.
그래프 작성기를 통해 데이터를 시각적으로 탐색하는 JMP의 접근 방식은 Minitab에서 데이터를 그래프로 그리는 방식과 매우 다른 패러다임입니다. 가이드에서 설명한 것처럼 JMP의 그래프 빌더를 사용하면 고려 중인 각 옵션이 시각화를 어떻게 변경하는지 확인할 수 있어 데이터의 기능과 패턴을 동적으로 발견할 수 있습니다.
방문하다 jmp.com JMP의 기능에 대해 자세히 알아보고 책, 웨비나, 백서, 코스 등과 같은 학습 리소스를 찾으십시오.
저자 소개
